КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Множинна регресія в соціально-економічних дослідженнях
Подаючи у як функцію лише одного фактору х, тим самим абстрагуються від множинності причин, штучно спрощуючи механізм формування варіації результату у. Більш адекватною щодо реальних процесів формування соціально-економічних явиш і процесів є множинна, багатофакторна регресія. Адекватність регресійної моделі означає здатність її правильно описати реальну структуру взаємозв'язків між ознаками xi, та у. Методологічною основою вирішення проблеми адекватності є теоретичний, змістовний аналіз матеріальної природи процесу (явища) і обґрунтування типу та структури моделі, яка описує механізм його формування. Включення в регресійну модель того чи іншого фактору пов'язане, передусім, з уявленням дослідника щодо структури взаємозв'язку результативної ознаки у з іншими параметрами об'єкта дослідження. Основні етапи побудови моделей множинної регресії такі самі, як і парної. Щодо функціонального виду моделі, то на практиці найчастіше віддають перевагу лінійній моделі завдяки простоті й логічності економічної Інтерпретації її параметрів. Лінійне щодо параметрів рівняння регресії записується так: де b0 - вільний член рівняння; економічного змісту, як правило, немає, лише окреслює область існування моделі; bi — коефіцієнт регресії; показує, як у середньому змінюється у зі зміною xi на одиницю її шкали вимірювання за незмінності інших, включених у модель факторів, і за інших однакових умов. В моделі основне навантаження покладається на коефіцієнт регресії bi він розглядається як своєрідна міра «очищеного» впливу х, на у і тому називається ефектом впливу. Очевидно, щоб визначити ефект впливу i-го фактору, необхідно елімінувати (усунути) вплив інших факторів, умовно зафіксувавши їх на одному і тому ж рівні. Значення коефіцієнтів регресії певною мірою залежать від складу включених у модель факторів, що вимагає всебічного попереднього аналізу структури взаємозв'язків. Однією з передумов побудови регресійних моделей є відсутність мультиколінеарності. Неприпустимо включати в модель функціонально зв'язані (колінеарні) факторні ознаки, коли коефіцієнт кореляції між ними перевищує сукупний коефіцієнт кореляції, тобто. Найпростіший спосіб усунення мультиколінеарності - виключити одну чи більше колінеарних ознак із моделі або замінити їх іншими. Колінеарні ознаки можна також об'єднати в одну узагальнюючу оцінку. Факторні ознаки xi, мають бути виражені числом, а їхні значення варіюватись у певних межах. Якщо факторна ознака атрибутивна, текстова (форма власності, місце розташування тощо), то при включенні в модель її необхідно оцифрувати, тобто приписати кожному найменуванню (градації) ознаки певне число. Можливі різні варіанти оцифрування, проте з точки зору змістовної iнтерпретації найбільш прийнятним є використання бінарних змінних, які набувають два взаємовиключних значення (0; 1). Ознака такого типу розглядається як умовний код, що вказує на належність (1) чи не належність (0) j -ї одиниці сукупності до певної градації, і називається dummy-змінною иj. За наявності p -найменувань (градацій) ознаки у регресійну модель вводиться (р-1) dummy-змінних. Наприклад, при визначенні вартості продажу об'єктів нерухомості (у - вартість 1 кв.м площі нежитлового приміщення) основні ціноутворюючі фактори такі: x1 - середньозважений фізичний знос, %; х2 - частка площі підвалу в загальній площі приміщення, %; x3 - місце розташування об'єкта нерухомості (центральна частина міста, окраїна, серединна зона). Останній фактор представлений текстовою ознакою і підлягає оцифровуванню. Маючи три градації, х3 вводиться в модель двома dummy-змінними: За такого варіанту оцифровування серединна зона дістає числові еквіваленти (0; 0) і стає базою порівняння. Регресійна модель вартості 1кв.м площі об'єкта нерухомості має вигляд:
де коефіцієнт регресії bi вимірює чистий, елімінований від взаємозв'язків у рамках моделі ефект впливу i-го фактору, а параметр аік показує різницю середніх значень функції у між k-ю градацію і градацією, узятою за базу порівняння (у наведеному прикладі - серединною зоною). Отже, теоретичний рівень вартості 1кв.м площі об'єкта нерухомості визначається залежно від розташування будівлі: у центрі міста; на окраїні -; в серединній" зоні -. Оскільки факторні ознаки xi, в рамках моделі мають, як правило, різні одиниці вимірювання, то для порівняння ефектів їхнього впливу використовують або стандартизовані коефіцієнти регресії (бета-коефіцієнти) або коефіцієнти еластичності . Бета-коефіцієнт характеризує ефект впливу хi на у в стандартних відхиленнях, коефіцієнт еластичності - у відсотках. На основі розрахованих βi -коефіцієнтів (табл. 4.4.4) можна зробити висновок, що з-поміж включених у модель ціноутворюючих факторів найвагомішим є місце розташування об'єкта нерухомості (β3 = 0,565), вплив інших факторів приблизно однаковий.
За допомогою dummy-змінних можна адаптувати регресійну модель до неоднорідної сукупності. Якщо неоднорідність проявляється розшаруванням сукупності на р ізольованих класів (груп), то кожен клас розглядається як градація номінальної ознаки, і тим одиницям, що належать до j -го класу, приписується uj =1, а тим, що не належать - uj = 0. Параметри при цих змінних інтерпретуються так само, як і при градаціях текстових ознак. У рамках регресійної моделі можна визначити очікуваний рівень показника-функції у за певних значень факторів *,-. Припустимо, що на основі розглянутої моделі оцінюється вартість об'єкта нерухомості, розташованого у житловому будинку центральної частини міста. Середньозважений процент зносу приміщення x1 = 25%, половина його площі розміщена у підвалі (x2=50%). Звідси вартість 1 кв. м площі становить
Вартість такого самого приміщення не в центральній, а в серединній зоні міста буде, а на окраїні. У тих випадках, коли інформаційна база регресійної моделі представлена рядами динаміки, виникають певні методологічні труднощі, спричинені залежністю рівнів ряду (автокореляцією). Наявність останньої порушує одну з передумов регресійного аналізу - незалежність спостережень - і призводить до викривлення його результатів. З метою зменшення впливу автокореляцїї в регресійну модель поряд з факторами xi включається фактор часу t, який дозволяє оцінити вплив інших, не ідентифікованих у моделі факторів, які формують тенденцію результативної ознаки у. За наявності лінійного тренду у модель набуває вигляду де bi - чистий ефект впливу і-го фактору на у; с - ефект не ідентифікованих факторів, які змінюються в часі і формують тенденцію у. Нелінійна регресія
При моделюванні взаємозв’язків на динамічних рядах широко використовуються відносні величини, передусім індекси. Це пояснюється більшою їх сталістю в часі порівняно з абсолютними величинами. Окрім того, з’являється можливість виключити мультиколінеарність та автокореляцію залишків. Описуються такі взаємозв’язки степеневою функцією , де bi — коефіцієнт еластичності, який показує, на скільки % у середньому зміниться у зі зміною хі на 1 % за умови незмінності інших факторів. Тобто коефіцієнт еластичності — це відносний ефект впливу і -го фактора на у. Степенева функція лінійна в логарифмах, а тому параметри її визначаються МНК. Класичним прикладом такого типу нелінійної функції є виробнича функція Кобба-Дугласа, яка описує співвідношення між факторами і результатом виробництва на будь-якому рівні економічної діяльності (фірма, галузь, регіон, економіка в цілому): Q = A K α L β, де Q — результат виробництва; K — основний капітал; L — трудові затрати (кількість зайнятих). Параметри α і β — коефіцієнти еластичності: α характеризує відносний приріст результату на одиницю приросту капіталу при L = const, а β — відносний приріст результату на одиницю приросту трудових затрат при К = const. Капітал і трудові затрати розглядаються як фактори екстенсивного розвитку (залучення нових ресурсів). При трудомісткому виробництві α > β, при фондомісткому — β > α. У виробничій функції закладено умову, за якою (α + β) = 1, тобто результат зростає у такій же пропорції, як і фактори. Параметр А приводить масштаб (розмірність) факторів до масштабу результату. При використанні індексів А = 1, а тренд результату, зумовлений дією інших, неекстенсивних факторів, враховується в моделі змінною часу еλt. Модель набуває вигляду: Q = A K α L β е λt, де λ характеризує темп приросту функції за рахунок неекстенсивних факторів, зокрема неуречевлених факторів НТП (вдосконалення технології, зростання кваліфікації робітників тощо). Цей варіант моделі називають виробничою функцією Тінбергена. Застосувавши до неї логарифмічне диференціювання, дістанемо модель, яка описує взаємозв’язок темпів приросту: q = α k + β l + λ, де q, k, l — темпи приросту відповідно результату, капіталу й трудових затрат. На основі такої моделі можна визначити внесок екстенсивних та інтенсивних факторів у розвиток процесів відтворення: d екс = (α k + β l) / q; d інт = λ / q. У табл. наведено параметри макроекономічних функцій трьох індустріально розвинутих країн за період з 1950 по 1977 рр.: Q — валовий національний продукт; K — основні фонди, L — трудові ресурси [14, с. 41]. Таблиця
За значеннями параметрів функції можна зробити висновки про особливості економічного розвитку кожної з цих країн у повоєнні роки. Так, досягнення НТП найінтенсивніше впроваджувалися в економіці Японії: параметр λ вищий порівняно із США в 3,5 раза, порівняно з Великобританією — у 9 разів. Водночас японська економіка характеризується найнижчою капіталоємністю (α = 0,397) і відносно високим рівнем ефективності використання трудових ресурсів (β = 0,603). Для американської економіки характерна збалансованість співвідношення еластичностей по капіталу і труду. Середньорічні темпи приросту в США у повоєнні роки становили (у %): валового національного продукту — 3,38, основних фондів — 2,79, трудових ресурсів — 1,46. Звідси внесок факторів у формування динаміки ВНП: екстенсивних d екс = інтенсивних d інт =. На практиці використовують різні модифікації виробничої функції. Наприклад, розділивши обидві її частини на L, отримаємо функцію продуктивності праці: W = AF α е λt, де W — продуктивність праці; F — фондоозброєність праці. У темпах приросту ця функція записується так: w = α f + λ = α (k – l) + λ. Внесок екстенсивних та інтенсивних факторів у динаміку продуктивності праці визначається аналогічно: d екс= α (k –l) / w; d інт= λ / w. До темпів приросту застосовують класичну регресію. Як приклад розглянемо зв’язок між темпами приросту фондоозброєності (VAR1) і продуктивності праці (VAR2) в одній із галузей промисловості (табл.). Таблиця
Результати розрахунків за стандартною процедурою модуля Multiple Regression наведено в табл. 7.7. Параметри моделі становлять: α = 0,581; λ = 1,358, тобто приріст фондоозброєності праці на 1 % спричиняє зростання продуктивності праці на 0,581%. За рахунок інших факторів щорічний приріст продуктивності праці становить у середньому 1,358 %. Середньорічні темпи приросту фондоозброєності праці — 1,8 %, продуктивності праці — 2,4 %. Звідси внесок екстенсивних факторів у динаміку продуктивності праці становить (1,8 · 0,581): 2,4 = 0,435, інтенсивних — 1,358: 2,4 = 0,565. Таблиця
Степеневою функцією описується також взаємозв’язок між попитом С, середньодушовим доходом населення D і цінами на товар P. Тренд попиту, зумовлений звичками, модою тощо, вводиться в модель змінною часу е λt: С = A D α P β е λt, де α і β — коефіцієнти еластичності попиту залежно від доходу та цін.
Дата добавления: 2014-01-06; Просмотров: 415; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |