Парная линейная регрессия

Следующий этап исследования корреляционной связи заключается в том, чтобы описать зависимость признака-результата от признака-фактора некоторым аналитическим выражением.

,

где − средний уровень показателя y при данном значении x.

Если рассчитан коэффициент корреляции r , то коэффициенты a₀ и a₁ могут быть определены следующим образом

, .

В общем случае такая задача может решаться с помощью метода наименьших квадратов (МНК).

Рассмотрим использование метода наименьших квадратов для оценки параметров регрессии .

На практике имеется серия наблюдений (x_i;y_i) (i=1,..,n).

Будем считать, что

.

Тогда

.

Продифференцировав Q по a₀ и a₁ и приравняв частные производные нулю, получим следующую систему уравнений

;

,

решая которую получим оценки и

,

.

Основное назначение регрессионной модели – использование ее для прогноза экономического показателя y. Прогноз осуществляется подстановкой значения фактора в оценку детерминированной составляющей:

Чтобы определить точность этой оценки и построить доверительный интервал необходимо найти дисперсию оценки .

На практике для оценки дисперсии ошибки прогноза можно пользоваться следующим выражением

.

Из этого выражения следует, что с ростом дисперсия ошибки прогноза увеличивается.

Пример.

Исследуем зависимость розничного товарооборота магазинов (млрд р.) от среднесписочного числа работников. Обозначим:

x – число работников;

y – товарооборот.

Исходные данные и результаты расчетов приведены в таблице

;

; ;

;

Вычислим выборочный коэффициент корреляции:

;

;

.

Тогда

Проверим значимость выборочного коэффициента корреляции. Для этого вычислим статистику t:

Табличное значение критерия Стьюдента для = n-2 = 6 и

Так как 15,65 > 2,45 , то полученный коэффициент статистически значим.

Найдем коэффициенты парной линейной регрессии:

;

и регрессия имеет вид

.

Прогнозное значение розничного товарооборота при составит

Задание 5. С помощью корреляционного и регрессионного анализа изучить связь между показателями, указанными в Вашем варианте.

1. Рассчитать значение коэффициента корреляции для несгруппированных данных табл. 1.

2. По данным аналитической группировки (задание 1) найти межгрупповую дисперсию признака-результата и с учетом полной дисперсии (задание 2) определить коэффициент детерминации и корреляционное отношение.

1. Сделать вывод о тесноте и форме статистической связи.

2. Найти коэффициенты парной линейной регрессии и сделать прогноз признака-результата, если признак-фактор принимает свое среднее значение.

3. На одном рисунке изобразить эмпирическую (по данным аналитической группировки) и теоретическую регрессии. Провести анализ степени их совпадения.