Изучение связей между тремя и более связанными между собой признаками называется множественной или многофункциональной регрессией. При исследовании зависимости требуется определить аналитическое выражение связи между результативным признаком y и фактическими признаками x1,x2,…xn и найти функцию
y = f(x1,x2,…xn)
Построение модели множественной регрессии включает в себя несколько этапов.
1. Выбор формы связей или уравнения регрессии.
2. Отбор факторных признаков.
3. Обеспечение достаточного объема совокупности для получения исследуемых оценок.
Чаще всего для определения вида исходного уравнения регрессии используется метод перебора различных уравнений. Для построения уравнения множественной регрессии используются следующие функции.
- Линейная
- Степенная.
- Экспоненциальная.
- Гипербола.
- И другие функции, приводимые к линейному виду.
Наибольшее распространение получили линейные функции в силу простоты и легкости их экономической интерпретации. Нелинейные формы зависимости могут быть приведены к линейному виду путем линеаризации. Важным моментом построения уже выбранного уравнения множественной регрессии является отбор и включение фактических признаков. Сложность заключается в том, что почти все факториальные признаки находятся в зависимости один от другого. Различные модели связи, включающие оптимальное число признаков, является одной из основных проблем построения множественной регрессии. Чем больше фактических признаков, включенных в уравнение, тем лучше оно описывает явление. Однако громоздкие модели с множеством факторов сложнее реализуемы и требуют больших затрат машинного времени. Сокращение размерности происходит за счет исключения второстепенных экономических и статистических не значимых факторов.
Поможем написать любую работу на аналогичную тему