Метод наименьших квадратов (МНК) предназначен для решения избыточной системы нормальных уравнений. В эконометрике такая система образуется при оценивании параметров линейной регрессии.
Пусть по группе предприятий, выпускающих один и тот же вид продукции, необходимо определить зависимость затрат на производство (у – определяемая переменная) от объема выпуска продукции (х – определяющая величина). Эта задача решается методами линейной регрессии, которая сводится к решению уравнения вида
y=a+bx+ε (1).
В нашем случае х – объем выпуска продукции; у – затраты на производство; ε – случайная величина, характеризующая отклонение реального значения определяемого признака от теоретического, получаемого по формуле
y=a+bx (1`).
Значения у и х варьируются в зависимости от предприятия. Поэтому для определения теоретического значения этих величин необходимо в уравнении (1) найти коэффициенты a и b. Тогда для любого аналогичного предприятия можно будет спрогнозировать затраты на производство по заданному объему продукции.
|
|
Пусть имеется n предприятий. Тогда уравнение (1) превратится в систему уравнений (2), где хi, yi – затраты на производство и объем выпущенной продукции i-го предприятия. Или в матричной форме:
У= а + в Х+Е (2`),
где
.
Система (2), (2`) – избыточная: неизвестных два – a и b, а уравнений n. Она решается МНК, который заключается в следующем. Система (2) решается, исходя из условия
;
если обозначить сумму квадратов F(a,b), то
. (3)
Чтобы найти минимум функции (3), необходимо вычислить частные производные по каждому из параметров a и b и приравнять их нулю:
, .
Вычисляя производные, приходим к системе уравнений
(4).
Решая систему нормальных уравнений (4) либо методом последовательного исключения переменных, либо методом определителей, найдем искомые оценки параметров a и b:
, (5),
где
.
Параметр b называется коэффициентом регрессии. Его величина показывает среднее изменение результата с изменением фактора на одну единицу.
Величина в знаменателе параметра b
(6)
называется дисперсией признака х. Коэффициент регрессии можно записать иначе
.
Уравнение регрессии всегда дополняется показателем тесноты связи. При использовании линейной регрессии в качестве такого показателя выступает линейный коэффициент корреляции
(7).
Линейный коэффициент корреляции находится в границах: -1≤rxy≤1.
Если коэффициент регрессии b>0, то 0≤rxy≤1, и, наоборот, при b<0, -1≤rxy≤0. Близость модуля линейного коэффициента корреляции к 1 означает, что зависимость величин х и у близка к линейной.