- •Тема 7. Статистическое изучение взаимосвязей
- •1. Понятие и виды статистических связей
- •Шкала Чеддока оценки тесноты связи
- •2. Методы оценки статистических связей между качественными признаками
- •Матрица взаимного распределения частот определения коэффициентов ассоциации и контингенции
- •Матрица взаимного распределения частот
- •3. Методы оценки статистических связей между количественными признаками
- •4. Понятие и методика регрессионного анализа
4. Понятие и методика регрессионного анализа
.
Регрессионный анализ заключается в определении аналитического выражения связи факторного и результативного признаков, т.е. в определении статистической модели уравнения связи, расчета его параметров и расчета теоретических значений результативного признака.
В регрессионном анализе можно выделить три составляющие:
- определение типа функции (структуры модели) для описания изучаемой зависимости;
- расчет неизвестных параметров уравнения регрессии;
- оценку качества модели.
Регрессия классифицируется по следующим признакам:
по направлению связи различают:
прямую регрессию, когда с увеличением или снижением факторного признака (независимой переменной) одновременно увеличивается или снижается и результативный признак (зависимая переменная);
обратную регрессию, когда при увеличении факторного признака результативный признак уменьшается и наоборот;
по количеству факторных признаков:
однофакторная (простая или парная) регрессия, когда изучается зависимость результата только от одного факторного признака;
многофакторная (множественная) регрессия, когда изучается зависимость результативного признака от двух и больше факторов;
по форме зависимости:
линейная регрессия, когда с увеличением факторного признака результативный признак равномерно возрастает или убывает, выражается уравнением прямой
;нелинейная регрессия, когда с увеличением факторного признака изменение результативного признака происходит неравномерно, выражается уравнениями:
полулогарифмической
кривой:
;
параболы
второго порядка:
;
гиперболы:
;
показательной
функции:
;
степенной
функции:
.
Для
оценки адекватности используемой
регрессионной модели, применяется
следующее условие: наиболее оптимальной
моделью является та, теоретическая
линия регрессии которой наименее удалена
от эмпирических (исходных) данных, т.е.
.
Рассмотрим пример: имеются следующие данные по нескольким предприятиям:
Показатели фондовооруженности и производительности труда по предприятиям
Фондовооруженность, тыс. руб. |
2 |
5 |
3 |
7 |
2 |
6 |
4 |
9 |
8 |
4 |
Произведено на 1 работника, тыс. руб. |
3 |
6 |
4 |
6 |
4 |
8 |
6 |
9 |
9 |
5 |
Зависимость
между фондовооруженностью и
производительностью труда линейная,
потому выразим её уравнением
прямой:
,
где
- производительность труда,
- фондовооруженность труда,
и
- параметры уравнения регрессии.
Параметры уравнения прямой и определяются путем решения системы нормальных уравнений, полученных по методу наименьших квадратов:
;
или
по следующим формулам:
и
.
Для определения параметров уравнения регрессии построим расчетную таблицу:
Расчет параметров уравнения регрессии
Фондовооруженность, |
Производительность труда, |
|
|
|
2 |
3 |
4 |
6 |
3,61 |
5 |
6 |
25 |
30 |
6,0 |
3 |
4 |
9 |
12 |
4,41 |
7 |
6 |
49 |
42 |
7,59 |
2 |
4 |
4 |
8 |
3,61 |
6 |
8 |
36 |
48 |
6,80 |
4 |
6 |
16 |
24 |
5,20 |
9 |
9 |
81 |
81 |
9,19 |
8 |
9 |
64 |
72 |
8,38 |
4 |
5 |
16 |
20 |
5,20 |
50 |
60 |
304 |
343 |
60 |
Для определения параметров уравнения регрессии подставим в систему нормальных уравнений фактические данные из таблицы:
.
Далее решаем систему нормальных уравнений в следующей последовательности:
1) разделим каждый член первого уравнения на 10, а каждый член второго уравнения на 50:
;
2)
вычтем из второго уравнения первое и
получим:
,
откуда:
;
3)
подставим значение
в первое уравнение, получим:
.
Таким
образом, уравнение регрессии примет
следующий вид:
.
После определения параметров уравнения
регрессии рассчитывается теоретическая
линия регрессии
путем подставки значений
в уравнение регрессии. Если параметры
уравнения определены правильно, то
.
Параметр показывает усредненное влияние на результативный признак неучтенных, т.е. не выделенных для исследования факторных признаков, параметр – это коэффициент регрессии, который показывает, насколько изменяется значение результативного признака при изменении факторного признака на единицу его собственного измерения.
В нашем случае при повышении фондовооруженности на 1 тыс. руб., производительность труда увеличится на 0,796 тыс. руб.
Проверка значимости параметров модели производится с использованием t-статистики, которая в этом случае представляет собой отношение значения параметра к его стандартной (среднеквадратической) ошибке S:
где
-
стандартная ошибка параметра
:
=
;
-
стандартная ошибка параметра
:
=
.
Фактические значения t-критерия сравниваются с табличными (с учетом уровня значимости α и числа степеней свободы (d.f.=n-k-1)). Параметры признаются статистически значимыми, т.е. сформированными под воздействием неслучайных факторов, если tфакт > tтабл.
Значимость уравнения в целом оценивается на основе F-критерия Фишера.
:
где k – число степеней свободы факторной дисперсии, равное числу независимых переменных (признаков-факторов) в уравнении регрессии;
n-k-1 - число степеней свободы остаточной дисперсии.
Если обе части соотношения разделить на общую дисперсию зависимой переменной (результата), то F-критерий может быть представлен следующим образом:
.
(1.28)
Расчетное значение
критерия сопоставляется с табличным
(с учетом числа степеней свободы: d.f.
= k
и
d.f.=n-k-1)
. Если
,
то делается вывод о статистической
значимости уравнения в целом. Поскольку
F-критерий
основан на соотношении факторной и
остаточной дисперсий результативного
признака, то вполне логично его
использование для оценки качества
модели. Если объясненная дисперсия
существенно больше необъясненной, это
означает, что в уравнение связи включены
именно те факторы, которые играют
определяющую роль в изменении значения
признака-результата. Статистическая
значимость уравнения одновременно
означает статистическую значимость
коэффициента детерминации.
По данным
регрессионного анализа можно рассчитать
коэффициент
эластичности,
характеризующий пропорцию взаимосвязи
между вариацией факторного и результативного
признаков:
.
Например,
,
т.е. в данном случае коэффициент
эластичности показывает, что с ростом
фондовооруженности труда на 1%,
производительность труда возрастет на
0,66%
Если уравнение зависимости выражается параболой второго порядка: , расчет параметров производится также по методу наименьших квадратов. Для чего составляется система нормальных уравнений:
.
Решая систему нормальных уравнений, определяются параметры уравнения параболы второго порядка, при этом используется та же методика их определения, только во втором шаге из второго уравнения вычитается первое, а из третьего уравнения вычитается второе.
Если результативный признак с увеличением факторного признака изменяется не бесконечно, а стремится к какому-то конечному пределу, то для анализа такого признака применяется уравнение гиперболы:
.
Для определения параметров этого уравнения используется система нормальных уравнений:
Чтобы
определить параметры уравнения гиперболы
методом наименьших квадратов, необходимо
привести его к линейному виду. Для чего
производят замену переменных:
и получают следующую систему нормальных
уравнений:
Решая данную систему уравнений, определяются параметры уравнения гиперболы.
Уравнение степенной функции применяется в экономических исследованиях для характеристики слабой нелинейной связи между результативными и факторными признаками. Параметр показывает, что с увеличением факторного признака на 1%, результативный признак увеличивается на процентов, т.е. является коэффициентом эластичности.
Для определения параметров степенной функции методом наименьших квадратов степенную функцию необходимо привести к линейному виду путем логарифмирования:
.
Далее
производят замену переменных:
,
,
,
после чего записывают предыдущее
уравнение в новых обозначениях:
.
Затем строится система нормальных уравнений6
Решая данную систему уравнений, определяются параметры и . Переходя к первоначальным обозначениям , определяется параметр .
Обычно изменение экономических явлений происходит под влиянием не одного, а большого числа самых разнообразных факторов, в таких случаях связь между результативным и факторными признаками выражается уравнением множественной регрессии.
Уравнения множественной регрессии могут быть линейными, криволинейными и комбинированными. Наиболее простым видом уравнения множественной регрессии является линейное уравнение с двумя переменными:
.
Параметры такого уравнения определяются решением системы нормальных уравнений:
Параметр
показывает усредненное влияние на
результат неучтенных факторных признаков,
параметры
и
характеризуют влияние одного из факторов
при элиминировании другого.
