Этапы построения многофакторной регрессионной модели ана - логичны рассмотренным выше для парной регрессии. При этом ... - Большая Энциклопедия Нефти и Газа



Выдержка из книги Пасхавер И.С. Общая теория статистики Издание 2


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.

(cкачать страницу)

Смотреть книгу на libgen

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.