Линейная регрессия находит широкое применение в эконометрике в виде четкой экономической интерпретации ее параметров. Линейная регрессия сводится к нахождению уравнения вида
или . (4.6)
Уравнение вида позволяет по заданным значениям фактора х иметь теоретические значения результативного признака, подставляя в него фактические значения фактора x. На графике теоретические значения представляют линию регрессии (рис. 4.2).
Рис. 4.2. Графическая оценка параметров линейной регрессии
Построение линейной регрессии сводится к оценке ее параметров и .Оценки параметров линейной регрессии могут быть найдены разными методами. Можно обратиться к полю корреляции и, выбрав на графике две точки, провести через них прямую линию (см. рис. 4.2). Далее по графику можно определить значения параметров. Параметр определим как точку пересечения линии регрессии с осью ,а параметр оценим, исходя из угла наклона линии регрессии, как ,где приращение результата у, a приращение фактора х, т. е.
.
Классический подход к оцениванию параметров линейной регрессии основан на методе наименьших квадратов (МНК).
МНК позволяет получить такие оценки параметров и ,при которых сумма квадратов отклонений фактических значений результативного признака (у) от расчетных (теоретических) минимальна:
. (4.7)
Иными словами, из всего множества линий линия регрессии на графике выбирается так, чтобы сумма квадратов расстояний по вертикали между точками и этой линией была бы минимальной:
,
cследовательно,
.
Чтобы найти минимум функции (4.7), надо вычислить частные производные по каждому из параметров а и b и приравнять их к нулю.
Обозначим через S, тогда:
;
;
.
Преобразуя эту систему, получим следующую систему нормальных уравнений для оценки параметров и :
. (4.8)
Решая систему нормальных уравнений (4.8) либо методом последовательного исключения переменных, либо методом определителей, найдем числовые значения искомых параметров и . Можно воспользоваться следующими готовыми формулами:
. (4.9)
Формула (4.9) получена из первого уравнения системы (4.8), если все его члены разделить на п.
,
где ковариация признаков;
дисперсия признака x.
Ввиду того, что , ,получим следующую формулу расчета оценки параметра b:
. (4.10)
Параметр называется коэффициентом регрессии. Его величина показывает среднее изменение результата с изменением фактора на одну единицу. Так, если в функции издержек (у — издержки (тыс. руб.), х — количество единиц продукции). То, следовательно, с увеличением объема продукции (х) на 1 ед. издержки производства возрастают в среднем на 2 тыс. руб., т. е. дополнительный прирост продукции на 1 ед. потребует увеличения затрат в среднем на 2 тыс. руб.
Возможность четкой экономической интерпретации коэффициента регрессии сделала линейное уравнение регрессии достаточно распространенным в эконометрических исследованиях.
Формально — значение у при х = 0. Если признак-фактор не имеет и не может иметь нулевого значения, то вышеуказанная трактовка свободного члена не имеет смысла. Параметр может не иметь экономического содержания. Попытки экономически интерпретировать параметр а могут привести к абсурду, особенно при < 0.
Интерпретировать можно лишь знак при параметре . Если > 0, то относительное изменение результата происходит медленнее, чем изменение фактора. Иными словами, вариация результата меньше вариации фактора — коэффициент вариации по фактору х выше коэффициента вариации для результата .Для доказательства данного положения сравним относительные изменения фактора х и результата у:
или
Откуда 0 < .
Предположим по группе предприятий, выпускающих один и тот же вид продукции, рассматривается функция издержек: .Информация, необходимая для расчета оценок параметров и ,представлена в табл. 4.1.
Таблица 4.1
Расчетная таблица
№ предприятия | Выпуск продукции, тыс. ед. () | Затраты на производство, млн руб. (y) | ||||
31,1 | ||||||
67,9 | ||||||
141,6 | ||||||
104,7 | ||||||
178,4 | ||||||
104,7 | ||||||
141,6 | ||||||
Итого | 770,0 |
Система нормальных уравнений будет иметь вид
.
Решая ее, получим:
Запишем уравнение регрессии:
.
Подставив в уравнение значения x, найдем теоретические значения у, (см. последнюю графу табл. 4.1).
В данном случае величина параметра а не имеет экономического смысла.
В рассматриваемом примере имеем:
То, что а< О, соответствует опережению изменения результата над изменением фактора:
Парная линейная регрессия используется в эконометрике нередко при изучении функции потребления:
где потребление;
доход;
и параметри функции.
Данное уравнение линейной регрессии используется обычно в увязке с балансовым равенством:
где размер инвестиций;
сбережения.
Для простоты предположим, что доход расходуется на потребление и инвестиции. Таким образом, рассматривается система уравнений
Наличие в данной системе балансового равенства накладывает ограничение на величину коэффициента регрессии, которая не может быть больше единицы, т. е. .
Предположим, что функция потребления составила:
Коэффициент регрессии характеризует склонность к потреблению. Он показывает, что из каждой тысячи дохода на потребление расходуется в среднем 650 руб., а 350 руб. инвестируются. Если рассчитать регрессию размера инвестиций от дохода, т. е. ,то уравнение регрессии составит: .Это уравнение можно и не определять, ибо оно выводится из функции потребления. Коэффициенты регрессии этих двух уравнений связаны равенством: 0,65 +0,35 = 1.
Если коэффициент регрессии оказывается больше 1, то , т. е. на потребление расходуются не только доходы, но и сбережения.
Коэффициент регрессии в функции потребления используется для расчета мультипликатора:
где мультипликатор;
коэффициент регрессии в функции потребления.
В нашем примере . Это означает, что дополнительные вложения в размере 1 тыс. руб. на длительный срок приведут при прочих равных условиях к дополнительному доходу в 2,86 тыс. руб.