Выбери формат для чтения
Загружаем конспект в формате doc
Это займет всего пару минут! А пока ты можешь прочитать работу в формате Word 👇
Лекция 2.
Множественная регрессия и корреляция
При решении практических задач исследователи сталкиваются с тем, что корреляционные связи не ограничиваются связями между двумя признаками: результативным у и факторным х. В действительности результативный признак зависит от нескольких факторных. Например, инфляция тесно связана с динамикой потребительских цен, розничным товарооборотом, численностью безработных, объемами экспорта и импорта, курсом доллара, количеством денег в обращении, объемом промышленного производства и другими факторами.
В условиях действия множества факторов показатели парной корреляции оказываются условными и неточными. Количественно оценить влияние различных факторов на результат, определить форму и тесноту связи между результативным признаком у и факторными признаками х1, х2, ..., xk можно методами множественной (многофакторной) корреляции.
Многофакторный корреляционно-регрессионный анализ сводится к решению следующих задач:
• обосновать взаимосвязи факторов, влияющих на исследуемый показатель;
• определить степень влияния каждого фактора на результативный признак путем построения модели-уравнения множественной регрессии, которая позволяет установить, в каком направлении и на какую величину изменится результативный показатель при изменении каждого фактора, входящего в модель;
• количественно оценить тесноту связи между результативным признаком и факторами.
Включение в уравнение множественной регрессии того или иного набора факторов связано прежде всего с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями. Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям:
1) быть количественно измеримыми;
2) не должны быть коррелированны между собой и тем боле находиться в точной функциональной связи.
Наличие между двумя факторами весьма тесной линейной связи (парный коэффициент корреляции rхх превышает по абсолютной величине 0,7) называется коллинеарностью, а между несколькими факторами — мультиколлинеарностью.
Мультиколлинеарность – это нестрогая линейная зависимость между факторными признаками, которая приводит к следующим нежелательным последствиям:
1. Оценки параметров становятся ненадежными, они обнаруживают большие стандартные ошибки, малую значимость, в то же время модель является значимой, т.е. значение множественного коэффициента корреляции завышено;
2. Небольшое изменение исходных данных приводит к существенному изменению оценок параметров модели;
3. Оценки параметров модели имеют неправильные знаки или неоправданно большие значения, что делает модель непригодной для анализа и прогнозирования;
4. Становится невозможным определить изолированное влияние факторов на результативный показатель.
В наибольшей степени ответственным за мультиколлинеарность будет тот признак, который теснее связан с другими факторами модели (он имеет высокие по модулю значения коэффициентов парной линейной корреляции). Поэтому, если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии. Предпочтение при этом отдается не фактору, более тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами.
Пример. Проверим наличие мультиколлинеарности между факторами х1 (возраст, лет), х2 (стаж работы, лет), х3 (выработка шт./смену), которые могут оказывать влияние на результативный признак - заработная плата. Для этого построим корреляционную матрицу. Из матрицы видно, что между признаками имеется довольно сильная линейная зависимость, т.к. . Вследствие этого требуется устранить один из факторов.
Таблица 1
y
x1
x2
х3
y
1
x1
0,853056
1
x2
0,849877
0,935263
1
x3
0,778766
0,615448
0,69661
1
Из модели следует исключить фактор х2, т.к. он теснее связан с третьим фактором, чем фактор х1: .
Определившись с набором факторов, исследователи переходят к построению многофакторной эконометрической модели. Математически задача сводится к нахождению аналитического выражения, наилучшим образом описывающего связь факторных признаков с результативным, т.е. к отысканию функции вида:
у = f(x1, х2, ..., xk).
Выбрать форму связи довольно сложно. Эта задача на практике основывается на априорном теоретическом анализе изучаемого явления и подборе известных типов математических моделей.
Среди многофакторных регрессионных моделей выделяют линейные (относительно независимых переменных) и нелинейные.
Наиболее простыми для построения, анализа и экономической интерпретации являются многофакторные линейные модели, которые содержат независимые переменные только в первой степени:
,
где a – свободный член, параметр, представляющий собой среднее значение y при x1=х2=…=хk=0.
bj – коэффициент регрессии при j-ом факторе (j=1;k). Характеризует среднее изменение признака-результата у в связи с изменением соответствующего фактора хj на единицу, при условии, что прочие факторы модели не изменяются и фиксированы на средних уровнях;
yi – значение признака-результата для i–го наблюдения;
xi – значение j-го фактора для i–го наблюдения;
- случайная составляющая результативного признака i–го наблюдения.
Если связь между результативным признаком и анализируемыми факторами нелинейна, то выбранная для ее описания нелинейная многофакторная модель (степенная, показательная и т.д.):
Степенная - ;.
Экспонента – ;
Гипербола – ;
может быть сведена к линейной путем линеаризации.
Параметры уравнения множественной регрессии, как и парной, рассчитываются методом наименьших квадратов, при этом решается система нормальных уравнений с k +1 неизвестными:
где хij — значение j-го факторного признака в i-м наблюдении;
уi — значение результативного признака в i-м наблюдении.
Как правило, прежде чем найти параметры уравнения множественной регрессии, определяют и анализируют парные коэффициенты корреляции:
.
При этом систему нормальных уравнений можно видоизменить таким образом, чтобы при вычислении параметров регрессии использовать уже найденные парные коэффициенты корреляции. Для этого в уравнении регрессии заменяют переменные у, х1, х2, ..., xk переменными ti, полученными следующим образом:
Эта процедура называется стандартизацией переменных. В результате осуществляется переход от натурального масштаба переменных хij к центрированным и нормированным отклонениям tij. В стандартизированном масштабе среднее значение признака равно 0, а среднее квадратическое отклонение равно 1, т.е. .
При переходе к стандартизированному масштабу переменных уравнение множественной регрессии принимает вид:
,
где (j = 1, k ) — стандартизированные коэффициенты регрессии.
-коэффициент характеризует изменение исследуемого показателя в зависимости от изменения одного фактора при постоянном уровне остальных. Иначе, -коэффициент показывает, на какую часть сигмы () изменилось бы значение результата, если бы соответствующий j-фактор изменился на сигму (), а прочие факторы не изменились бы.
Кроме того, -коэффициенты позволяют оценить степень воздействия факторных признаков на результат. В силу того что все -коэффициенты выражены в одинаковых единицах измерения, при 2 > 3 фактор х2 сильнее влияет на результативный признак, чем фактор х3.
К уравнению множественной регрессии в стандартизованном масштабе применяется МНК. -коэффициенты определяются из следующей системы уравнений:
Связь коэффициентов множественной регрессии bi со стандартизованными коэффициентами описывается соотношением . Параметр а определяется как .
В двухфакторном регрессионном анализе найти уравнение регрессии в стандартизированном масштабе можно через формулы:
, .
На основе линейного уравнения множественной регрессии:
могут быть найдены частные уравнения регрессии:
В отличие от парной регрессии частные уравнения регрессии характеризуют изолированное влияние фактора на результат, ибо другие факторы закреплены на неизменном среднем уровне. Это позволяет на основе частных уравнений регрессии определять частные коэффициенты эластичности:
где bj – коэффициент регрессии при j-ом факторе;
‒ частное уравнение регрессии.
Для того чтобы оценить сравнительную силу влияния факторов, по каждому фактору рассчитывают средние коэффициенты эластичности:
,
где — среднее значение j-го факторного признака;
— среднее значение результативного признака;
— коэффициент регрессии при j-м факторном признаке.
Расчет коэффициента эластичности дополняет экономический анализ. Данный коэффициент показывает, на сколько процентов следует ожидать изменения результативного показателя при изменении фактора на 1% и неизменном значении других факторов.
Практическая значимость уравнения множественной регрессии оценивается с помощью показателя множественной корреляции и его квадрата – коэффициента детерминации. Показатель множественной корреляции характеризует тесноту связи рассматриваемого набора факторов с исследуемым признаком, или оценивает тесноту совместного влияния на результат.
Независимо от формы связи показатель множественной корреляции может быть найден как индекс множественной корреляции:
где — общая дисперсия результативного признака;
— остаточная дисперсия, характеризующая отклонения фактических уровней результативного признака yi от рассчитанных по уравнению множественной регрессии .
При линейной зависимости признаков формула индекса корреляции может быть представлена следующим выражением:
Формула индекса множественной корреляции для линейной регрессии получила название линейного коэффициента множественной корреляции или совокупного коэффициента корреляции.
При линейной форме связи расчет совокупного коэффициента корреляции можно также выполнить, используя парные коэффициенты корреляции:
где b1, b2, ..., bk — параметры уравнения множественной регрессии
в натуральном масштабе.
Наряду с измерением совместного влияния отобранных факторов на результативный признак важно определить воздействие каждого фактора при элиминировании его взаимосвязи с остальными (что возможно, когда последние зафиксированы на постоянном уровне). Для решения данной задачи при линейной связи применяют частные коэффициенты корреляции, а для нелинейной - частные индексы детерминации.
В общем виде при наличии k факторов для уравнения:
коэффициент частной корреляции, измеряющий влияние на у фактора хk при неизменном уровне других факторов, можно определить по формуле:
,
где - множественный коэффициент детерминации всего комплекса
факторов с результатом;
- тот же показатель детерминации, но без введения в модель фактора хk.
Пример. Рассмотрим методику корреляционно-регрессионного анализа на примере статистической обработки данных по предприятиям электросвязи
Таблица 2.2
Основные производственные показатели предприятий электросвязи
Номер предприятия
Чистая прибыль,
тыс. руб.
Численность обслуживаемого населения, млн. чел
Рентабельность,
%
у
х1
х2
1
197
4,9
20
2
254
5,1
22
3
112
6,5
10
4
145
3,7
21
5
176
4,0
25
6
76
2,5
19
В качестве результативного признака возьмем чистую прибыль у. Основные факторы, влияющие на ее формирование: численность населения, обслуживаемого предприятием электросвязи х1, и рентабельность х2 Линейная форма зависимости между признаками постулируется, и, следовательно, задача сводится к отысканию параметров уравнения:
.
При линейной форме связи множественный корреляционно-регрессионный анализ проводится на основе информации о средних значениях признаков , их средних квадратических отклонениях и парных коэффициентах корреляции .
Построим уравнение двухфакторной регрессии в стандартизированном масштабе и рассчитаем показатели тесноты связи (табл. 2.2).
Таблица 2.2
Расчетная таблица для определения параметров уравнения регрессии
у
х1
х2
(х1)2
(х2)2
х1 х2
у х1
у х2
у2
197
4,9
20
24,0
400
98
965
3940
38809
254
5,1
22
26,0
484
112
1295
5588
64516
112
6,5
10
42,3
100
65
728
1120
12544
145
3,7
21
13,7
441
78
537
3045
21025
176
4,0
25
16,0
625
100
704
4400
30976
76
2,5
19
6,3
361
48
190
1444
5776
= = 960
= 26,7
= 117
= 128,3
= 2411
= = 501
= 4419
= 19537
= =173646
Используя итоги расчетной таблицы (см. табл. 2.2) и известные формулы для расчета средних, дисперсий и парных коэффициентов корреляции:
, .
вычислим показатели, необходимые для отыскания -коэффициентов:
= 160 тыс. руб., у = 57,8 тыс. руб.;
= 4,45 млн. чел., = 1,2513 млн. чел.;
= 19,5%, = 4,6458%;
0,3392, 0,5071, - 0,5806.
Система нормальных уравнений в стандартизированном виде может быть записана так:
Решая эту систему, находим: = 0,9558, 2 = 1,062. Таким образом, можно записать уравнение регрессии в стандартизированном виде:
ty = 0,9558t1 + 1,062t2.
Коэффициенты при tj показывают, что большее воздействие на чистую прибыль предприятия электросвязи оказывает рентабельность (2 > ). С ее ростом на сигму при постоянной численности обслуживаемого населения чистая прибыль увеличивается на 1,062 своего среднего квадратического отклонения.
Переход от стандартизированного уравнения регрессии к уравнению регрессии в натуральном масштабе осуществляется по формулам:
.
Найдем параметры искомого уравнения:
;
;
.
Уравнение зависимости чистой прибыли предприятий электросвязи от численности обслуживаемого населения и рентабельности имеет вид:
Оно показывает, что с ростом численности обслуживаемого населения на 1 млн. чел., при исключении влияния второго фактора (рентабельности), чистая прибыль возрастает на 44,15 тыс. руб., а при неизменной численности населения с ростом рентабельности на 1% чистая прибыль повысится на 13,21 тыс. руб.
Коэффициент множественной детерминации для нашего примера окажется равным:
=0,8627.
Отсюда коэффициент множественной корреляции .
Полученные значения коэффициентов множественной корреляции и детерминации, близкие к 1, свидетельствуют о том, что при построении двухфакторной модели учтены важные факторы увеличения чистой прибыли. При дополнительном включении факторов в анализ (для данного числа предприятий) может увеличиться совокупный коэффициент детерминации и, соответственно, уменьшиться остаточная дисперсия, доля которой в нашем примере мала:
0,8627 = 0,1373.
Следовательно, на долю неучтенных факторов приходится не более 13,73% дисперсии результативного признака.
Эластичность по каждому фактору и по их совокупности составит:
=2,84.
Эластичность по каждому фактору и в целом по совокупности больше 1, значит, чистая прибыль увеличивается в большей степени, чем факторы. С увеличением каждого фактора на 1% следует ожидать увеличения чистой прибыли на 2,84%.
Значимость уравнения множественной регрессии в целом, так же как и в парной регрессии оценивается с помощью F-критерия:
,
где ‒ факторная сумма квадратов на одну степень свободы;
‒ остаточная сумма квадратов на одну степень свободы;
R2 ‒ коэффициент (индекс) множественной детерминации;
n – число наблюдений;
m – число параметров при переменных х (в линейной регрессии совпадает с числом включенных в модель факторов).
Величина Fтабл находится по таблицам при заданном уровне значимости и числе степеней свободы Если Fрасч › Fтабл, уравнение признается статистически значимым.
Ввиду корреляции между факторами значимость одного и того же фактора может быть разной в зависимости от последовательности включения в модель фактора. Мерой для оценки включения фактора в модель служит частный F-критерий:
,
где ‒ коэффициент множественной детерминации для модели с полным
набором факторов;
‒ тот же показатель, но без включения в модель фактора хk.
В случае превышения значения частного F-критерия значения табличного делается вывод о целесообразности включения фактора в модель.
Для оценки значимости каждого коэффициента регрессии необходимо рассчитать значение t-критерия Стьюдента (отношение коэффициента регрессии к его средней ошибке):
.
Коэффициент регрессии считается статистически значимым, если превышает — табличное (теоретическое) значение t-критерия Стьюдента для заданного уровня значимости и п – m – 1 степени свободы.
Бывает необходимо включить в модель качественный (атрибутивный) фактор (факторы). Примером качественных признаков может служить пол, образование, климатические условия.
Чтобы ввести такие признаки в модель, они должны быть преобразованы в количественные, т.е. им должны быть присвоены цифровые метки. Сконструированные на основе качественных факторов числовые переменные называют фиктивными переменными.
Так для построения уравнения регрессии, в котором результативным показателем является заработная плата рабочего за месяц, а объясняющими факторами: возраст рабочего и пол; необходимо ввести
в модель: фиктивную переменную z, которая принимает 2 значения: 1 – если пол рабочего мужской; 0 – если пол женский.
Построим модель: .
Для оценки параметров модели используем МНК с системой нормальных линейных уравнений:
В рассмотренном примере качественный признак принимает только 2 значения. Если же градаций качественного признака больше 2, в модель вводится несколько фиктивных переменных. При введении в модель фиктивной переменной действует принцип: число фиктивных переменных должно быть на 1 меньше числа градаций качественного фактора.
Например, при наличии качественного фактора «образование», принимающего значения: до 8 классов, среднее, специальное, необходимо использовать две фиктивные переменные (табл. 2.).
Таблица 2
Образование
z1
z2
До 8 классов
Среднее
1
Специальное
1
При оценке параметров уравнения регрессии применяется метод наименьших квадратов. При этом делаются определенные предпосылки относительно случайной величины . В модели:
случайная составляющая представляет собой ненаблюдаемую величину. После того как проведена оценка параметров модели, рассчитав разности фактических и теоретических значений результативного признака можно определить оценки случайно составляющей . При изменении спецификации модели, добавления в нее новых наблюдений выборочные оценки остатков могут меняться. Поэтому в задачу регрессионного анализа входит не только построение самой модели, но и исследование случайных отклонений.
Исследование остатков предполагает проверку наличия следующих пяти предпосылок МНК:
- случайный характер остатков;
- нулевая средняя величина остатков, не зависящая от хi;
- гомоскедастичность – дисперсия каждого отклонения одинакова для всех значений х;
- отсутствие автокорреляции остатков;
- остатки подчиняются нормальному распределению.
Первые две предпосылки проверяются графически. Третья предпосылка при малом объеме выборки может проверена с помощью метода Гольфельда-Квандта.
Параметрический тест включает следующие шаги:
1. Все n наблюдений в выборке упорядочиваются по возрастанию переменной х.
2. Исключаются из рассмотрения С центральных наблюдений; при этом (n-C)/2>p, p – число оцениваемых параметров.
3. Разделение совокупности из (n-C) наблюдений на две группы и определение по каждой из групп уравнений регрессии.
4. Определяется остаточная сумма квадратов для первой S1 и второй групп S2 и находится соотношение F= S1/ S2. Если верна гипотеза Н0 об отсутствии гетероскедастичности, то F имеет распределение Фишера с (n-C-2p)/2 степенями свободы, где p – число объясняющих переменных. По таблице определяются критическое значение критерия Fкр. Если F›Fкр, то нулевая гипотеза об отсутствии гетероскедастичности отклоняется.
Последствия гетероскедастичности:
- оценки параметров уравнения регрессии становятся неэффективными;
- оценки стандартных ошибок параметров регрессии будут неверными. (Например, оценки стандартных ошибок могут оказаться заниженными. Тогда значения t-критерия – завышенными. Мы решим, что параметр регрессии значим, а на самом деле это будет не так и сделаем неправильные выводы о значимости уравнения регрессии.)
Таким образом, нами рассмотрена технология построения многофакторной эконометрической модели, показатели, характеризующие ее адекватность и возможность использования для прогнозирования. Рассмотрена также возможность включения в модель качественного фактора путем ввода фиктивной переменной, так как в экономических и социальных процессах не все факторы носят количественный характер.