2. Парная регрессия на основе метода наименьших квадратов и метода группировок

Парная регрессия характеризует связь между двумя признаками: результативным и факторным. Аналитически связь между ними описывается уравнениями:

прямой

гиперболы (8.3)

параболы

и так далее.

Определить тип уравнения можно, исследуя зависимость графически, однако существуют более общие указания, позволяющие выявить уравнение связи, не прибегая к графическому изображению. Если результативный и факторный признаки возрастают одинаково, то это свидетельствует о том, что связь между ними линейная, а при обратной связи - гиперболическая. Если результативный признак увеличивается в арифметической прогрессии, а факторный значительно быстрее, то используется параболическая или степенная регрессия.

Оценка параметров уравнений регрессии (a₀, a₁, и a₂ - в уравнении параболы второго порядка) осуществляется методом наименьших квадратов, в основе которого лежит предположение о независимости наблюдений исследуемой совокупности и нахождении параметров модели (a₀ , a₁), при которых минимизируется сумма квадратов отклонений эмпирических (фактических) значений результативного признака от теоретических, полученных по выбранному уравнению регрессии:

Система нормальных уравнений для нахождения параметров линейной парной регрессии методом наименьших квадратов имеет следующий вид:

(8.4)

где n - объем исследуемой совокупности (число единиц наблюдения).

В уравнениях регрессии параметр a₀ показывает усредненное влияние на результативный признак неучтенных в уравнении факторных признаков; коэффициент регрессии a₁ показывает, на сколько изменяется в среднем значение результативного признака при увеличении факторного на единицу собственного измерения.

Например, имеются данные, характеризующие деловую активность закрытого акционерного общества (ЗАО): прибыль (млн. руб.) и затраты на 1 руб. произведенной продукции.

Таблица 8.2

Зависимость между прибылью зао и затратами на 1 руб. Произведенной продукции

№ п/п	Прибыль (млн. руб.) (y)	Затраты на 1 руб. произведенной продукции (коп.) (x)	x2	xy
1	221	96	9216	21216	193
2	1070	77	5929	82390	1044
3	1001	77	5929	77077	1044
4	606	89	7921	53934	507
5	779	82	6724	63878	813
6	789	81	6561	63909	865
Итого	4466	502	42280	362404	4466

Предположим наличие линейной зависимости между рассматриваемыми признаками.

Система нормальных уравнений для данного примера имеет вид:

Отсюда: a₀ = 4494,06; a₁ = -44,8

Следовательно, =4494,06-44,8x.

На практике исследования часто проводятся по большому числу наблюдений. В этом случае исходные данные удобнее представлять в сводной групповой таблице. При этом анализу подвергаются сгруппированные данные и по факторному (x) и по результативному (y) признакам, то есть уравнения парной регрессии целесообразно строить на основе сгруппированных данных.

Если значения x и y заданы в определенных интервалах (a, b), то для каждого интервала сначала необходимо определить середину (x’/y’ = (a+b)/2), а затем уже коррелировать значения x’ и y’ и строить уравнения регрессии между ними.

Например, определим зависимость между величиной уставного капитала и числом занятых на предприятиях, выставивших акции на чековые аукционы в 1996 г. в одном из регионов, который характеризуется следующими данными:

Таблица 8.3