Множественная регрессия и корреляция презентация

определив влияние каждого из них в отдельности, а также совокупное их воздействие на моделируемый фактор.
Спецификация модели включает в себя два круга вопросов:
- отбор факторов;
- выбор вида уравнения регрессии.

функциональной связи или быть сильно коррелированы.
Пример
y - себестоимость единицы продукции
x – заработная плата работника
z – производительность труда

- статистики параметров регрессии
1) Проверка парной корреляции.
Принцип исключения факторов:
Если две переменные явно коллинеарны ( ), то одну из них исключаем.
Включаем фактор, имеющий наименьшую тесноту связи с другими факторами
2) Оценка мультиколлинеарности факторов (когда более, чем два фактора связаны между собой линейной зависимостью):
Проверка гипотезы H0:

R – матрица коэффициентов корреляции.

Чем ближе к 1 определитель матрицы межфакторной корреляции, тем
меньше мультиколлинеарность факторов

уменьшения корреляции между ними
Переход к первым разностям
Переход к линейным комбинациям (метод главных компонент)
Переход к совмещенным уравнениям регрессии
Переход к уравнениям приведенной формы

метод наименьших квадратов (МНК) для стандартизованного уравнения
Схема: решение системы нормальных уравнений

………………………………………..

виде

регрессии







Достоинство стандартизованных коэффициентов регрессии
Использование при отсеве факторов – из модели исключаются факторы с наименьшим значением

при фиксировании остальных экзогенных переменных на среднем уровне




Вид частного уравнения регрессии

производства x1, изменения запасов x2 и потребления на внутреннем рынке х3 задается уравнением

, то частные
коэффициенты эластичности составят