Уравнение (множественной) регрессии

регрессионный анализ
Метод оценки, использующий регрессионный способ по измеренным значениям, например, для сортировки по классам.
[Система неразрушающего контроля. Виды (методы) и технология неразрушающего контроля. Термины и определения (справочное пособие). Москва 2003 г.]

регрессионный анализ
Раздел математической статистики, объединяющий практические методы исследования регрессионной зависимости (см. Регрессия) между величинами по данным статистических наблюдений. Итальянский статистик Р.Бенини, как считается, был первым, кто с практической пользой применил в экономике метод множественной регрессии. (1907) Он удачно оценил функцию спроса на кофе в Италии как функцию цен на кофе с одной стороны и на сахар — с другой. История знает, однако, немало ложных выводов, показывающих, что без глубокого анализа доверять обнаруженным регрессионным зависимостям бывает рискованно. Метод Р.а. состоит в выводе уравнения регрессии (включая оценку его параметров), с помощью которого находится средняя величина случайной переменной, если величина другой (или других в случае множественной или многофакторной регрессии) известна. (В отличие от этого корреляционный анализ применяется для нахождения и выражения тесноты связи между случайными величинами)[1]. Практически речь идет о том, чтобы, анализируя множество точек на графике (т.е. множество статистических данных), найти линию, по возможности точно отражающую заключенную в этом множестве закономерность, тенденцию — линию регрессии. Для этого требуется наилучшим образом оценить параметры уравнения. Существует ряд математико-статистических приемов, позволяющих решить эту задачу. В случаях, когда искомая закономерность может быть принята за линейную, наиболее эффективен метод наименьших квадратов. Р.а. применяется в различного рода экономических исследованиях (производственные функции, анализ эластичности спроса от цены и др.), особенно при анализе хозяйственной деятельности предприятий (для определения влияния отдельных факторов на результаты) и во многих других областях экономической науки и хозяйственной практики. Пример: средняя себестоимость поковок в кузнечных цехах московских заводов, по статистическим исследованиям, описывалась уравнением регрессии: Y = 72,8 + 0,605x1 + 0,082x2 + + 0,834x3, где x1 — заработная плата на 1 т поковок; x2 — удельная металлоемкость, x3 — удельные цеховые расходы. Это уравнение означает, что лишний расход одного рубля заработной платы приведет (в среднем в большой массе наблюдений) к повышению себестоимости тонны поковок на 0,605 руб. Соответственно рассчитывается и влияние двух остальных факторов. [1] Впрочем, распространена также более широкая трактовка Р.а., охватывающая и то, что здесь названо корреляционным анализом. И, наконец, ряд авторов считают Р.а. частью теории корреляции как общей теории взаимоотношений между случайными величинами.
[ http://slovar-lopatnikov.ru/]

Тематики

• виды (методы) и технология неразр. контроля
• экономика

EN

• regression analysis

3.3 регрессионный анализ en regression analysis

Набор процедур, связанных с оцениванием моделей                   fr analyse de régression

зависимости отклика от предсказывающих переменных

Источник: Р 50.1.040-2002: Статистические методы. Планирование экспериментов. Термины и определения

3.3 регрессионный анализ en regression analysis

Набор процедур, связанных с оцениванием моделей                   fr analyse de régression

зависимости отклика от предсказывающих переменных

Источник: 50.1.040-2002: Статистические методы. Планирование экспериментов. Термины и определения

корреляционный анализ (в экономике)
Ветвь математической статистики, изучающая взаимосвязи между изменяющимися величинами (корреляция — соотношение, от латинского слова correlatio). Взаимосвязь может быть полная (т.е. функциональная) и неполная, когда зависимость связанных величин искажена влиянием посторонних, дополнительных факторов. Примером функциональной связи служит выпуск и потребление продукции, когда она дефицитна: во сколько раз больше выпуск, во столько раз больше продажа (все распродается, ничего не остается в запасе). Примером корреляционной связи может служить соотношение стажа рабочих и их производительности труда. Известно, что в среднем производительность труда рабочих тем выше, чем больше их стаж. Однако бывает, и нередко, что молодой рабочий (из-за влияния таких дополнительных факторов, как образование, здоровье и т.д.) работает лучше пожилого. Чем больше влияние этих дополнительных факторов, тем менее тесна связь между стажем и выработкой, и наоборот. В таком случае коэффициент корреляции (см. Корреляция) между двумя величинами — стажем и производительностью — занимает промежуточное положение между нулем и единицей в зависимости от силы (тесноты) взаимосвязи. Именно такие взаимосвязи изучает К.а. Он может рассматривать и более сложные корреляционные связи — не между двумя переменными (это называется парной корреляцией), как в описанном случае, а между многими. Тогда имеют дело с множественной корреляцией. При изучении экономических явлений методами К.а. необходимо тщательно выявлять причинные зависимости, лежащие в основе корреляции наблюдаемых показателей. Отсутствие причинной связи между явлениями, хотя корреляционная связь между ними установлена, называется ложной корреляцией. Она часто встречается, например, при анализе временных рядов, когда параллельно снижаются или повышаются показатели, на самом деле совершенно не зависящие друг от друга. Рассматриваемые связи математически описываются корреляционными уравнениями (другое название — уравнение регрессии). Например, простейшим корреляционным уравнением связи между двумя переменными является уравнение прямой вида y=a+bx. При функциональной связи такая прямая точно соответствовала бы действительным значениям зависимой переменной. Если представить такую связь графически, то она проходила бы через все наблюдаемые точки y. При корреляции же соответствие, как указано, соблюдается лишь приблизительно, в общем, и точки наблюдений расположены не по прямой, а в виде «облачка», более или менее вытянутого в некотором направлении. Поэтому приходится специальными приемами находить ту линию, которая наилучшим образом отражает корреляционную зависимость, т.е. направление «облачка» (рис.К.1). Распространенный способ решения этой задачи — метод наименьших квадратов отклонений наблюдаемых значений y от значений, рассчитываемых по формуле корреляционного уравнения. Особенно широко применяется К.а. в теории производственных функций, в разработке разного рода нормативов на производстве, а также в анализе спроса и потребления. Рис. К.1 Корреляционные зависимости а — переменные x и y не коррелируют; б — слабая отрицательная корреляция; в — сильная положительная линейная корреляция
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• correlation analysis