Функции множественной регрессии

Для построения модели множественной регрессии чаще используют следуюие функции:

· Линейная: y = a+b₁*x₁+b₂*x₂+…+b_m*x_m+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*F₁^b1* F₂^b2 *-* F_m^bm*ϵ

Где P – количество продукта, изготавлимаего с помощью m производственных фактором объемом F₁, F₂,…, F_m;

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‼‼‼‼‼‼‼‼‼‼‼‼‼‼‼‼‼‼‼‼‼