Множественная (многофакторная) регрессия

Изучение связи между тремя и более связанными между собой признаками носит название множественной (многофакторной) рег­рессии. При исследовании зависимостей методами множественной регрессии задача формулируется так же, как и при использовании парной регрессии, т.е. требуется определить аналитическое выражение связи между результативным признаком и факторными при­знаками,найти функцию:

Построение моделей множественной регрессии включает несколько этапов:

· выбор формы связи (уравнения регрессии);

· отбор факторных признаков;

· обеспечение достаточного объема совокупности для получения несмещенных оценок.

Рассмотрим каждый из них.

Выбор формы связи затрудняется тем, что с использованием ма­тематического аппарата теоретически зависимость между признака­ми выражается большим числом различных функций.

Выбор типа уравнения осложнен тем, что для любой формы зави­симости выбирается целый ряд уравнений, которые в определенной степени будут описывать эти связи. Некоторые предпосылки для вы­бора определенного уравнения регрессии получают на основе анали­за предшествующих аналогичных исследований или на базе анализа подобных работ в смежных отраслях знаний. Поскольку уравнение регрессии строится главным образом для объяснения и количествен­ного выражения взаимосвязей, оно должно хорошо отражать сложив­шиеся между исследуемыми факторами фактические связи.

Наиболее приемлемым способом определения вида исходного уравнения регрессии является метод перебора различных уравнений.

Сущность данного метода заключается в том, что большое число уравнений (моделей) регрессии, отобранных для описания связей ка­кого-либо социально-экономического явления или процесса, реализу­ется на ЭВМ с помощью специально разработанного алгоритма пере­бора с последующей статистической проверкой, главным образом, на основе - критерия Стьюдента и F -критерия Фишера-Снедекора.

Способ перебора является достаточно трудоемким и связан с боль­шим объемом вычислительных работ.

Практика построения многофакторных моделей взаимосвязи по­казывает, что все реально существующие зависимости между соци­ально-экономическими явлениями можно описать, используя пятьтипов моделей:

1) линейную:

2) степенную:

3) показательную:

4) параболическую:

5) гиперболическую

Основное значение имеют линейные модели в силу простоты и логичности их экономической интерпретации. Нелинейные формы зависимости приводятся к линейным путем линеаризации.

Важным этапом построения уже выбранного уравнения множе­ственной регрессии является отбор и последующее включение фак­торных признаков.

Сложность формирования уравнения множественной регрессии заключается в том, что почти все факторные признаки находятся в зависимости один от другого.

Определение размерности модели связи, т.е. определение оптималь­ного числа факторных признаков, является одной из основных проблем построения множественного уравнения регрессии. В то же время чем больше факторных признаков включено в уравнение, тем оно лучше описывает явление. Однако модель размерностью 100 и более фактор­ных признаков сложно реализуема и требует больших затрат машинного времени. Сокращение размерности модели за счет исключения второ­степенных, экономически и статистически несущественных факторов способствует простоте и качеству ее реализации. Но построение модели регрессии малой размерности может привести к тому, что такая модель будет недостаточно адекватна исследуемым явлениям и процессам.

Проблема отбора факторных признаков для построения моде­лей взаимосвязи может быть решена на основе эвристических или многомерных статистических методов анализа.

Обобщенную методику корреляционного метода анализа экономи­ческих явлений и процессов можно представить блок-схемой (рис. 6.4.).

Рис. 6.4.