В статистике выделяют различные виды регрессионные модели.
Парная регрессия - представляет собой регрессию между двумя переменными. В качестве примера можно назвать зависимость прибыли предприятия (зависимая переменная) от производительности труда (объясняющая переменная);
Множественная регрессия - регрессия между зависимой переменной у и несколькими причинно обусловленными объясняющими (независимыми, или предсказывающими) х1 х2,..., хт. Так, имеется множественная регрессия между прибылью предприятия (y) и производительностью труда (x1), объем основных фондов (x2), объем оборотных средств (x2).
Наиболее часто встречающиеся типы функции:
Название | Функция |
Линейная | |
Параболическая | |
Гиперболическая | |
Показательная | |
Степенная |
Основным методом решения задачи нахождения параметров а0 и а1 уравнения связи является метод наименьших квадратов (МНК), разработанный Гауссом. Он состоит в минимизации суммы квадратов отклонений фактических значений от значений, вычисленных по уравнению связи.
Схема 1 – Сущность метода наименьших квадратов
Для нахождения параметров а0 и а1 при которых принимает минимальное значение необходимо частные производные функции прировнять нулю:
Далее преобразуем полученные уравнения до выражения, которое называют системой нормальных уравнений:
Разделим оба уравнения системы на n, получим следующее выражение:
Преобразуя предложенную систему получить следующие формулы для нахождения параметров уравнения:
Параметр уравнения a1 также можно вычислить, используя формулу:
Преобразуя выражение получаем:
rxy – парный линейный коэффициент корреляции между x и y;
sx, sy – стандартное отклонение.
а0 – не имеет экономической интерпретации, но существует мнение, что он показывает усредненное влияние всех прочих факторов, не включенных в исследование.
а1 – коэффициент регрессии, показывает, на сколько в среднем изменится величина результативного признака y при изменении факторного признака x на натуральную единицу.
Если а1 >0 то связь прямая, если а1 < 0 то связь обратная.
На практике для нахождения параметров множественной регрессии в связи с большим объемом расчетов прибегают к помощи ПЭВМ и специализированных пакетов программ:
Коэффициенты условно-чистой регрессии аj являются именованными числами, выраженными в разных единицах измерения, и поэтому несравнимы друг с другом. Для преобразования их в сравнимые относительные показатели применяется следующий метод:
Стандартизованный коэффициент регрессии или b - коэффициентом:
Показывает, на сколько среднеквадратических отклонений (b) изменится результативный признак если величина факторного признака изменяются на одно среднеквадратическое отклонение.
Коэффициент эластичности:
Показывает на сколько процентов в среднем изменится значение зависимой переменной y если независимая переменная x изменится на 1%.