Для построения модели множественной регрессии чаще используют следуюие функции:
· Линейная: y = a+b1*x1+b2*x2+…+bm*xm+ϵ
· Степенная:
· Гипербола:
· Полином:
Можно использовать и другие функции, приводимые к линейному виду. Однако, при этом, число наблюдений должно не менее, чем в 6-8 раз превышать число факторов и модель должна быть экономически интерпретируемой.
Производственная функция
Степенная можель множественной регрессии применяется в производственных функциях вида:
P = a*F1b1* F2b2 *-* Fmbm*ϵ
Где P – количество продукта, изготавлимаего с помощью m производственных фактором объемом F1, F2,…, Fm;
СУКА, нихуя не успел тут‼‼!
Стандартизированное уравнение линейной регрессии
В ряде случаев применяют линейное уравнение регрессии в стандартизированном масштабе:
Хуйня тут эта
Где хуйня, хуйня – стандартные переменные;
\Beta1 – стандартизированные коэффициенты регрессии.
Коэффициенты Бетта1 позволяют ранжировать факторы по силе их влияния на результативный признак. Связь коэффициентов множественной регрессии
|
|
Найти бету
Отбор факторов множественной регрессии
Наиболее сложной проблемой спецификации модели множественной регрессии является набор факторов, включаемых в модель. Первоначальный отбор факторов производится на основе качественного теоретико-экономического анализа. Затем проверяются требования, которым должны отвечать включаемые в модель факторы.
Включаемые во множественную регрессию факторы должны объяснять вариацию независимой переменной. Иными словами, каждый, дополнительно включаемый в регрессию фактор должен приводить к существенному возрастанию коэффициента детерминации R2 и сокращению остаточной дисперсии S2ост. Насыщение модели лишними факторами приводит к статистической незначимости параметров регрессии.
Методы построения уравнений множественной регрессии
В методе исключения поочередно удаляется наименее значимый фактор сначала из полного набора факторов, а затем, из оставшихся, пока удаление очередного фактора не приводит к статистически значимому уменьшению коэффициента детерминации (все оставшиеся факторы оказываются статистически значимыми).
В методе шаговой регрессии (включения) сначаластроится однофакторные
ДЖИГУРДА‼‼‼‼‼‼‼‼‼‼‼‼‼‼‼‼‼‼‼‼‼