Виды уравнений регрессии
Простейший случай представляет собой простая линейная регрессия (парная корреляция), где рассматривается зависимость между двумя показателями: показателем результатов (у) и одним фактором (х), от которого зависит этот показатель. Такие модели называются однофакторными. Форма зависимости может быть линейной и нелинейной.
В исследованиях наиболее часто встречаются шесть следующих видов уравнений регрессии:
1) – линейная;
2) – гиперболическая;
3) – квадратичная, – полиномиальная;
4) – степенная;
5) – показательная;
6) – экспоненциальная.
Для измерения совместного влияния ряда показателей-факторов на исследуемую величину строятся модели множественной корреляции. Функция регрессии в общем случае запишется y = f (x1, x2, … , xn).
Замена корреляционной зависимости на функциональную может привести к искажению отображения влияния факторов на результат. Поэтому общая задача регрессионного анализа состоит в определении такого вида и параметров уравнения регрессии, при которых наиболее точно представляется корреляционная зависимость.
При проведении регрессионного анализа необходимо выполнить, по крайней мере, следующие этапы работ:
1) определить показатели результатов производства и набор факторов, на них влияющих;
2) собрать статистические данные по этим показателям;
3) выбрать функцию для построения уравнения регрессии;
4) рассчитать значения коэффициентов (параметров) уравнения регрессии;
5) оценить надежность рассчитанных коэффициентов уравнения регрессии;
6) определить надежность оценок, полученных в результате использования уравнения регрессии;
7) провести анализ показателей, вытекающих из полученных расчетов.
Надежность оценок результирующего показателя , полученных в результате использования уравнения регрессии y = f (x1, x2, … , xn), показывает, насколько эти оценки точнее, чем среднее значение случайной величины результирующего показателя. Надежность указанных оценок зависит от качества исходной информации и от качества уравнений регрессии.
Дата добавления: 2018-11-26; просмотров: 2530;