Регрессионный анализ

РЕГРЕССИОННЫЙ АНАЛИЗ [regression analysis] — раздел математической статистики, объединяющий практические методы исследования регрессионной зависимости (см. Регрессия) между величинами по данным статистических наблюдений. Итальянский статистик Р. Бенини (1907), как считается, был первым, кто с практической пользой применил в экономике метод множественной регрессии. 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 величинами⁷¹.)

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 распространен 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 + 0,605 x ₁ + 0,082 x ₂ + 0,834 x ₃,

где x ₁ — заработная плата на 1 т поковок; x ₂ — удельная металлоемкость; x ₃ — 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.

Дата добавления: 2013-12-12