Оценка существенности связей

После построения регрессионной модели с помощью корреляционного анализа осуществляют проверку адекватности полученной модели. Адекватную модель экономически интерпретируют. Проверка адекватности моделей начинается с проверки значимости каждого коэффициента регрессии с помощью t-критерия Стьюдента. Проверка адекватности всей модели осуществляется с помощью расчета F-критерия и величины средней ошибки аппроксимации.

Средняя ошибка аппроксимации определяется по формуле:

Оценка существенности связей - student2.ru

где Оценка существенности связей - student2.ru - это линейные отклонения абсолютных величин эмпирических и выровненных данных.

Значение средней ошибки не должно превышать 12-15%.

После проверки адекватности, установления точности и надежности построенной модели её необходимо проанализировать. Для этого используют след показатели:

1. Частные коэффициенты эластичности

Оценка существенности связей - student2.ru , где

а1 – коэффициент регрессии при соответствующем факторном признаке;

Оценка существенности связей - student2.ru - среднее значение соответствующего факторного признака;

Оценка существенности связей - student2.ru - среднее значение результативного признака.

Коэффициент эластичности показывает на сколько процентов в среднем изменится значение результативного признака при изменении факторного признака на 1%.

2. Для определения тесноты связи между признаками при линейной форме связи используется показатель линейный коэффициент корреляции.

Оценка существенности связей - student2.ru

Линейный коэффициент корреляции изменяется в пределах от -1 до 1. По этому показателю можно сделать след выводы:

а) о направлении связи (если -1 < r < 0, то связь обратная, если 0 < r < 1, то связь прямая);

б) определить тесноту связи.

Квадрат линейного коэффициента корреляции (линейный коэффициент детерминации) показывает на сколько процентов вариация результативного признака объясняется вариацией факторного признака.

Для измерения тесноты связи при множественной корреляционной зависимости рассчитываются множественный коэффициент корреляции и частные коэффициенты корреляции.

Корреляционно-регрессионный анализ (КРА) заключается в построении и анализе статистической модели в виде уравнения регрессии (уравнение корреляционной связи), приближенно выражающей зависимость результативного признака от одного или нескольких факторных признаков и в оценке степени тесноты связи.

Задачами КРА являются:

1. Обнаружение корреляционной зависимости и выявление формы связи.

2. Установление количественных оценок тесноты связи, характеризующих силу влияния факторных признаков на результативные.

При изучении взаимосвязей выделяют след основные этапы:

1. Качественный анализ явления, в процессе к-рого устанавливаются причинно-следственные связи между явлениями, определяется направление связи.

2. Построение модели связи. Выбирается определенный вид математической функции, наилучшим образом отображаемый характер изучаемой связи. Эта задача решается с помощью регрессионного анализа. Математическая функция, отображающая форму корреляционной зависимости наз-ся уравнением регрессии.

3. Интерпретация результатов. Оценивается теснота связи между признаками (эта задача решается с помощью корреляционного анализа). Если характеризуется связь двух признаков, то она наз-ся парной, более двух – множественной.

Парная регрессия характеризует связь между двумя признаками: факторным и результативным. Аналитически связь между ними описывается уравнениями прямой, гиперболы, параболы и т. д.

1) Если результативный признак с увеличением факторного признака равномерно возрастает или убывает, то такая зависимость является линейной и описывается уравнением прямой:

ух01х,

где ух – теоретические значения результативного признака, полученные по уравнению регрессии;

а0, а1 – параметры прямой;

х – значение факторного признака.

Параметры уравнения прямой (а0, а1) определяются путем решения системы нормальных уравнений на основе метода наименьших квадратов. Сущность данного метода заключается в нахождении параметров модели, при к-рых минимизируется сумма квадратов отклонений эмпирических (фактических) значений результативного признака от теоретических, полученных по уравнению регрессии:

Оценка существенности связей - student2.ru

Система нормальных уравнений для нахождения параметров линейной парной регрессии имеет вид:

Оценка существенности связей - student2.ru Оценка существенности связей - student2.ru

где n – объем исследуемой совокупности.

В уравнении регрессии параметр а1 называется коэффициентом регрессии. Он показывает на сколько единиц изменится значение результативного признака при увеличении факторного признака на одну единицу.

2) Если результативный признак с увеличением факторного признака возрастает (убывает) не бесконечно, а стремится к конечному пределу, то для анализа такого признака применяется уравнение гиперболы:

Оценка существенности связей - student2.ru

Для определения параметров этого уравнения используется система нормальных уравнений:

Оценка существенности связей - student2.ru

3) Если с увеличением факторного признака результативный признак увеличивается, но до определенной величины, а затем с ростом Х У снижается, то такая зависимость описывается уравнением параболы 2-ого порядка:

Оценка существенности связей - student2.ru

Для определения параметров этого уравнения используется система нормальных уравнений:

Оценка существенности связей - student2.ru


Наши рекомендации