![]() КАТЕГОРИИ:
АстрономияБиологияГеографияДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРиторикаСоциологияСпортСтроительствоТехнологияФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника
|
Свойства оценок на основе МНКВозможны разные виды уравнений множественной регрессии: линейные и нелинейные. Ввиду четкой интерпретации параметров наиболее широко используется линейная функция. В линейной множественной регрессии Рассмотрим линейную модель множественной регрессии
Как известно из курса математического анализа, для того чтобы найти экстремум функции нескольких переменных, надо вычислить частные производные первого порядка по каждому из параметров и приравнять их к нулю. Итак. Имеем функцию
Находим частные производные первого порядка: После элементарных преобразований приходим к системе линейных нормальных уравнений для нахождения параметров линейного уравнения множественной регрессии: Для двухфакторной модели данная система будет иметь вид: Решить данную систему можно с помощью метода Крамера или через дисперсии и ковариации где Метод наименьших квадратов применим и к уравнению множественной регрессии в стандартизированном масштабе: где Стандартизованные коэффициенты регрессии показывают, на сколько единиц изменится в среднем результат, если соответствующий фактор Применяя МНК к уравнению множественной регрессии в стандартизированном масштабе, получим систему нормальных уравнений вида где Коэффициенты «чистой» регрессии
Поэтому можно переходить от уравнения регрессии в стандартизованном масштабе к уравнению регрессии в натуральном масштабе переменных. Рассмотренный смысл стандартизованных коэффициентов регрессии позволяет их использовать при отсеве факторов – из модели исключаются факторы с наименьшим значением При отборе факторов могут быть так же использованы средние по совокупности показатели эластичности:
которые показывают, на сколько процентов в среднем изменится результат, при изменении соответствующего фактора на 1%. Средние показатели эластичности можно сравнивать друг с другом и соответственно ранжировать факторы по силе их воздействия на результат. Пример Пусть имеются следующие данные (условные) о сменной добыче угля на одного рабочего Таблица 2.
Предполагая, что между переменными Для удобства дальнейших вычислений составляем таблицу ( Таблица 3
Для нахождения параметров уравнения регрессии в данном случае необходимо решить следующую систему нормальных уравнений: Откуда получаем, что
Оно показывает, что при увеличении только мощности пласта Найдем уравнение множественной регрессии в стандартизованном масштабе: при этом стандартизованные коэффициенты регрессии будут
Т.е. уравнение будет выглядеть следующим образом:
Так как стандартизованные коэффициенты регрессии можно сравнивать между собой, то можно сказать, что мощность пласта оказывает большее влияние на сменную добычу угля, чем уровень механизации работ. Сравнивать влияние факторов на результат можно также при помощи средних коэффициентов эластичности:
Вычисляем:
Т.е. увеличение только мощности пласта (от своего среднего значения) или только уровня механизации работ на 1% увеличивает в среднем сменную добычу угля на 1,18% или 0,34% соответственно. Таким образом, подтверждается большее влияние на результат
|