2.2. Линейная модель парной регрессии. Определение параметров

Напомним, что построение линейной регрессии сводится к нахождению уравнения вида y=a + b· x+ ε или = a + b· x и оценке его параметров.

Оценить параметры линейной регрессии можно различными методами. Рассмотрим метод оценки, основанный на построении поля корреляции.

Возьмем в качестве примера зависимость между индексом реальных денежных доходов (Х) и коэффициентом рождаемости (Y) в период с 1993 по 2007 г.

Года	Коэффициент рождаемости	Индекс реальных денежных доходов
	y	x
1993	9,4	116
1994	9,6	131,1
1995	9,3	111,4
1996	8,9	112,5
1997	8,6	119,1
1998	8,8	100,1
1999	8,3	87,8
2000	8,7	98,4
2001	9	106,9
2002	9,7	118,8
2003	10,2	136,6
2004	10,4	150,8
2005	10,2	167,5
2006	10,4	189,8
2007	11,3	209,6

Таблица 1

И зобразим полученную зависимость графически на координатной плоскости точками (x_i, y_i). Такое изображение статистической зависимости называется полем корреляции. Судя по графику, можно предполагать о наличии линейной корреляционной зависимости между переменными X и Y. Далее, для оценки параметров выбираем две точки на графике и проводим через них прямую линию. Параметр а определяем как точку пересечения линии регрессии с осью OY, параметр b вычисляется как отношение приращения результата y к приращению фактора x: dy/dx.

Рисунок 1

И все-таки более часто используемый метод оценивания параметров основан на методе наименьших квадратов. Согласно ему, параметры а и b выбираются таким образом, чтобы сумма квадратов отклонений эмпирических значений y_i от фактических значений y, найденных по уравнению регрессии = a + b· x, была минимальной:

Таким образом, параметры а и b находим из системы нормальных уравнений

Можно также использовать готовые формулы:

.

Учитывая, что cov(x,y)= = , получим

где - дисперсия признака x:

,

а cov(x,y)- выборочная ковариация.

Эти формулы соответствуют самому общему подходу к определению параметров уравнения регрессии и могут применяться в случае как парной, так и множественной регрессии.

Коэффициент парной линейной регрессии, обозначенный b, имеет смысл показателя силы связи между вариацией факторного признака х и вариацией результативного признака у. Он измеряет среднее по совокупности отклонение от его средней величины при откло­нении признака х от своей средней величины на принятую единицу измерения.

Параметр а может не иметь экономического содержания. Интерпретировать можно лишь знак при параметре а. Если а>0, то относительное изменение результата происходит медленнее, чем изменение фактора. Иными словами, вариация результата меньше вариации фактора – коэффициент вариации по фактору х выше коэффициента вариации для результата у: V_x > V_y.

Вернемся к нашему примеру и найдем расчетным путем параметры уравнения регрессии. Для этого составим вспомогательную таблицу:

Год	Индекс реальных денежных доходов (x)	Коэффициент рождаемости (y)	y∙x	x2	y2
1993	116	9,4	1090,4	13456	88,36	9,1972
1994	131,1	9,6	1258,56	17187,21	92,16	9,53091
1995	111,4	9,3	1036,02	12409,96	86,49	9,09554
1996	112,5	8,9	1001,25	12656,25	79,21	9,11985
1997	119,1	8,6	1024,26	14184,81	73,96	9,26571
1998	100,1	8,8	880,88	10020,01	77,44	8,84581
1999	87,8	8,3	728,74	7708,84	68,89	8,57398
2000	98,4	8,7	856,08	9682,56	75,69	8,80824
2001	106,9	9	962,1	11427,61	81	8,99609
2002	118,8	9,7	1152,36	14113,44	94,09	9,25908
2003	136,6	10,2	1393,32	18659,56	104,04	9,65246
2004	150,8	10,4	1568,32	22740,64	108,16	9,96628
2005	167,5	10,2	1708,5	28056,25	104,04	10,33535
2006	189,8	10,4	1973,92	36024,04	108,16	10,82818
2007	209,6	11,3	2368,48	43932,16	127,69	11,26576
Итого	1956,4	142,8	19003,19	272259,3	1369,38	9,1972

Таблица 2

С истема нормальных уравнений будет иметь вид

15·a+1956,4·b=142,8·y,

1956,4·a+272259,3·b=19003,19.

Решая ее, получим:

a = 6,6336,

b = 0,0221.

Уравнение регрессии будет иметь вид:

y = 0,0221·x + 6,6336.