- •1. Основні теоретичні положення регресійного аналізу
- •1.1. Кореляційна залежність
- •1.2. Основні математичні поняття,
- •1.3. Передумови використання
- •2. Парний регресійний аналіз
- •2.1. Лінійна парна регресія
- •2.2. Властивості оцінок
- •2.3. Лінійний коефіцієнт кореляції
- •2.5. Оцінка значущості рівняння регресії
- •2.4. Коефіцієнт детермінації
- •2.6. Прогноз залежної змінної.
- •2.7. Приклад 1.
- •2.8. Нелінійна парна регресія
- •2.9. Дослідження нелінійних рівнянь
- •2.10. Приклад 2.
- •2.11. Побудова функції парної регресії
- •2.12. Побудова графіку функції
- •2.13. Питання для самоперевірки
- •3. Багатофакторний регресійний аналіз
- •3.1. Класична нормальна лінійна модель
- •3.2. Коефіцієнти детермінації і кореляції.
- •3.3. Перевірка значущості параметрів
- •3.4. Прогноз залежної змінної
- •3.5. Приклад 3. Знаходження двофакторної моделі
- •3.6. Використання пакету анализ данных
- •3.7. Використання Excel для розрахунку
- •Введення і підготовка даних
- •4. Мультиколінеарність
- •4.1. Поняття і наслідки мультиколінеарності
- •4.2. Алгоритм Фаррара – Глобера
- •4.3. Приклад 4.
- •4.5. Питання для самоперевірки
- •5. Гетероскедастичність
- •5.1. Поняття гетероскедастичності
- •5.2. Виявлення гетероскедастичності.
- •5.3. Приклад 5. Дослідження даних
- •5.4. Виявлення гетероскедастичності.
- •5.5. Приклад 6. Дослідження даних
- •5.6. Непараметричний тест Гольдфельда-Квандта
- •5.7. Питання для самоперевірки
- •6. Автокореляція
- •6.1. Поняття автокореляції.
- •6.2. Критерій Дарбіна-Уотсона
- •6.3. Приклад 7. Дослідження моделі на наявність
- •6.4. Питання для самоперевірки
- •7. Індивідуальні комплексні завдання
- •Завдання 2
- •Завдання 3
- •Завдання 4
- •Завдання 5
- •Предметний покажчик
- •Література
- •Коефіцієнтів автокореляції залишків
- •Критичні значення і для коефіцієнта автокореляції залишків критерія Дарбіна-Уотсона для
- •Критичні значення і для коефіцієнта автокореляції залишків критерія Дарбіна-Уотсона для
- •Значення критерія Пірсона
- •Квантилі розподілу Стьюдента
- •83050, М. Донецьк, вул. Щорса, 31.
- •83023, М. Донецьк, вул. Харитонова, 10
2.9. Дослідження нелінійних рівнянь
парної регресії
Для нелінійної регресії
тісноту зв'язку фактору і результату
оцінює індекс кореляції
,
який знаходиться за формулою:
(2.9.1)
Величина даного показника
знаходиться в межах: 0 ≤
≤ 1. Чим ближче
до одиниці, тим тісніший зв'язок
розглянутих ознак, тим більш надійним
буде знайдене рівняння регресії.
Якість побудованої моделі
можна оцінити через індекс
детермінації
(
або R2).
Та з функцій (2.8.1) – (2.8.6), для якої
має найбільше значення, є більш оптимальною
й краще описує залежність економічних
показників. Коефіцієнт детермінації
можна знайти за формулою (2.4.1).
Зауваження. |
Якщо нелінійне щодо пояснюючої
змінної рівняння, при лінеаризації
приймає форму лінійного рівняння
парної регресії, то для оцінки тісноти
зв'язку може бути використаний лінійний
коефіцієнт кореляції. Величина якого
в цьому випадку збігається з індексом
кореляції. Так, наприклад, для
рівносторонньої гіперболи:
|
Зауваження. |
Для регресій, нелінійних
за оцінюваними параметрами лінійний
коефіцієнт кореляції для перетворених
значень ознак дає лише наближену
оцінку тісноти зв'язку й чисельно не
збігається з індексом кореляції. Так,
наприклад, для степеневої функції
|
Зауваження. |
У комп'ютерних програмах для характеристики тісноти зв'язку по нелінійних функціях широко використовується лінійний коефіцієнт кореляції. |
Для оцінки значущості індексу детермінації використовується F– критерій Фішера. Фактичне значення - критерію Фішера знаходиться за формулою
,
(2.9.2)
де
– індекс детермінації;
– число спостережень; m
– число параметрів. Обчислене фактичне
значення
-
критерію Фішера порівнюється з табличним
для рівня значущості
,
числа ступенів свободи чисельника
і числа ступенів свободи знаменника
.
Для оцінки значущості параметрів нелінійних рівнянь регресії використовується t– критерій Стьюдента. Фактичні значення по формулах t– критерій Стьюдента знаходяться за формулами:
;
;
.
(2.9.3).
При визначенні стандартних
помилок
,
і
у формулах (2.9.4), (2.9.5)
;
(2.9.4)
;
(2.9.5)
,
(2.9.6)
(2.9.4) – (2.9.5) необхідно використати
відповідні заміни:
– для гіперболічної залежності,
;
– для степеневої і показникової
залежностей.
Індекс детермінації
можна порівнювати з коефіцієнтом
детермінації
для обґрунтування можливості застосування
лінійної функції. Чим більша кривизна
лінії регресії, тим величина
менше
.
Близькість цих показників
означає, що немає необхідності ускладнювати
форму рівняння регресії і можна
використати лінійну функцію. Практично,
якщо величина
не перевищує 0,1, то припущення про лінійну
форму зв'язку вважається виправданим.
