Осуществляется отбор факторных признаков x1,x2,...xp, оказывающих влияние на y. Исходные данные представлены временными рядами
x1t,x2y,...xpt; yt.
Определяются тенденции изменения временных рядов, т.е. тренды
ytc=f(t); xitc=fi(t); i=1,2,…,n.
Рассчитываются отклонения выравненных значений переменных от исходных величин
γt=yt-f(t); εit=xit – fi(t).
Выявляется наличие мультиколлинеарности, для чего вычисляются коэффициенты парной корреляции. Устанавливаются периоды запаздывания (временные лаги) во взаимодействии признаков.
После корректировки состава независимых переменных приступают к оцениванию параметров уравнения множественной линейной регрессии
yt=α1ε1t+ α2ε2t +... + αpεpt. (*).
При наличии временного лага L по переменной хi в уравнение вместо еit вводится еit-L.
Коэффициенты бi рекомендуется определять по методу наименьших квадратов, используя так называемые стандартизованные вi коэффициенты. Необходимость использования коэффициентов в стандартизованном виде объясняется тем, что в уравнении (*) каждое отклонение является абсолютной величиной, такой же, как и исходные временные ряды зависимой и независимой переменных. Числовые значения отклонений представлены в соответствующих единицах измерения.
|
|
Данное обстоятельство не позволяет оценивать сравнительную силу воздействия каждого аргумента на зависимую переменную путем сопоставления коэффициентов регрессии α1, α2,…, αp.
Переход к стандартизованным коэффициентам заключается в замене отклонений γt, εit новыми переменными, исходя из соотношений
Tγ=γt/σγt; Ti=εit/σεit,
откуда γt=Tγσγt; εit=Tiσεit. Подставив последние выражения в уравнение (*) и поделив левую и правую части на σγt, получим:
Tγ=(α1T1σε1t /σγt)+(α2T2σε2t /σγt)+…+(αpTpσεpt /σγt).
Переменные Т в последнем уравнении являются теперь относительными безразмерными величинами. Замена αiσεit /σγt на βi приводит уравнение к стандартизованному виду
Tγ=β1T1+ β2T2+…+ βpTp,
в котором βi - стандартизованные коэффициенты регрессии. Они показывают, на сколько среднеквадратических отклонений изменится зависимая переменная, если величина i -го независимого фактора увеличится или уменьшится на одно свое среднеквадратическое отклонение при условии постоянства всех остальных факторов-аргументов.
Так как βi -коэффициенты являются относительными величинами, то с их помощью можно сделать вывод о степени влияния каждого фактора на функцию.
Численные значения коэффициентов определяются на основе значений коэффициентов парной корреляции.
|
|
Система нормальных уравнений, используемых при расчетах, имеет вид:
rγtε1t=β1rε1tε1t+β2rε1tε2t+…+βprε1tεpt
rγtε2t=β1rε2tε1t+β2rε2tε2t+…+βprε2tεpt,
…………………………………………
rγtεpt=β1rεptε1t+β2rεptε2t+…+βprεptεpt
rγtεit=∑γεit/(∑γ2t∑ε2it)½; rεitεjt=∑εitεjt/(∑ε2it∑ε2jt)½; rεitεjt=1.
Система уравнений, линейных относительно βi, может быть решена любым способом. Естественно, оценка параметров и проверка надежности найденных уравнений регрессии осуществляются при использовании Microsoft Excel и множества статистических пакетов обработки данных, таких как SPSS, Statistica, Minitab и других. В данном случае важен содержательный алгоритм расчетов. Например, при использовании формул Крамера вi=∆i/∆, где ∆i – определитель, получаемый из главного определителя ∆ путем замены i- го столбца столбцом из свободных членов.
После решения системы и определения βi -коэффициентов находятся коэффициенты αi=βiσγt/σεit, осуществляется переход от относительных величин к абсолютным и уравнению
yt=∑pj=1ajxjt+εt, t=1,2,…n.
Для оценки параметров уравнения временные ряды должны быть не менее 15-20 лет, а прогнозный период в 2-3 раза короче. Прогнозные значения xjt можно оценить на основе экстраполяции, методом экспоненциального сглаживания, на основе трендов или уравнений авторегрессии, методом экспертных оценок. При необходимости в модели должны найти отражение периоды запаздывания.