Парная регрессия

Cтраница 2

Прежде чем обсуждать вопросы использования уравнений парной регрессии, напомним, что парный корреляционный анализ не дает чистых мер влияния только одного изучаемого фактора. Если факторы взаимосвязаны, то парная связь измеряет влияние данного фактора и часть влияния прочих факторов, связанных с ним. И все же при тесной связи уравнение регрессии может стать полезным орудием анализа экономических, технологических, социальных или природных процессов. [16]

Таким образом, в отличие от коэффициента парной регрессии коэффициент условно-чистой регрессии измеряет влияние фактора, абстрагируясь от связи вариации этого фактора с вариацией остальных факторов. Если было бы возможным включить в уравнение регрессии все факторы, влияющие на вариацию результативного признака, то величины Ъ ( можно было бы считать мерами чистого влияния факторов. Но так как реально невозможно включить все факторы в уравнение, то коэффициенты fy не свободны от примеси влияния факторов, не входящих в уравнение. [17]

Образцы-свидетели с коррозионно-эрозионным износом металла. [18]

На примере системы ППД Южно-Ягунского месторождения методом парной регрессии получена аналитическая зависимость отношения скоростей локальной и общей коррозии металла от концентрации механических примесей в средах при расслоенном режиме течения. [19]

Минимум определяем, как и в случае парной регрессии, находя частные производные по каждому параметру и приравнивая их нулю. [20]

Таким образом, в отличие от коэффициента парной регрессии коэффициент условно-чистой регрессии измеряет влияние фактора, абстрагируясь от связи вариации этого фактора с вариацией остальных факторов. Если было бы возможным включить в уравнение регрессии все факторы, влияющие на вариацию результативного признака, то величины Ь / можно было бы считать мерами чистого влияния факторов. Но так как реально невозможно включить все факторы в уравнение, то коэффициенты bj не свободны от примеси влияния факторов, не входящих в уравнение. [21]

Все, что касается множественной регрессии, концептуально является идентичным парной регрессии, за исключением того, что используется более чем одна переменная. Под этим углом зрения слегка изменяются терминология и статистические расчеты. [22]

Параметры уравнений множественной регрессии для расчета цен на кожухотрубчатую теплообменную аппаратуру с жесткой трубчатой решеткой.| Параметры уравнений множественной регрессии для расчета цен на кожухотрубчатую теплообменную аппаратуру с плавающей головкой. [23]

Из анализа полученных результатов видно, что наибольшей погрешностью обладают уравнения парной регрессии, связывающие цены на теплообменные аппараты с их поверхностями теплообмена. Более точны уравнения парной регрессии, связывающие цены с массой теплообменников. И, наконец, наибольшая точность присуща уравнениям множественной регрессии, связывающим цену одновременно с обоими параметрами. [24]

Этапы построения многофакторной регрессионной модели ана - логичны рассмотренным выше для парной регрессии. При этом особое значение приобретает отбор факторных признаков, основанный на качественном анализе. Важно не только выбрать факторы, влияющие на результативный признак, но и раскрыть структуру взаимосвязей между ними, установить, какие из них непосредственно влияют на результативный признак, а какие - через посредство других факторных признаков. Для этого нужно построить теоретическую модель изучаемой системы. Следует также учитывать математическое ограничение, накладываемое на выбор факторных признаков. Они не должны находиться в тесной корреляционной связи, близкой к функциональной. Наличие связи между факторными признаками, близкой к функциональной, называется мультиколлинеарностью. В этом случае оценки параметров уравнения регрессии оказываются ненадежными и зачастую не имеют экономического смысла, а при строго функциональной связи факторных признаков система нормальных уравнений вообще не имеет единственного решения. Для выявления мультиколлине-арности обычно используют коэффициенты корреляции между факторными признаками. Если обнаруживается, что два факторных признака мультиколлинеарны ( коэффициент корреляции близок к единице), то один из них следует исключить. [25]

Что касается выбора формы уравнения множественной регрессии, то, как и в парной регрессии, решение этой задачи базируется прежде всего на качественном анализе. Однако следует учитывать, что в многофакторных моделях речь идет о форме условных линий регрессии. Проанализировать теоретически их форму в предположении, что значения других факторных признаков зафиксированы, гораздо труднее, чем в моделях парной регрессии. [26]

На этапе проверки существенности связи применяются те же критерии, что и в парной регрессии. Единственная особенность заключается в вычислении числа степеней свободы А4 для частного коэффициента детерминации, которое всегда равно единице. [27]

С помощью / - критерия легко убедиться в том, что коэффициент регрессии, а значит, и уравнение парной регрессии, значимы. [28]

При построении доверительных интервалов частных коэффициентов регрессии расчет средней ошибки производится по формуле, которая аналогична формуле, применяемой в парной регрессии. Разница заключается в том, что вместо общей дисперсии факторного признака следует использовать его остаточную дисперсию, для расчета которой нужно оценить уравнение регрессии, характеризующее связь данного признака со всеми остальными факторными признаками. [29]

Зависимость рентабельности животноводства ( у от его продуктивности ( х2 и расхо - да кормов на одну условную голову скота ( i. [30]

Страницы: 1 2 3 4