double arrow

Множественная многофакторная регрессия


Множественная многофакторная регрессия – это изучение связи между 3 и более связанных между собой признаков.

Построение модели множественной регрессии включает следующие этапы:

  1. Выбор формы связи, то есть уравнения регрессии
  2. Отбор факторных признаков
  3. Обеспечение достаточного объема совокупности для получения несмешанных оценок

В основном используются 5 типов моделей:

1) линейная

2) степенная

3) показательная

4) параболическая

5) гиперболическая

Основное значение имеют линейные модели в силу своей простоты, а также, потому что нелинейные формы зависимости приводятся к линейным путем линеаризации.

Существует проблема отбора признаков для построения модели. Основные требования, предъявляемые к включаемым в модель факторам:

  1. Каждый из факторов должен быть обоснован теоретически
  2. В перечень целесообразно включать только важнейшие факторы, оказывающие существенное воздействие на изучаемые показатели. При этом рекомендуется, чтобы количество включаемых в модель факторов не превышало одной трети от числа наблюдений выборки.
  3. Факторы не должны быть линейно-зависимыми, то есть они могут характеризовать либо одно и то же свойство изучаемого явления, либо являться составными частями одного и того же признака. Включение в модель линейно-взаимозависимых факторов приводит к возникновению явления мультиколлинеарности, которое отрицательно сказывается на качестве модели.
  4. Влияющие на экономический процесс факторы могут быть количественными и качественными. В модель рекомендуется включать только такие факторы, которые могут быть численно измеренными.
  5. В одну модель нельзя включать совокупный фактор и образующие его частные факторы, так как это тоже приводит к явлению мультиколлинеарности.

При отборе факторов используются статистические методы отбора:




1. Метод исключения – предполагает построение уравнения, включая всю совокупность переменных с последующим пошаговым сокращением числа переменных в модели до тех пор, пока не выполнится некоторое наперед заданное условие.

2. Метод включения – его суть состоит в последовательном включении переменных в модель до тех пор, пока регрессионная модель не будет отвечать заранее установленному критерию качества. Последовательность включения определяется с помощью частного коэффициента корреляции. Переменные, имеющие относительно исследуемого показателя большое значение частного коэффициента корреляции, первыми включаются в регрессионное уравнение.







Сейчас читают про: