- •Тема № 3. Множественная корреляция и регрессия.
- •1) Проблема выбора факторов для множественной регрессии
- •2. Способы линеаризации связей фактора с результативным признаком
- •3. Уравнение многофакторной регрессии, его построение и интерпретация
- •Т. О. Для уравнения
- •Не исключаем, т.К. Важна методика !!!
- •4. Стандартизированные коэффициенты регрессии и коэффициенты эластичности и их интерпретация
- •5. Система показателей тесноты многофакторной связи
- •6. Методы оценки степени надежности многофакторной регрессии.
- •7. Корреляционно-регрессивные модели и их применение в анализе и прогнозе социально-жизненных явлений.
- •8. Измерение связи неколичественных признаков. Фиктивные переменные.
- •9. Предпосылки метода наименьших квадратов при нахождении параметров уравнения множественной регрессии.
Не исключаем, т.К. Важна методика !!!
Рассчитаем уравнение парной регрессии между результатом и каждым из факторных признаков.
Установим коэффициенты парной корреляции и детерминации (они характеризуют изолированное влияние каждого фактора на результат, т.к. другие факторы применяются на неизменном уровне).
Парные уравнения регрессии
Уравнение регрессии позволяет сделать вывод, что с увеличением доли ГКО в активах на 1% пункт, доля прибыли по всем активам увеличивается в среднем на 0,329 % пунктов.
ryx1 = 0,718 – связь прямая и достаточно сильная
r 2yx1 = 0,516 – при условии др. не считается
2)
с увеличением отношения непроцентных доходов к процентным доходам на 1% пунктов, доля прибыли по всем активам увеличивается в среднем на 1,215%
ryx2 = 0,516
r 2yx2 = 0,158
3)
ryx3 = 0,241 – связь непрямая и слабая
r 2yx3 = 0,058
С увеличением коэффициента полной ликвидности банка на 1 % доля прибыли по всем активам увеличивается в среднем на 4,788%
Вариация х3 объясняет вариацию у на 5,8 %
3. Построим матрицу парных коэффициентов вариации для выявления явно коллинеарных факторов.
Таблица 3. Матрица парных коэффициентов корреляции.
Признаки |
у |
х1 |
х2 |
х3 |
у |
1 |
|
|
|
х1 |
0,718 |
1 |
|
|
х2 |
0,516 |
0,462 |
1 |
|
х3 |
0,241 |
0,0053 |
0,134 |
1 |
Явно коллинеарных факторов нет, т.к. коэффициенты парной корреляции между факторными признаками не превышают 0,7.
Способы определения коэффициентов условно чистой регрессии.
Для определения данных коэффициентов рассчитаем определители
i – номер наблюдения,
j – номер фактора.
Результаты занесем в вспомогательную таблицу.
Таблица 4. Расчет многофакторной регрессии.
№ банк |
х1 |
х2 |
х3 |
у |
2х1 |
2х2 |
2х3 |
2у |
ух1 |
ух2 |
ух3 |
х1х2 |
х1х3 |
х2х3 |
1 |
0,5 |
-0,04 |
|
|
|
|
|
|
|
|
|
|
|
|
2 |
27,5 |
0,66 |
|
|
|
|
|
|
|
|
|
|
|
|
3 |
-13,1 |
0,84 |
|
|
|
|
|
|
|
|
|
|
|
|
4 |
-9,4 |
-0,04 |
|
|
|
|
|
|
|
|
|
|
|
|
5 |
-18,1 |
0,03 |
|
|
|
|
|
|
|
|
|
|
|
|
6 |
-7,7 |
-0,34 |
|
|
|
|
|
|
|
|
|
|
|
|
7 |
5,7 |
-0,16 |
|
|
|
|
|
|
|
|
|
|
|
|
8 |
7,5 |
-0,24 |
|
|
|
|
|
|
|
|
|
|
|
|
9 |
-10,0 |
-0,23 |
|
|
|
|
|
|
|
|
|
|
|
|
10 |
-21,3 |
0,05 |
|
|
|
|
|
|
|
|
|
|
|
|
11 |
-26,9 |
-0,20 |
|
|
|
|
|
|
|
|
|
|
|
|
12 |
4,8 |
-0,13 |
|
|
|
|
|
|
|
|
|
|
|
|
13 |
6,9 |
-0,23 |
|
|
|
|
|
|
|
|
|
|
|
|
|
- |
|
|
|
2859 |
64,11 |
1,52 |
601 |
941 |
77,92 |
7,277 |
197,82 |
0,55 |
1,320 |
Для определения коэффициентов условно чистой регрессии рассчитаем систему нормальных уравнений
Из вспомогательной таблицы № 4 подставляем необходимые данные
Уравнение многофакторной регрессии примет вид
а = 8,01-(0б3923,5+0,1382,39+4,5521,31)=5,713
Подставляя в данное уравнение значение факторов х1, х2, х3 получим теоретическое значение результативного признака.
Т.о. в отличии от коэффициентов парной регрессии, коэффициенты условно чистой регрессии измеряют влияние фактора, абстрагируясь от связей вариации этого фактора с вариациями другого фактора, включенных в модель.
Коэффициенты условно чистой регрессии, т.е. bj являются именованными числами, выраженными в различных единицах измерения, в тех же единицах, что и соответствующие им факторы. Поэтому они не сравнимы друг с другом, т.е. по их величине нельзя сделать вывод, какой из факторов в наибольшей степени влияет на результат. Для приведения их в сравнимый вид применяется то же преобразование, что и для получения парных коэффициентов. Полученную величину называют стандартизированным коэффициентом регрессии.