Cтраница 4
Но интервалы, в которых должна находиться прогнозируемая величина ( точечный прогноз), оказываются для авторсгрессиоиных схем более широкими ввиду существенно большей величины среднего квадратического отклонения по сравнению с отклонением при простой экстраполяции ( 2, 43, см. г.бл. 2), что означает большую колеблемость. Поэтому приходится прийти к заключению, что применение авторегресснопных схем в данном случае не дает результатов намного лучших, чем построение подходящего уравнения регрессии по времени. [46]
Поэтому количественные измерения на их основе являются приемлемыми только для целей анализа на исследуемый период времени, данные которого использовались при построении уравнений регрессии. Если же пропорции между независимыми переменными изменяются, то получаемые с помощью таких уравнений результаты не могут быть применены с доверием для экстраполяции на будущее. [47]
Инвариантными к изменению интервалов остаются знаки линейных коэффициентов регрессии. Однако и они изменятся на обратные, если при движении по градиенту ( гл. В некоторых задачах представляет интерес построение уравнения регрессии для натуральных значений факторов. [48]
После проведения корреляционного анализа принимается решение о целесообразности построения уравнения регрессии, с помощью которого определяется аналитическое выражение формы связи между отдельными видами процентных ставок. С помощью регрессионного анализа выявляется изменение одной величины ( результата) под влиянием одного или нескольких факторов, а множество прочих причин, оказывающих влияние на результат, принимается за постоянные и средние значения. Подбор аналитических функций ( линейных и криволинейных) для построения уравнения регрессии осуществляется аналогично подбору функций для уравнения тренда. На практике теоретическая форма связи определяется с использованием пакета статистических программ на ПЭВМ. Для наглядного изображения теоретической формы связи значения показателей, полученные с помощью уравнения регрессии, наносят на график и сравнивают их с эмпирическими данными. [49]
Результаты таких расчетов приведены в табл. 2.4. В этой таблице 14 столбцов, и на первьй взгляд она может показаться очень громоздкой. Однако при этом необходимо учитывать, что столбцы ( 1) - ( 6) нужны непосредственно для построения уравнений регрессии и вычисления коэффициента парной корреляции. Столбцы ( 7) и ( 8) используют для проверки правильности вычислений, а столбцы ( 9) - ( 14) - для проверки адекватности уравнений регрессии. [50]
Результаты таких расчетов приведены в табл. 2.4. В этой таблице 14 столбцов и, на первый взгляд, она может показаться очень громоздкой. Однако при этом необходимо учитывать, что столбцы ( I) - ( 6) нужны непосредственно для построения уравнений регрессии и вычисления коэффициента парной корреляции. Столбцы ( 7) и ( 8) используют для проверки правильности вычислений, а столбцы ( 9) - ( 14) - для проверки адекватности уравнений регрессии. [51]
Особенность современного факторного анализа заключается в том, что он дает возможность совместной обработки большого числа взаимосвязанных ( коррелирующих) факторов. Аппарат современного факторного анализа позволяет свести десятки исходных признаков ( факторов) к нескольким обобщенным, которые не наблюдаются непосредственно при исследовании, но, тем не менее, появляются в модели как линейные комбинации исходных признаков и поддаются определенной интерпретации. Важная особенность подобных обобщенных факторов состоит в том, что они не коррелируют между собой и потому их удобно использовать для построения уравнения регрессии. [52]