Однофакторный корреляционно-регрессионный анализ

 

При однофакторном анализе изучается влияние определяющего фактора X на изменение результативного признака Y. Уравнение связи между двумя переменными имеет вид Y = f(X), где
Y - зависимая переменная (результативный признак); X - независимая переменная (факторный признак).

Уравнения регрессии подразделяются на линейные и нелинейные.

Модель линейной регрессии имеет вид У_i = α + βX_i + ε_i,
(i = 1,…,n), где ε - случайный член, характеризующий отклонение фактических значений результативного признака от значений, найденных по уравнению регрессии. При этом на случайный член накладываются ограничения называемые условиями Гаусса-Маркова:

1. E (ε_i) = 0, i=1,...,n.

Иногда случайный член будет положительным, иногда отрицательным, но он не должен иметь систематического смещения ни в одном из двух возможных направлений.

2.

Первое условие означает требование постоянства дисперсии регрессионных остатков, которое называют гомоскедастичностью остатков.

Второе условие предполагает отсутствие систематической связи между значениями случайного члена в любых двух наблюдениях, это условие называется автокорреляцией.

3. X₁,..., Х_п - неслучайные величины.

Классический подход к оцениванию параметров линейной регрессии основан на методе наименьших квадратов (МНК): среди всех возможных значений α и β следует выбрать такую пару , для которых сумма квадратов отклонений фактических значений от теоретических минимальна: → min.

Нелинейные регрессии подразделяются:

1) на регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемому параметру. Например, полиномы равносторонняя гипербола . Для линейной по параметру регрессии оценки параметров определяются обычным МНК, предварительно заменяется нелинейная переменная;

2) регрессии, нелинейные по оцениваемому параметру. Например, степенная y = a·x^b·ε, показательная y = a·b^x·ε, экспоненциальная y = e^a+bx·ε. Данный класс моделей подразделяется на внутренне линейные и внутренне нелинейные модели:

- нелинейная модель внутренне линейна, если с помощью соответствующих преобразований может быть приведена к линейному виду;

- нелинейная модель внутренне нелинейная, если не может быть сведена к линейной.

Рекомендуемая литература [1, с. 3 - 9, 65 - 75; 4, с. 98 - 147,
200 - 222; 5, с. 34 - 88, 62 - 88; 6, с. 50 - 80, 124 - 130].

 

Пример 1. Имеются выборочные данные о стоимости квартир и общей площади в г. Краснодаре, май 2004 г.

Таблица 2

Рыночная стоимость квартиры, тыс. у.е. (У)	Общая площадь квартиры, м2 (Х)	Рыночная стоимость квартиры, тыс. у.е. (У)	Общая площадь квартиры, м2 (Х)
13,8
13,8		21,5
22,5
		37,9
		27,5
20,9		―	―

 

Требуется:

1. Построить выборочное уравнение парной линейной регрессии. Найти коэффициент эластичности.

2. На уровне значимости α = 0,05 оценить значимость уравнения и коэффициентов регрессии. Для значимых коэффициентов регрессии построить доверительные интервалы.

3. Оценить качество уравнения с помощью средней ошибки аппроксимации.

4. Оценить тесноту связи между переменными с помощью выборочного коэффициента корреляции, построить доверительный интервал.

5. Построить графики зависимостей у_i и от х, а также доверительный интервал для значений у_i.

6. Определить прогнозное значение результативного признака, если возможное значение факторного признака составит 1,2 от его среднего уровня по совокупности. Найти доверительные интервалы для прогнозного значения.

7. Построить уравнения регрессий: , , и , сделать вывод по наилучшей модели

Решение

1. Для проведения всех расчетов строим вспомогательную таблицу (табл. 3).

Таблица 3

№ п/п	X	Y	х2	y2	ху		(У - )2	(У - )2
		13,8		190,44		14,734	97,204	116,50
		13,8		190,44		16,847	60,009	116,50
				196,00		15,640	80,170	112,22
		22,5		506,25		22,883	2,925	4,38
				576,00		21,374	10,364	0,35
				784,00		28,919	18,714	11,61
				1024,00		33,447	78,379	54,86
		20,9		436,81		25,901	1,710	13,64
				484,00		19,261	28,430	6,73

№ п/п	X	Y	х2	y2	ху		(У - )2	(У - )2
		21,5		462,25		20,770	14,615	9,57
				1024,00		33,447	78,379	54,86
				1225,00		27,410	7,935	108,30
				576,00		23,788	0,648	0,35
		37,9		1436,41		38,577	195,552	177,07
		27,5		756,25		25,901	1,710	8,45
∑		368,9		9867,85		368,9	676,744	795,37
Ср. знач.	65,667	24,593	4807,4	657,857	1764,447	24,593	―	―

 

№ п/п		(Х - )2		№ п/п		(Х - )2
	0,873	6,769	6,769		7,500	312,1111	12,449
	9,283	22,078	22,078		0,532	160,4444	3,394
	2,688	11,711	11,711		2,092	860,4444	4,520
	0,147	1,702	1,702		57,604	87,11111	21,685
	6,896	10,942	10,942		0,045	7,111111	0,881
	0,845	3,283	3,283		0,459	2146,778	1,787
	2,092	4,520	4,520		2,556	18,77778	5,814
	25,012	12,449	23,929	∑	118,625	7429,33	135,465

 

Используя метод наименьших квадратов, найдем значения коэффициентов регрессии:

.

Таким образом, уравнение регрессии имеет вид

.

Коэффициент регрессии показывает, что при увеличении общей площади квартиры на 1 м² стоимость в среднем увеличивается на 301,8 у.е.

Коэффициент эластичности равен = 0,806. Он показывает, что при увеличении общей площади квартиры на 1 % стоимость в среднем возрастает на 0,81%.

Заметим, что = 0, что согласуется с первым ограничением модели парной регрессии.

 

2. Проведем проверку качества уравнения с помощью дисперсионного анализа и коэффициента детерминации.

Сопоставляя факторную и остаточную дисперсии , , получим F -критерий для проверки нулевой гипотезы о существенности статистической связи между у и х

.

Так как F_фак > F_таб (0,05;1;13) = 4,67, то Н₀ отклоняется и D_факт существенно превышает D_ост, т.е. статистическая связь между y и x существует.

Для проверки гипотезы , рассчитаем коэффициент детерминации

.

Он показывает, что 85,1% различий в стоимости квартир объясняется вариацией их общей площади, а 14,9% - другими, неучтенными факторами (местоположение квартир, благоустроенность территории и др.). Используя F -критерий, получим . Так как F_фак > F_таб, то Н₀ отклоняется, коэффициент детерминации отличается от нуля, следовательно, уравнение регрессии статистически значимо.

Статистическая значимость коэффициента регрессии
Н₀: β = 0 при Н₁: β ≠ 0 проводится с использованием критерия
t -Стьюдента

где s² = ― остаточная дисперсия.

Так как |t_наб| > t_кр(0,05; 13) = 2,16, то гипотеза Н₀ отвергается, коэффициент статистически значим, таким образом подтверждается вывод о значимости влияния общей площади на стоимость квартир.

Н₀: a = 0 Н₁: a ≠ 0 проверим по формуле

,

где s_а = - остаточная дисперсия. Так как
|t_наб| < t_кр(0,05; 13) = 2,16, то гипотеза Н₀ не отвергается, коэффициент статистически не значим.

Для значимого коэффициента регрессии найдем доверительный интервал по формуле .

0,302 ± 2,16·0,035, т.е. при увеличении общей площади квартиры на 1 м² стоимость в среднем увеличивается от 226,1 до 377,5 у.е.

 

3. Коэффициент аппроксимации равен

.

Фактические значения стоимости квартир от расчетных данных по уравнению регрессии в среднем различаются на 9%. Качество уравнения считается хорошим, если ошибка аппроксимации не превышает 8 - 10%. Полученное уравнение можно оценить как вполне хорошее.

 

4. При линейной зависимости теснота связи между переменными Х и У определяется с помощью коэффициента корреляции:

.

Так как значение коэффициента корреляции близко к единице, то между признаками связь очень тесная, прямая, близкая к линейной зависимости. Заметим, что для линейного коэффициента корреляции r² = R².

Для проверки гипотезы Н₀: ρ = 0 при Н₁: ρ ≠ 0 применим критерий t- Стьюдента

.

Так как |t_наб| < t_кр(0,05; 13) = 2,16, то гипотеза Н₀ отвергается, коэффициент корреляции статистически значим. При парной линейной зависимости оценка значимости всего уравнения и регрессии дает одинаковые результаты, так как t²_b = t²_r = F.

Для значимого коэффициента корреляции построим доверительный интервал, который с заданной надежность γ содержит неизвестный генеральный коэффициент ρ. Построим сначала доверительный интервал для Е(z):

,

где - распределение Фишера,

, - нормированное отклонение, определяется с помощью функции Лапласа Ф(u_кр) = 1 - α.

→ .

Используя обратное преобразование Фишера, получим доверительный интервал для коэффициента корреляции:

0,755 ≤ ρ ≤ 0,977.

 

5. Построим графики зависимостей у_i и от х, а также доверительные интервалы для значений . Рассчитаем для каждого значения х_i минимальные и максимальные значения по формулам

, .

Получим вспомогательную таблицу (табл. 4).

Таблица 4

X	Y		Sy	Ymin	Ymax
	13,8	14,734	1,38528	11,74192	17,7263249
	14,0	15,640	1,299738	12,83212	18,446993
	13,8	16,847	1,190575	14,27517	19,4184514

Окончание табл.4

X	Y		Sy	Ymin	Ymax
	22,0	19,261	0,995831	17,11031	21,4123056
	21,5	20,770	0,897439	18,8319	22,7088418
	24,0	21,374	0,864916	19,50578	23,2422165
	22,5	22,883	0,804843	21,1446	24,6215237
	24,0	23,788	0,785536	22,09174	25,4852578
	20,9	25,901	0,794605	24,18484	27,6175341
	27,5	25,901	0,794605	24,18484	27,6175341
	35,0	27,410	0,84577	25,58339	29,2371135
	28,0	28,919	0,927722	26,91544	30,9231935
	32,0	33,447	1,290412	30,65921	36,2337946
	32,0	33,447	1,290412	30,65921	36,2337946
	37,9	38,577	1,801413	34,68627	42,4683705

 

Рис. 1. Линейная зависимость

6. Прогнозное значение результативного признака определяется путем подстановки в уравнение регрессии прогнозного или возможного значения факторного признака. По условию . Тогда прогнозное значение стоимости квартиры составит = 28,56. Значит, при общей площади квартиры в 78,8 м² возможная ее стоимость составит 28,56 тыс. у.е.

При этом доверительные интервалы, найденные по формулам ,

, составят . При общей площади квартиры в 78,8 м² ее стоимость составит от 26,6 тыс. у.е. до 30,5 тыс. у.е.

 

7. Предположим, что связь между признаками носит нелинейный характер y = a·х^b·ε. Для нахождения параметров регрессии проведем линеаризацию: lny = lna +blnx + lnε. После замены A = lna, Y* = lny, Х* = lnх, Е* = lnε получим линейное уравнение
Y* = A + bХ* + E*. Составляем вспомогательную табл. 5 для преобразованных данных:

Таблица 5

n	X*	Y*	X*2	X* Y*		ε2	()2
	3,497	2,625	12,226	9,177	13,783	0,000	116,496
	3,689	2,625	13,608	9,682	16,217	5,844	116,496
	3,584	2,639	12,842	9,457	14,835	0,697	112,219
	4,094	3,114	16,764	12,748	22,849	0,122	4,382
	4,007	3,178	16,059	12,736	21,228	7,681	0,352
	4,382	3,332	19,202	14,602	29,141	1,303	11,605
	4,554	3,466	20,738	15,783	33,699	2,886	54,859
	4,248	3,040	18,050	12,914	26,030	26,318	13,641
	3,871	3,091	14,986	11,966	18,920	9,484	6,725
	3,970	3,068	15,763	12,181	20,574	0,858	9,569
	4,554	3,466	20,738	15,783	33,699	2,886	54,859
	4,317	3,555	18,641	15,350	27,594	54,853	108,299
	4,143	3,178	17,166	13,167	23,811	0,036	0,352
	4,718	3,635	22,264	17,152	38,732	0,692	177,067
	4,248	3,314	18,050	14,080	26,030	2,161	8,449
Σ.	61,878	47,325	257,094	196,777	367,143	115,819	795,369
Ср. знач.	4,125	3,155	17,140	13,118	24,476	―	―

b = 0,846, A = - 2,333. После потенцирования а = е^-0,333 = 0,717 находим искомое уравнение регрессии: У=0,717х ^0,846. Индекс корреляции ρ_ху = 0,924, индекс детерминации R² = 0,854, который показывает, что 85,4% вариации результативного признака объясняется вариацией признака-фактора, а 14,6% приходится на долю прочих факторов. Средняя ошибка аппроксимации
А = 8,25% показывает, что линия регрессии хорошо приближает исходные данные.

F -критерий Фишера: F_н = 76,275 >F_кр(0,05; 1; 13) = 4,67, следовательно, уравнение статистически значимо. Изобразим на рис. 2 исходные данные и линию регрессии:

 

Рис. 2. График степенной функции

 

Сравним построенные модели:

 

Модель	Индекс детерминации, R2	, %
= a +b·x	0,851	9,03%
= a·xb	0,854	8,25%

 

Наиболее хорошо исходные данные аппроксимирует степенная модель, так как она имеет максимальный коэффициент детерминации и минимальную ошибку аппроксимации.

Индекс детерминации R² можно сравнивать с коэффициентом детерминации r² для обоснования возможности применения линейной функции. Практически, если величина (R² - r²) не превышает 0,01, то линейная зависимость считается оправданной. Поэтому наилучшей итоговой моделью считаем линейную.

Вопросы для самоконтроля

1. Сформулируйте основные этапы прикладного эконометрического исследования.

2. Классифицируйте основные методы и модели эконометрики.

3. Какие типы данных существуют?

4. Что такое функция регрессии? Назовите основные причины наличия в регрессионной модели случайного отклонения.

5. Сформулируйте модель парной регрессии. Перечислите основные предположения эконометрического моделирования.

6. В чем состоит суть метода наименьших квадратов?

7. Опишите алгоритм нахождения коэффициентов парной линейной регрессии. Как интерпретируются эти коэффициенты?

8. Каким образом находится коэффициент корреляции парной регрессии и какова его связь с коэффициентом регрессии? Как строится доверительный интервал для коэффициента корреляции?

9. Сформулируйте свойства коэффициента корреляции.

10. Как осуществляется анализ статистической значимости уравнения регрессии?

11. Объясните суть коэффициента детерминации . В каких пределах он изменяется? Как связаны между собой коэффициенты корреляции и детерминации?

12. Опишите схему проверки статистической значимости коэффициентов регрессии. Приведите формулы нахождения интервальных оценок коэффициентов регрессии.

13. Как строится и что позволяет определить доверительный интервал для условного математического ожидания зависимой переменной? В чем суть предсказания индивидуальных значений зависимой переменной?

14. Сформулируйте основные формулы для нахождения коэффициента регрессии линейного уравнения без свободного члена.

15. Как классифицируются нелинейные модели регрессии? Приведите примеры использования логарифмических, обратных и степенных моделей.

16. В чем состоит принцип линеаризации нелинейной модели? Изменяются ли свойства случайного отклонения при преобразовании уравнения регрессии?

17. Опишите схему проверки значимости нелинейного уравнения регрессии.

18. Как определяется коэффициент аппроксимации?

19. Какой принцип выбора существует между линейной и нелинейными моделями?