สูตรสมการการถดถอยเชิงเส้น มาหาพารามิเตอร์ของสมการการถดถอยเชิงเส้นและให้การตีความทางเศรษฐศาสตร์ของสัมประสิทธิ์การถดถอย
- พารามิเตอร์สมการ การถดถอยเชิงเส้น y=a+bx , ค่าสัมประสิทธิ์เชิงเส้นความสัมพันธ์กับการทดสอบความสำคัญ
- ความใกล้ชิดของการเชื่อมต่อโดยใช้ตัวบ่งชี้สหสัมพันธ์และการกำหนด การประมาณค่า OLS ความน่าเชื่อถือคงที่ของการสร้างแบบจำลองการถดถอยโดยใช้การทดสอบ F ของฟิชเชอร์ และการทดสอบทีของนักเรียน ช่วงความมั่นใจการพยากรณ์ระดับนัยสำคัญ α
สมการการถดถอยแบบคู่หมายถึง สมการการถดถอยลำดับที่หนึ่ง- หากแบบจำลองทางเศรษฐมิติมีตัวแปรอธิบายเพียงตัวแปรเดียว จะเรียกว่าการถดถอยแบบคู่ สมการการถดถอยลำดับที่สองและ สมการการถดถอยลำดับที่สามอ้างถึงสมการการถดถอยไม่เชิงเส้น
ตัวอย่าง. เลือกตัวแปรตาม (อธิบาย) และตัวแปรอธิบายเพื่อสร้างแบบจำลองการถดถอยคู่ ให้มัน. หาสมการทางทฤษฎีสำหรับการถดถอยแบบคู่ ประเมินความเพียงพอของแบบจำลองที่สร้างขึ้น (ตีความ R-squared, t-statistics, F-statistics)
สารละลายเราจะดำเนินการบนพื้นฐาน กระบวนการสร้างแบบจำลองทางเศรษฐมิติ.
ขั้นที่ 1 (คำแถลง) – การกำหนดเป้าหมายสุดท้ายของการสร้างแบบจำลอง ชุดของปัจจัยและตัวบ่งชี้ที่เข้าร่วมในแบบจำลอง และบทบาทของพวกเขา
ข้อกำหนดแบบจำลอง - การกำหนดวัตถุประสงค์ของการศึกษาและเลือกตัวแปรทางเศรษฐกิจของแบบจำลอง
งานตามสถานการณ์ (ภาคปฏิบัติ) สำหรับองค์กร 10 แห่งในภูมิภาคนี้ จะมีการศึกษาการพึ่งพาผลผลิตต่อพนักงาน y (พันรูเบิล) ต่อส่วนแบ่งของคนงานที่มีคุณสมบัติสูงในจำนวนคนงานทั้งหมด x (เป็น%)
ขั้นที่ 2 (นิรนัย) – การวิเคราะห์ก่อนแบบจำลอง สาระสำคัญทางเศรษฐกิจปรากฏการณ์ที่กำลังศึกษา การก่อตัวและการจัดรูปแบบข้อมูลนิรนัยและการสันนิษฐานเบื้องต้นอย่างเป็นทางการ โดยเฉพาะอย่างยิ่งที่เกี่ยวข้องกับธรรมชาติและการกำเนิดของข้อมูลทางสถิติเริ่มต้นและองค์ประกอบสุ่มที่เหลือในรูปแบบของสมมติฐานจำนวนหนึ่ง
ในขั้นตอนนี้ เราสามารถพูดคุยเกี่ยวกับการพึ่งพาระดับทักษะของผู้ปฏิบัติงานและผลงานของเขาได้อย่างชัดเจน เนื่องจากยิ่งผู้ปฏิบัติงานมีประสบการณ์มากขึ้น ประสิทธิภาพการทำงานก็จะสูงขึ้นตามไปด้วย แต่จะประเมินการพึ่งพาอาศัยกันนี้ได้อย่างไร?
การถดถอยคู่แสดงถึงการถดถอยระหว่างตัวแปรสองตัว - y และ x เช่น แบบจำลองของแบบฟอร์ม:
โดยที่ y คือตัวแปรตาม (แอตทริบิวต์ผลลัพธ์) x - ตัวแปรอิสระหรือแบบอธิบาย (คุณลักษณะ-ปัจจัย) เครื่องหมาย “^” หมายความว่าไม่มีความสัมพันธ์เชิงฟังก์ชันที่เข้มงวดระหว่างตัวแปร x และ y ดังนั้นในเกือบทุกกรณี ค่า y คือผลรวมของสองพจน์:
โดยที่ y คือค่าที่แท้จริงของแอ็ตทริบิวต์ผลลัพธ์ y x – ค่าทางทฤษฎีของคุณลักษณะผลลัพธ์ที่พบตามสมการการถดถอย ε เป็นตัวแปรสุ่มที่แสดงลักษณะความเบี่ยงเบนของค่าที่แท้จริงของคุณลักษณะที่มีประสิทธิผลจากค่าทางทฤษฎีที่พบโดยใช้สมการถดถอย
เราจะแสดงความสัมพันธ์แบบถดถอยระหว่างผลผลิตต่อคนงานและส่วนแบ่งของคนงานที่มีคุณสมบัติสูงเป็นกราฟ
ขั้นตอนที่ 3 (การกำหนดพารามิเตอร์) – การสร้างแบบจำลองจริง เช่น ทางเลือก มุมมองทั่วไปรวมถึงองค์ประกอบและรูปแบบของความสัมพันธ์ระหว่างตัวแปรที่รวมอยู่ในนั้น การเลือกประเภทของการพึ่งพาฟังก์ชันในสมการการถดถอยเรียกว่าการกำหนดพารามิเตอร์แบบจำลอง เลือก สมการถดถอยคู่, เช่น. ผลลัพธ์สุดท้าย y จะได้รับอิทธิพลจากปัจจัยเดียวเท่านั้น
ขั้นที่ 4 (ข้อมูล) – การรวบรวมข้อมูลทางสถิติที่จำเป็น เช่น การลงทะเบียนค่าของปัจจัยและตัวชี้วัดที่เข้าร่วมในแบบจำลอง กลุ่มตัวอย่างประกอบด้วย 10 วิสาหกิจในอุตสาหกรรม
ขั้นที่ 5 (การระบุโมเดล) – การประมาณค่าพารามิเตอร์แบบจำลองที่ไม่รู้จักโดยใช้ข้อมูลทางสถิติที่มีอยู่
เราใช้เพื่อกำหนดพารามิเตอร์ของโมเดล วิธีโอแอลเอส กำลังสองน้อยที่สุด - ระบบสมการปกติจะมีลักษณะดังนี้:
n + b∑x = ∑y
a∑x + b∑x 2 = ∑y x
ในการคำนวณพารามิเตอร์การถดถอย เราจะสร้างตารางการคำนวณ (ตารางที่ 1)
x | ย | x2 | คุณ 2 | xy |
10 | 6 | 100 | 36 | 60 |
12 | 6 | 144 | 36 | 72 |
15 | 7 | 225 | 49 | 105 |
17 | 7 | 289 | 49 | 119 |
18 | 7 | 324 | 49 | 126 |
19 | 8 | 361 | 64 | 152 |
19 | 8 | 361 | 64 | 152 |
20 | 9 | 400 | 81 | 180 |
20 | 9 | 400 | 81 | 180 |
21 | 10 | 441 | 100 | 210 |
171 | 77 | 3045 | 609 | 1356 |
เรานำข้อมูลจากตารางที่ 1 (แถวสุดท้าย) และด้วยเหตุนี้เราจึงได้:
10a + 171 ข = 77
171 ก + 3045 ข = 1356
เราแก้ SLAE นี้โดยใช้วิธี Cramer หรือวิธีเมทริกซ์ผกผัน
เราได้รับสัมประสิทธิ์การถดถอยเชิงประจักษ์: b = 0.3251, a = 2.1414
สมการการถดถอยเชิงประจักษ์คือ:
y = 0.3251 x + 2.1414
ขั้นตอนที่ 6 (การตรวจสอบโมเดล) – การเปรียบเทียบข้อมูลจริงและข้อมูลโมเดล การตรวจสอบความเพียงพอของโมเดล การประเมินความถูกต้องของข้อมูลโมเดล
เราทำการวิเคราะห์โดยใช้
การถดถอยเชิงเส้นคู่
แบบฝึกหัด
การถดถอยเชิงเส้นคู่: การประชุมเชิงปฏิบัติการ -
การศึกษาวิชาเศรษฐมิติเกี่ยวข้องกับการที่นักเรียนได้รับประสบการณ์ในการสร้างแบบจำลองทางเศรษฐมิติ การตัดสินใจเกี่ยวกับข้อกำหนดและการระบุแบบจำลอง การเลือกวิธีการประมาณค่าพารามิเตอร์ของแบบจำลอง การประเมินคุณภาพ การตีความผลลัพธ์ การขอรับค่าประมาณการคาดการณ์ ฯลฯ การประชุมเชิงปฏิบัติการจะช่วยให้นักเรียน ได้รับทักษะการปฏิบัติในประเด็นเหล่านี้
ได้รับการอนุมัติจากกองบรรณาธิการและสำนักพิมพ์
เรียบเรียงโดย: ม.บ. Perova เศรษฐศาสตร์ดุษฎีบัณฑิต ศาสตราจารย์
บทบัญญัติทั่วไป
การวิจัยทางเศรษฐมิติเริ่มต้นด้วยทฤษฎีที่สร้างความสัมพันธ์ระหว่างปรากฏการณ์ จากปัจจัยทั้งหมดที่มีอิทธิพลต่อคุณลักษณะที่มีประสิทธิผล จะมีการเน้นปัจจัยที่สำคัญที่สุด หลังจากระบุความสัมพันธ์ระหว่างลักษณะที่กำลังศึกษาแล้ว ประเภทของความสัมพันธ์ที่แน่นอนจะถูกกำหนดโดยใช้ การวิเคราะห์การถดถอย.
การวิเคราะห์การถดถอยประกอบด้วยการกำหนดนิพจน์เชิงวิเคราะห์ (ในการกำหนดฟังก์ชัน) ซึ่งการเปลี่ยนแปลงในค่าหนึ่ง (คุณลักษณะผลลัพธ์) เกิดจากอิทธิพลของค่าอิสระ (คุณลักษณะแฟกทอเรียล) ความสัมพันธ์นี้สามารถหาปริมาณได้โดยการสร้างสมการถดถอยหรือฟังก์ชันการถดถอย
แบบจำลองการถดถอยพื้นฐานคือแบบจำลองการถดถอยแบบจับคู่ (ปัจจัยเดียว) การถดถอยคู่– สมการการเชื่อมต่อระหว่างตัวแปรสองตัว ที่และ เอ็กซ์:
ที่ไหน – ตัวแปรตาม (คุณลักษณะผลลัพธ์)
– ตัวแปรอิสระที่อธิบายได้ (ลักษณะแฟคทอเรียล)
ขึ้นอยู่กับลักษณะของการเปลี่ยนแปลง ที่ด้วยการเปลี่ยนแปลง เอ็กซ์แยกความแตกต่างระหว่างการถดถอยเชิงเส้นและไม่เชิงเส้น
การถดถอยเชิงเส้น
ฟังก์ชันการถดถอยนี้เรียกว่าพหุนามของดีกรี 1 และใช้เพื่ออธิบายกระบวนการที่มีการพัฒนาอย่างสม่ำเสมอเมื่อเวลาผ่านไป
การมีสมาชิกแบบสุ่ม (ข้อผิดพลาดการถดถอย) มีความเกี่ยวข้องกับผลกระทบต่อตัวแปรตามของปัจจัยอื่น ๆ ที่ไม่ได้นำมาพิจารณาในสมการ กับความไม่เชิงเส้นที่เป็นไปได้ของแบบจำลอง ข้อผิดพลาดในการวัด และดังนั้นลักษณะที่ปรากฏ สมการข้อผิดพลาดแบบสุ่มการถดถอยอาจเนื่องมาจากวัตถุประสงค์ดังต่อไปนี้ เหตุผล:
1) การไม่เป็นตัวแทนของกลุ่มตัวอย่าง แบบจำลองการถดถอยแบบคู่ประกอบด้วยปัจจัยที่ไม่สามารถอธิบายความแปรผันในลักษณะผลลัพธ์ได้ครบถ้วน ซึ่งอาจได้รับอิทธิพลจากปัจจัยอื่นๆ อีกมากมาย (ละเว้นตัวแปร) ในขอบเขตที่สูงกว่ามาก ตัวอย่างเช่น ค่าจ้างอาจขึ้นอยู่กับระดับการศึกษา ประสบการณ์การทำงาน เพศ ฯลฯ นอกเหนือจากคุณสมบัติ
2) มีความเป็นไปได้ที่ตัวแปรที่เกี่ยวข้องกับแบบจำลองอาจถูกวัดโดยมีข้อผิดพลาด ตัวอย่างเช่น ข้อมูลค่าใช้จ่ายด้านอาหารในครัวเรือนรวบรวมจากบันทึกของผู้เข้าร่วมการสำรวจ ซึ่งสันนิษฐานว่าบันทึกค่าใช้จ่ายรายวันอย่างระมัดระวัง แน่นอนว่าข้อผิดพลาดก็เกิดขึ้นได้
จากการสังเกตตัวอย่าง สมการการถดถอยตัวอย่างจะถูกประมาณ ( เส้นถดถอย):
,
ที่ไหน
– การประมาณค่าพารามิเตอร์ของสมการถดถอย (
).
รูปแบบการวิเคราะห์ของการพึ่งพาระหว่างคู่คุณลักษณะที่ศึกษา (ฟังก์ชันการถดถอย) จะถูกกำหนดโดยใช้สิ่งต่อไปนี้ วิธีการ:
ขึ้นอยู่กับการวิเคราะห์ทางทฤษฎีและตรรกะธรรมชาติของปรากฏการณ์ที่กำลังศึกษา สาระสำคัญทางเศรษฐกิจและสังคม
ตัวอย่างเช่น หากมีการศึกษาความสัมพันธ์ระหว่างรายได้ของครัวเรือนกับขนาดของเงินฝากในครัวเรือนในธนาคาร ก็จะเห็นได้ชัดว่าความสัมพันธ์นั้นเป็นไปโดยตรงวิธีการแบบกราฟิก
เมื่อประเมินลักษณะของการเชื่อมต่อด้วยสายตา เอ็กซ์การพึ่งพานี้สามารถเห็นได้ชัดเจนหากคุณสร้างกราฟโดยพล็อตค่าของแอตทริบิวต์บนแกน x ที่และในการกำหนด - ค่าของคุณลักษณะ เอ็กซ์และ ที่- โดยการวางแผนจุดที่สอดคล้องกับค่า เราได้รับ:
สนามความสัมพันธ์
ก) หากคะแนนกระจายแบบสุ่มทั่วทั้งสนาม แสดงว่าไม่มีการพึ่งพาระหว่างคุณสมบัติเหล่านี้
b) หากจุดนั้นกระจุกตัวอยู่รอบแกนที่วิ่งจากมุมล่างซ้ายไปมุมขวาบนแสดงว่ามีความสัมพันธ์โดยตรงระหว่างคุณลักษณะนั้น
c) ถ้าจุดต่างๆ อยู่รวมกันรอบแกนที่วิ่งจากมุมซ้ายบนไปทางขวาล่าง แสดงว่าคุณลักษณะดังกล่าวมีความสัมพันธ์ผกผันกัน หากเราเชื่อมโยงจุดต่างๆ บนสนามความสัมพันธ์ด้วยส่วนตรง เราจะได้เส้นขาดที่มีแนวโน้มที่จะเติบโต นี่จะเป็นสายการสื่อสารเชิงประจักษ์หรือเส้นการถดถอยเชิงประจักษ์
- จากรูปลักษณ์ภายนอกเราสามารถตัดสินได้ไม่เพียง แต่การมีอยู่เท่านั้น แต่ยังรวมถึงรูปแบบของการพึ่งพาระหว่างลักษณะที่ศึกษาด้วย
การสร้างสมการถดถอยคู่ การสร้างสมการถดถอยมาจากการประมาณค่าพารามิเตอร์ การประมาณค่าพารามิเตอร์เหล่านี้สามารถพบได้หลายวิธี หนึ่งในนั้นคือวิธีกำลังสองน้อยที่สุด (LSM) สาระสำคัญของวิธีการมีดังนี้ แต่ละค่า สอดคล้องกับค่าเชิงประจักษ์ (สังเกตได้) - โดยการสร้างสมการถดถอย เช่น สมการเส้นตรง สำหรับแต่ละค่า จะสอดคล้องกับค่าทางทฤษฎี (คำนวณ) - ค่าที่สังเกตได้ อย่าอยู่บนเส้นถดถอยอย่างแน่นอน เช่น ไม่ตรงกัน - เรียกว่าความแตกต่างระหว่างค่าจริงและค่าที่คำนวณได้ของตัวแปรตาม:
วิธีกำลังสองน้อยที่สุดทำให้สามารถรับค่าประมาณพารามิเตอร์ดังกล่าวได้ ซึ่งผลรวมของการเบี่ยงเบนกำลังสองของค่าจริงของลักษณะผลลัพธ์ ที่จากทางทฤษฎี , เช่น. ผลรวมของกำลังสองของเศษเหลือน้อยที่สุด:
สำหรับสมการเชิงเส้นและสมการไม่เชิงเส้นที่สามารถลดเป็นเชิงเส้นได้ ระบบต่อไปนี้จะได้รับการแก้ไขด้วยความเคารพ กและ ข:
ที่ไหน n– ขนาดตัวอย่าง
เมื่อแก้ระบบสมการแล้ว เราก็จะได้ค่าต่างๆ กและ ขซึ่งทำให้เราสามารถเขียนได้ สมการถดถอย(สมการถดถอย):
ที่ไหน – ตัวแปรอธิบาย (อิสระ)
–ตัวแปรอธิบาย (ขึ้นอยู่กับ)
เส้นถดถอยผ่านจุด ( ,) และมีความเท่าเทียมกัน:
คุณสามารถใช้สูตรสำเร็จรูปที่ตามมาจากระบบสมการนี้:
ที่ไหน – ค่าเฉลี่ยของลักษณะเฉพาะ
– ค่าเฉลี่ยของคุณลักษณะอิสระ
– ค่าเฉลี่ยเลขคณิตของผลิตภัณฑ์ที่มีลักษณะเฉพาะและเป็นอิสระ
– ความแปรปรวนของคุณลักษณะอิสระ
– ความแปรปรวนร่วมระหว่างคุณลักษณะขึ้นอยู่กับและเป็นอิสระ
ความแปรปรวนร่วมตัวอย่างสองตัวแปร เอ็กซ์, ที่คือค่าเฉลี่ยผลคูณของการเบี่ยงเบนของตัวแปรเหล่านี้จากค่าเฉลี่ย
พารามิเตอร์ ขที่ เอ็กซ์มีความสำคัญในทางปฏิบัติอย่างมาก และเรียกว่าสัมประสิทธิ์การถดถอย สัมประสิทธิ์การถดถอยแสดงจำนวนหน่วยที่ค่าเปลี่ยนแปลงโดยเฉลี่ย ที่ เอ็กซ์ต่อ 1 หน่วยของการวัด
เครื่องหมายพารามิเตอร์ ขในสมการการถดถอยแบบคู่บ่งชี้ทิศทางของความสัมพันธ์:
ถ้า
จากนั้นความสัมพันธ์ระหว่างตัวชี้วัดที่ศึกษาจะเป็นทางตรงเช่น โดยมีเครื่องหมายปัจจัยเพิ่มขึ้น เอ็กซ์สัญญาณที่มีประสิทธิภาพก็เพิ่มขึ้นเช่นกัน ที่และในทางกลับกัน;
ถ้า
จากนั้นความสัมพันธ์ระหว่างตัวบ่งชี้ที่ศึกษาจะกลับกันนั่นคือ โดยมีเครื่องหมายปัจจัยเพิ่มขึ้น เอ็กซ์เครื่องหมายผลลัพธ์ ที่ลดลง และในทางกลับกัน
ค่าพารามิเตอร์ กในสมการการถดถอยคู่ในบางกรณีสามารถตีความได้ว่าเป็นค่าเริ่มต้นของคุณลักษณะผลลัพธ์ ที่- การตีความพารามิเตอร์นี้ กเป็นไปได้ก็ต่อเมื่อมีค่า
สมเหตุสมผล
หลังจากสร้างสมการถดถอยแล้วจะได้ค่าที่สังเกตได้ ยสามารถแสดงเป็น:
ของเหลือ เหมือนความผิดพลาด , เป็น ตัวแปรสุ่มอย่างไรก็ตาม ไม่เหมือนข้อผิดพลาด , สังเกตได้. ส่วนที่เหลือคือส่วนหนึ่งของตัวแปรตาม ยซึ่งไม่สามารถอธิบายได้โดยใช้สมการถดถอย
โดยอาศัยสมการถดถอยสามารถคำนวณได้ ค่าทางทฤษฎี เอ็กซ์สำหรับค่าใดๆ เอ็กซ์.
ในการวิเคราะห์ทางเศรษฐศาสตร์ มักใช้แนวคิดเรื่องความยืดหยุ่นของฟังก์ชัน ฟังก์ชั่นความยืดหยุ่น
คำนวณเป็นการเปลี่ยนแปลงสัมพัทธ์ ยการเปลี่ยนแปลงสัมพัทธ์ x- ความยืดหยุ่นจะแสดงตามเปอร์เซ็นต์ที่ฟังก์ชันเปลี่ยนแปลง
เมื่อตัวแปรอิสระเปลี่ยนแปลงไป 1%
เนื่องจากความยืดหยุ่นของฟังก์ชันเชิงเส้น
ไม่ใช่ค่าคงที่แต่ขึ้นอยู่กับ เอ็กซ์จากนั้นค่าสัมประสิทธิ์ความยืดหยุ่นมักจะคำนวณเป็นความยืดหยุ่นโดยเฉลี่ย
ค่าสัมประสิทธิ์ความยืดหยุ่นแสดงโดยเปอร์เซ็นต์โดยเฉลี่ยมูลค่าของลักษณะผลลัพธ์ที่จะเปลี่ยนแปลงโดยเฉลี่ย ที่เมื่อลักษณะปัจจัยเปลี่ยนแปลงไป เอ็กซ์ 1% ของมูลค่าเฉลี่ย:
ที่ไหน
– ค่าเฉลี่ยของตัวแปร เอ็กซ์และ ที่ในตัวอย่าง
การประเมินคุณภาพของแบบจำลองการถดถอยที่สร้างขึ้น
คุณภาพของโมเดลการถดถอย– ความเพียงพอของแบบจำลองที่สร้างขึ้นต่อข้อมูลต้นฉบับ (สังเกตได้)
เพื่อวัดความแน่นของการเชื่อมต่อ เช่น ในการวัดว่าค่าความใกล้เคียงกับฟังก์ชันนั้นอยู่ใกล้แค่ไหน คุณจะต้องพิจารณาความแปรปรวนซึ่งจะวัดค่าความเบี่ยงเบน ที่จาก ที่ เอ็กซ์และแสดงลักษณะความแปรผันของสารตกค้างเนื่องจากปัจจัยอื่นๆ เป็นพื้นฐานของตัวบ่งชี้ที่แสดงลักษณะของแบบจำลองการถดถอย
คุณภาพของการถดถอยแบบคู่ถูกกำหนดโดยใช้การกำหนดลักษณะสัมประสิทธิ์
1) ความใกล้ชิดของการเชื่อมต่อ - ดัชนีสหสัมพันธ์, ค่าสัมประสิทธิ์สหสัมพันธ์เชิงเส้นคู่;
2) ข้อผิดพลาดในการประมาณ;
3) คุณภาพของสมการการถดถอยและพารามิเตอร์แต่ละตัว - ค่าคลาดเคลื่อนกำลังสองเฉลี่ยของสมการการถดถอยโดยรวมและพารามิเตอร์แต่ละตัว
สำหรับสมการการถดถอยประเภทใดก็ตาม จะมีการกำหนดไว้ ดัชนีความสัมพันธ์ซึ่งแสดงเฉพาะความรัดกุมของการพึ่งพาสหสัมพันธ์เท่านั้นเช่น ระดับของการประมาณการเชื่อมต่อการทำงาน:
,
ที่ไหน – การกระจายตัวแบบแฟคทอเรียล (เชิงทฤษฎี)
– ความแปรปรวนทั้งหมด
ดัชนีความสัมพันธ์ใช้ค่า
ในเวลาเดียวกัน
ถ้า
ถ้า
- การเชื่อมต่อระหว่างป้ายต่างๆ เอ็กซ์และ ที่ใช้งานได้ดียิ่งขึ้น ถึง 1 ยิ่งพิจารณาความสัมพันธ์ระหว่างคุณลักษณะที่ศึกษามากขึ้นเท่านั้น ถ้า
จากนั้นถือว่าการเชื่อมต่อปิด
ความแปรปรวนที่จำเป็นในการคำนวณตัวบ่งชี้ความหนาแน่นของข้อต่อถูกคำนวณ:
ผลต่างรวมการวัดความแปรผันรวมเนื่องจากการกระทำของปัจจัยทั้งหมด:
ความแปรปรวนของปัจจัย (ทางทฤษฎี)การวัดความแปรผันของลักษณะผลลัพธ์ ที่เนื่องจากการกระทำของเครื่องหมายปัจจัย เอ็กซ์:
ผลต่างที่เหลือบ่งบอกถึงความแปรผันของลักษณะ ที่เนื่องจากปัจจัยทั้งหมดยกเว้น เอ็กซ์(เช่น ด้วยการยกเว้น เอ็กซ์):
จากนั้นตามกฎของการบวกผลต่าง:
คุณภาพของห้องอบไอน้ำ เชิงเส้นการถดถอยยังสามารถกำหนดได้โดยใช้ ค่าสัมประสิทธิ์สหสัมพันธ์เชิงเส้นคู่:
,
ที่ไหน
– ความแปรปรวนร่วมของตัวแปร เอ็กซ์และ ที่;
– ส่วนเบี่ยงเบนมาตรฐานของคุณลักษณะอิสระ
– ค่าเบี่ยงเบนมาตรฐานของลักษณะเฉพาะ
ค่าสัมประสิทธิ์สหสัมพันธ์เชิงเส้นแสดงถึงความใกล้ชิดและทิศทางของความสัมพันธ์ระหว่างคุณลักษณะที่กำลังศึกษา มีการวัดภายใน [-1; +1]:
ถ้า
– จากนั้นความเชื่อมโยงระหว่างคุณลักษณะจะเป็นทางตรง
ถ้า
– จากนั้นความสัมพันธ์ระหว่างสัญญาณจะกลับกัน
ถ้า
– ดังนั้นจึงไม่มีความเชื่อมโยงระหว่างคุณลักษณะ
ถ้า
หรือ
– จากนั้นการเชื่อมต่อระหว่างคุณลักษณะต่างๆ จะทำงานได้ เช่น โดดเด่นด้วยการติดต่อสื่อสารที่สมบูรณ์ระหว่าง เอ็กซ์และ ที่- ยิ่งใกล้. ถึง 1 ยิ่งพิจารณาความสัมพันธ์ระหว่างคุณลักษณะที่ศึกษามากขึ้นเท่านั้น
หากดัชนีสหสัมพันธ์ (สัมประสิทธิ์สหสัมพันธ์เชิงเส้นคู่) ถูกยกกำลังสอง เราจะได้ค่าสัมประสิทธิ์การกำหนด
ค่าสัมประสิทธิ์การตัดสินใจ– แสดงถึงส่วนแบ่งของความแปรปรวนของปัจจัยในผลรวม และแสดงด้วยเปอร์เซ็นต์ของการแปรผันของคุณลักษณะผลลัพธ์ ที่อธิบายโดยการแปรผันของคุณลักษณะของปัจจัย เอ็กซ์:
มันไม่ได้แสดงลักษณะเฉพาะของรูปแบบทั้งหมด ที่จากเครื่องหมายปัจจัย เอ็กซ์แต่เฉพาะส่วนที่สอดคล้องกับสมการการถดถอยเชิงเส้นเท่านั้น กล่าวคือ การแสดง ความถ่วงจำเพาะการแปรผันของคุณลักษณะผลลัพธ์ สัมพันธ์เชิงเส้นตรงกับการแปรผันของคุณลักษณะปัจจัย
ขนาด
– สัดส่วนของการแปรผันในลักษณะผลลัพธ์ที่แบบจำลองการถดถอยไม่สามารถนำมาพิจารณาได้
การกระจายตัวของจุดในฟิลด์สหสัมพันธ์อาจมีขนาดใหญ่มากและสมการการถดถอยที่คำนวณได้อาจทำให้เกิดข้อผิดพลาดอย่างมากในการประมาณค่าตัวบ่งชี้ที่วิเคราะห์
ข้อผิดพลาดในการประมาณค่าเฉลี่ยแสดงความเบี่ยงเบนเฉลี่ยของค่าที่คำนวณได้จากค่าจริง:
ค่าสูงสุดที่อนุญาตคือ 12–15%
ข้อผิดพลาดมาตรฐานคือการวัดการแพร่กระจายของตัวแปรตามรอบเส้นการถดถอย จะมีการคำนวณสำหรับชุดค่าที่สังเกตได้ทั้งหมด มาตรฐาน (rms) ข้อผิดพลาดสมการถดถอยซึ่งเป็นค่าเบี่ยงเบนมาตรฐานของค่าจริง ที่สัมพันธ์กับค่าทางทฤษฎีที่คำนวณโดยใช้สมการถดถอย ที่ เอ็กซ์ .
,
ที่ไหน
– จำนวนระดับความเป็นอิสระ
ม– จำนวนพารามิเตอร์ของสมการถดถอย (สำหรับสมการเส้นตรง ม=2).
ประมาณการค่าเฉลี่ย ข้อผิดพลาดกำลังสองคุณสามารถเปรียบเทียบมันได้
ก) ด้วยค่าเฉลี่ยของลักษณะผลลัพธ์ ที่;
b) มีค่าเบี่ยงเบนมาตรฐานของคุณลักษณะ ที่:
ถ้า
ดังนั้นการใช้สมการถดถอยนี้มีความเหมาะสม
ประเมินแยกกัน มาตรฐาน ข้อผิดพลาด (ค่าเฉลี่ยกำลังสอง) ของพารามิเตอร์สมการและดัชนีสหสัมพันธ์:
;
;
.
เอ็กซ์– ส่วนเบี่ยงเบนมาตรฐาน เอ็กซ์.
การตรวจสอบความสำคัญของสมการถดถอยและตัวบ่งชี้ความแน่นของการเชื่อมต่อ
เพื่อให้แบบจำลองที่สร้างขึ้นนำไปใช้ในการคำนวณทางเศรษฐกิจต่อไป การตรวจสอบคุณภาพของแบบจำลองที่สร้างขึ้นนั้นยังไม่เพียงพอ นอกจากนี้ยังจำเป็นต้องตรวจสอบนัยสำคัญ (นัยสำคัญ) ของการประมาณสมการการถดถอยที่ได้รับโดยใช้วิธีกำลังสองน้อยที่สุดและตัวบ่งชี้ความแข็งแกร่งของความสัมพันธ์ เช่น จำเป็นต้องตรวจสอบความสอดคล้องกับพารามิเตอร์ที่แท้จริงของความสัมพันธ์
นี่เป็นเพราะความจริงที่ว่าตัวบ่งชี้ที่คำนวณจากประชากรที่จำกัดยังคงรักษาองค์ประกอบของการสุ่มที่มีอยู่ในค่าแต่ละค่าของคุณลักษณะ ดังนั้นจึงเป็นเพียงการประมาณการรูปแบบทางสถิติบางอย่างเท่านั้น จำเป็นต้องประเมินระดับความถูกต้องและความสำคัญ (ความน่าเชื่อถือ นัยสำคัญ) ของพารามิเตอร์การถดถอย ภายใต้ ความสำคัญเข้าใจความน่าจะเป็นที่ค่าของพารามิเตอร์ที่จะทดสอบไม่เป็นศูนย์และไม่รวมค่าของเครื่องหมายตรงกันข้าม
การตรวจสอบความสำคัญ– การตรวจสอบสมมติฐานว่าพารามิเตอร์แตกต่างจากศูนย์
การประเมินความสำคัญของสมการถดถอยคู่ลงมาเพื่อทดสอบสมมติฐานเกี่ยวกับความสำคัญของสมการถดถอยโดยรวมและพารามิเตอร์แต่ละตัว ( ก, ข) สัมประสิทธิ์คู่ของการกำหนดหรือดัชนีสหสัมพันธ์
ในกรณีนี้สามารถหยิบยกสิ่งต่อไปนี้: สมมติฐานหลักชม 0 :
1)
– ค่าสัมประสิทธิ์การถดถอยไม่มีนัยสำคัญและสมการการถดถอยก็ไม่มีนัยสำคัญเช่นกัน
2)
– ค่าสัมประสิทธิ์การจับคู่ของการกำหนดไม่มีนัยสำคัญและสมการการถดถอยก็ไม่มีนัยสำคัญเช่นกัน
สมมติฐานต่อไปนี้เป็นทางเลือก (หรือย้อนกลับ):
1)
– ค่าสัมประสิทธิ์การถดถอยแตกต่างอย่างมีนัยสำคัญจากศูนย์ และสมการการถดถอยที่สร้างขึ้นมีนัยสำคัญ
2)
– ค่าสัมประสิทธิ์การจับคู่ของการกำหนดมีความแตกต่างอย่างมีนัยสำคัญจากศูนย์ และสมการการถดถอยที่สร้างขึ้นนั้นมีนัยสำคัญ
ทดสอบสมมติฐานเกี่ยวกับความสำคัญของสมการถดถอยคู่
เพื่อทดสอบสมมติฐานเกี่ยวกับความไม่มีนัยสำคัญทางสถิติของสมการการถดถอยโดยรวมและสัมประสิทธิ์การกำหนด เราใช้ เอฟ-เกณฑ์(การทดสอบฟิชเชอร์):
หรือ
ที่ไหน เค 1 = ม–1 ; เค 2 = n– ม – จำนวนระดับความเป็นอิสระ
n– จำนวนหน่วยประชากร
ม– จำนวนพารามิเตอร์สมการถดถอย
– การกระจายตัวของปัจจัย
–ความแปรปรวนคงเหลือ
สมมติฐานได้รับการทดสอบดังนี้:
1) ถ้าเป็นค่าจริง (สังเกตได้) เอฟ-เกณฑ์มีค่ามากกว่าค่าวิกฤต (ตาราง) ของเกณฑ์นี้
แล้วด้วยความน่าจะเป็น
สมมติฐานหลักเกี่ยวกับความไม่มีนัยสำคัญของสมการการถดถอยหรือสัมประสิทธิ์การกำหนดคู่ถูกปฏิเสธ และถือว่าสมการการถดถอยมีนัยสำคัญ
2) ถ้าค่าจริง (สังเกตได้) ของเกณฑ์ F น้อยกว่าค่าวิกฤตของเกณฑ์นี้
แล้วมีความน่าจะเป็น (
) ยอมรับสมมติฐานหลักเกี่ยวกับความไม่มีนัยสำคัญของสมการการถดถอยหรือค่าสัมประสิทธิ์การจับคู่ที่เป็นที่ยอมรับ และสมการการถดถอยที่สร้างขึ้นถือว่าไม่มีนัยสำคัญ
ค่าวิกฤต เอฟ-เกณฑ์จะพบได้ในตารางที่เกี่ยวข้องขึ้นอยู่กับระดับนัยสำคัญ และจำนวนระดับความเป็นอิสระ
.
จำนวนองศาความเป็นอิสระ– ตัวบ่งชี้ซึ่งหมายถึงความแตกต่างระหว่างขนาดตัวอย่าง ( n) และจำนวนพารามิเตอร์โดยประมาณสำหรับตัวอย่างที่กำหนด ( ม- สำหรับแบบจำลองการถดถอยแบบคู่ จำนวนองศาอิสระจะถูกคำนวณดังนี้
เนื่องจากพารามิเตอร์สองตัวถูกประมาณจากตัวอย่าง (
).
ระดับความสำคัญ
– มูลค่าที่กำหนด
,
ที่ไหน – ความน่าจะเป็นความเชื่อมั่นของพารามิเตอร์โดยประมาณที่ตกอยู่ในช่วงความเชื่อมั่น โดยปกติจะยอมรับ 0.95 ดังนั้น คือความน่าจะเป็นที่พารามิเตอร์โดยประมาณจะไม่ตกอยู่ในช่วงความเชื่อมั่น เท่ากับ 0.05 (5%)
จากนั้น ในกรณีประเมินนัยสำคัญของสมการการถดถอยคู่ ค่าวิกฤตของการทดสอบ F จะถูกคำนวณดังนี้
:
.
การทดสอบสมมติฐานเกี่ยวกับความสำคัญของพารามิเตอร์ของสมการถดถอยคู่และดัชนีสหสัมพันธ์
เมื่อตรวจสอบความสำคัญของพารามิเตอร์ของสมการ (สมมติฐานว่าพารามิเตอร์แตกต่างจากศูนย์) สมมติฐานหลักจะถูกหยิบยกขึ้นมาเกี่ยวกับความไม่มีนัยสำคัญของการประมาณค่าที่ได้รับ (
- เนื่องจากมีการนำเสนอสมมติฐานทางเลือก (ผกผัน) เกี่ยวกับความสำคัญของพารามิเตอร์ของสมการ (
).
เพื่อทดสอบสมมติฐานที่หยิบยกมาใช้ ที
-เกณฑ์
(ที-สถิติ) การทดสอบของนักเรียน- ค่าที่สังเกตได้ ที-เกณฑ์จะถูกเปรียบเทียบกับค่า ที-เกณฑ์ที่กำหนดจากตารางการแจกแจงนักเรียน (ค่าวิกฤต) ค่าวิกฤต ที-เกณฑ์
ขึ้นอยู่กับพารามิเตอร์สองตัว: ระดับนัยสำคัญ และจำนวนระดับความเป็นอิสระ
.
สมมติฐานที่นำเสนอได้รับการทดสอบดังนี้:
1) ถ้าเป็นค่าสัมบูรณ์ของค่าที่สังเกตได้ ที-เกณฑ์ที่มากกว่าค่าวิกฤต ที-เกณฑ์ เช่น
แล้วด้วยความน่าจะเป็น
สมมติฐานหลักเกี่ยวกับความไม่มีนัยสำคัญของพารามิเตอร์การถดถอยถูกปฏิเสธ เช่น พารามิเตอร์การถดถอยไม่เท่ากับ 0
2) ถ้าเป็นค่าสัมบูรณ์ของค่าที่สังเกตได้ ที-เกณฑ์มีค่าน้อยกว่าหรือเท่ากับค่าวิกฤต ที-เกณฑ์ เช่น
แล้วด้วยความน่าจะเป็น
ยอมรับสมมติฐานหลักเกี่ยวกับความไม่มีนัยสำคัญของพารามิเตอร์การถดถอยเช่น พารามิเตอร์การถดถอยแทบจะไม่แตกต่างจาก 0 หรือเท่ากับ 0
การประเมินความสำคัญของค่าสัมประสิทธิ์การถดถอยโดยใช้การทดสอบของนักเรียนนั้นดำเนินการโดยการเปรียบเทียบค่าประมาณกับค่าของข้อผิดพลาดมาตรฐาน:
;
เพื่อประเมินนัยสำคัญทางสถิติของดัชนีสหสัมพันธ์ (สัมประสิทธิ์เชิงเส้น) ก็ถูกนำมาใช้เช่นกัน ที-แบบทดสอบของนักเรียน
กระทรวงศึกษาธิการและวิทยาศาสตร์แห่งสหพันธรัฐรัสเซีย
หน่วยงานกลางเพื่อการศึกษา
สถานะ สถาบันการศึกษาการศึกษาวิชาชีพชั้นสูง
สถาบันการเงินและเศรษฐกิจทางจดหมายทั้งหมดของรัสเซีย
สาขาในตูลา
ทดสอบ
ในสาขาวิชา "เศรษฐมิติ"
ตูลา - 2010
ปัญหาที่ 2 (ก, ข)
สำหรับองค์กรอุตสาหกรรมเบาได้รับข้อมูลที่แสดงถึงการพึ่งพาปริมาณผลผลิต (Y, ล้านรูเบิล) กับปริมาณการลงทุน (X, ล้านรูเบิล) ตาราง 1.
เอ็กซ์ | 33 | 17 | 23 | 17 | 36 | 25 | 39 | 20 | 13 | 12 |
ย | 43 | 27 | 32 | 29 | 45 | 35 | 47 | 32 | 22 | 24 |
ที่จำเป็น:
1. ค้นหาพารามิเตอร์ของสมการการถดถอยเชิงเส้น ให้การตีความทางเศรษฐศาสตร์ของสัมประสิทธิ์การถดถอย
2. คำนวณส่วนที่เหลือ ค้นหาผลรวมที่เหลือของกำลังสอง ประมาณการความแปรปรวนของส่วนที่เหลือ
- วางแผนส่วนที่เหลือ3. ตรวจสอบการปฏิบัติตามข้อกำหนดเบื้องต้นของ MNC
4. ตรวจสอบความสำคัญของพารามิเตอร์ของสมการถดถอยโดยใช้การทดสอบของนักเรียน (α=0.05)
5. คำนวณค่าสัมประสิทธิ์การกำหนด ตรวจสอบความสำคัญของสมการถดถอยโดยใช้การทดสอบ F ของฟิชเชอร์ (α=0.05) ค้นหาค่าคลาดเคลื่อนสัมพัทธ์โดยเฉลี่ยของการประมาณ สรุปเกี่ยวกับคุณภาพของแบบจำลอง
6. ทำนายค่าเฉลี่ยของตัวบ่งชี้ Y ที่ระดับนัยสำคัญ α=0.1 หากค่าที่ทำนายของปัจจัย X คือ 80% ของค่าสูงสุด
7. นำเสนอแบบกราฟิก: ค่าจริงและแบบจำลอง Y, จุดพยากรณ์
8. สร้างสมการถดถอยไม่เชิงเส้น:
ซึ่งเกินความจริง;
สงบ;
บ่งชี้
แสดงกราฟของสมการถดถอยที่สร้างขึ้น
9. สำหรับรุ่นที่ระบุ ให้ค้นหาค่าสัมประสิทธิ์การกำหนดและค่าเฉลี่ย ข้อผิดพลาดที่เกี่ยวข้องการประมาณ เปรียบเทียบแบบจำลองตามคุณลักษณะเหล่านี้และสรุปผล
1. โมเดลเชิงเส้นมีรูปแบบ:
เราค้นหาพารามิเตอร์ของสมการการถดถอยเชิงเส้นโดยใช้สูตร
การคำนวณค่าพารามิเตอร์แสดงไว้ในตาราง 2.
ที | ย | x | ใช่ | |||||||
1 | 43 | 33 | 1419 | 1089 | 42,236 | 0,764 | 0,584 | 90,25 | 88,36 | 0,018 |
2 | 27 | 17 | 459 | 289 | 27,692 | -0,692 | 0,479 | 42,25 | 43,56 | 0,026 |
3 | 32 | 23 | 736 | 529 | 33,146 | -1,146 | 1,313 | 0,25 | 2,56 | 0,036 |
4 | 29 | 17 | 493 | 289 | 27,692 | 1,308 | 1,711 | 42,25 | 21,16 | 0,045 |
5 | 45 | 36 | 1620 | 1296 | 44,963 | 0,037 | 0,001 | 156,25 | 129,96 | 0,001 |
6 | 35 | 25 | 875 | 625 | 34,964 | 0,036 | 0,001 | 2,25 | 1,96 | 0,001 |
7 | 47 | 39 | 1833 | 1521 | 47,69 | -0,69 | 0,476 | 240,25 | 179,56 | 0,015 |
8 | 32 | 20 | 640 | 400 | 30,419 | 1,581 | 2,500 | 12,25 | 2,56 | 0,049 |
9 | 22 | 13 | 286 | 169 | 24,056 | -2,056 | 4,227 | 110,25 | 134,56 | 0,093 |
10 | 24 | 12 | 288 | 144 | 23,147 | 0,853 | 0,728 | 132,25 | 92,16 | 0,036 |
∑ | 336 | 235 | 8649 | 6351 | 12,020 | 828,5 | 696,4 | 0,32 | ||
เฉลี่ย | 33,6 | 23,5 | 864,9 | 635,1 |
มากำหนดพารามิเตอร์ของโมเดลเชิงเส้นกัน
โมเดลเชิงเส้นมีรูปแบบ
สัมประสิทธิ์การถดถอย
แสดงให้เห็นว่าเอาต์พุต Y เพิ่มขึ้นโดยเฉลี่ย 0.909 ล้านรูเบิล ด้วยปริมาณการลงทุนเพิ่มขึ้น X 1 ล้านรูเบิล2. คำนวณส่วนที่เหลือ
ผลรวมที่เหลือของกำลังสอง เราจะค้นหาความแปรปรวนที่เหลือโดยใช้สูตร:การคำนวณแสดงไว้ในตาราง 2.
ข้าว. 1. กราฟของสารตกค้าง ε
3. มาตรวจสอบการปฏิบัติตามข้อกำหนดเบื้องต้นของ OLS ตามเกณฑ์ Durbin-Watson
0,584 | |
2,120 | 0,479 |
0,206 | 1,313 |
6,022 | 1,711 |
1,615 | 0,001 |
0,000 | 0,001 |
0,527 | 0,476 |
5,157 | 2,500 |
13,228 | 4,227 |
2,462 | 0,728 |
31,337 | 12,020 |
d1=0.88; d2=1.32 สำหรับ α=0.05, n=10, k=1
,ซึ่งหมายความว่าจำนวนที่เหลือไม่มีความสัมพันธ์กัน
4. มาตรวจสอบความสำคัญของพารามิเตอร์สมการจากการทดสอบของนักเรียนกันดีกว่า (α=0.05)
สำหรับ ν=8; α=0.05.การคำนวณมูลค่า
ผลิตในตาราง 2. เราได้รับ:จากนั้นเราสามารถสรุปได้ว่าสัมประสิทธิ์การถดถอย a และ b มีนัยสำคัญโดยมีความน่าจะเป็น 0.95
5. ค้นหาค่าสัมประสิทธิ์สหสัมพันธ์โดยใช้สูตร
เราจะทำการคำนวณในตาราง 2.
- ที่. ความสัมพันธ์ระหว่างจำนวนเงินลงทุน X และผลผลิต Y ถือว่าใกล้เคียงกันเพราะ -เราหาค่าสัมประสิทธิ์การตัดสินใจโดยใช้สูตร
ในระหว่างการศึกษา นักเรียนมักจะพบกับสมการที่หลากหลาย หนึ่งในนั้นคือสมการการถดถอย ซึ่งมีการกล่าวถึงในบทความนี้ สมการประเภทนี้ใช้เพื่ออธิบายคุณลักษณะของความสัมพันธ์ระหว่างพารามิเตอร์ทางคณิตศาสตร์โดยเฉพาะ ความเท่าเทียมกันประเภทนี้ใช้ในสถิติและเศรษฐมิติ
คำจำกัดความของการถดถอย
ในทางคณิตศาสตร์ การถดถอยหมายถึงปริมาณที่แน่นอนซึ่งอธิบายการพึ่งพาค่าเฉลี่ยของชุดข้อมูลกับค่าของปริมาณอื่น สมการการถดถอยจะแสดงค่าเฉลี่ยของคุณลักษณะอื่นเป็นฟังก์ชันของคุณลักษณะหนึ่งๆ ฟังก์ชันการถดถอยมีรูปแบบของสมการง่ายๆ y = x โดยที่ y ทำหน้าที่เป็นตัวแปรตาม และ x เป็นตัวแปรอิสระ (ฟีเจอร์-แฟคเตอร์) ในความเป็นจริง การถดถอยจะแสดงเป็น y = f (x)
ความสัมพันธ์ระหว่างตัวแปรมีกี่ประเภท?
โดยทั่วไป มีความสัมพันธ์สองประเภทที่ตรงข้ามกัน: สหสัมพันธ์และการถดถอย
ประการแรกมีลักษณะเฉพาะคือความเท่าเทียมกันของตัวแปรตามเงื่อนไข ในกรณีนี้ ไม่สามารถทราบได้อย่างน่าเชื่อถือว่าตัวแปรใดขึ้นอยู่กับตัวแปรอื่น
หากไม่มีความเท่าเทียมกันระหว่างตัวแปรและเงื่อนไขที่บอกว่าตัวแปรใดเป็นคำอธิบายและขึ้นอยู่กับตัวแปรใด เราสามารถพูดคุยเกี่ยวกับการมีอยู่ของการเชื่อมต่อประเภทที่สองได้ ในการสร้างสมการการถดถอยเชิงเส้น จำเป็นต้องค้นหาว่าความสัมพันธ์ประเภทใดที่สังเกตได้
ประเภทของการถดถอย
ปัจจุบัน มีการถดถอยที่แตกต่างกัน 7 ประเภท: ไฮเพอร์โบลิก, เชิงเส้น, พหุคูณ, ไม่เชิงเส้น, เป็นคู่, ผกผัน, เชิงเส้นแบบลอการิทึม
ไฮเปอร์โบลิก เชิงเส้น และลอการิทึม
สมการการถดถอยเชิงเส้นใช้ในสถิติเพื่ออธิบายพารามิเตอร์ของสมการอย่างชัดเจน ดูเหมือนว่า y = c+t*x+E สมการไฮเพอร์โบลิกมีรูปแบบของไฮเปอร์โบลาปกติ y = c + m / x + E ในทางลอการิทึม สมการเชิงเส้นแสดงความสัมพันธ์โดยใช้ฟังก์ชันลอการิทึม: In y = In c + m* In x + In E.
หลายรายการและไม่เชิงเส้น
อีกสอง ประเภทที่ซับซ้อนการถดถอยเป็นแบบทวีคูณและไม่เป็นเชิงเส้น สมการการถดถอยพหุคูณแสดงโดยฟังก์ชัน y = f(x 1, x 2 ... x c) + E ในสถานการณ์นี้ y ทำหน้าที่เป็นตัวแปรตาม และ x ทำหน้าที่เป็นตัวแปรอธิบาย ตัวแปร E เป็นแบบสุ่ม โดยรวมถึงอิทธิพลของปัจจัยอื่นๆ ในสมการด้วย สมการการถดถอยแบบไม่เชิงเส้นยังมีข้อโต้แย้งอยู่บ้าง ในแง่หนึ่ง เมื่อเทียบกับตัวบ่งชี้ที่นำมาพิจารณา มันไม่เชิงเส้น แต่ในทางกลับกัน ในบทบาทของการประเมินตัวบ่งชี้ มันเป็นเชิงเส้น
การถดถอยประเภทผกผันและคู่
ค่าผกผันเป็นฟังก์ชันประเภทหนึ่งที่ต้องแปลง มุมมองเชิงเส้น- ในแอปพลิเคชันแบบดั้งเดิมส่วนใหญ่ จะมีรูปแบบของฟังก์ชัน y = 1/c + m*x+E สมการการถดถอยแบบคู่แสดงความสัมพันธ์ระหว่างข้อมูลเป็นฟังก์ชันของ y = f (x) + E เช่นเดียวกับสมการอื่นๆ y ขึ้นอยู่กับ x และ E เป็นพารามิเตอร์สุ่ม
แนวคิดเรื่องความสัมพันธ์
นี่เป็นตัวบ่งชี้ที่แสดงให้เห็นถึงความสัมพันธ์ระหว่างปรากฏการณ์หรือกระบวนการสองอย่าง ความเข้มแข็งของความสัมพันธ์แสดงเป็นค่าสัมประสิทธิ์สหสัมพันธ์ ค่าของมันผันผวนภายในช่วง [-1;+1] ตัวบ่งชี้เชิงลบบ่งบอกถึงการมีอยู่ ข้อเสนอแนะ, บวก - เกี่ยวกับเส้นตรง หากค่าสัมประสิทธิ์รับค่าเท่ากับ 0 แสดงว่าไม่มีความสัมพันธ์ ยิ่งค่าเข้าใกล้ 1 มากเท่าใด ความสัมพันธ์ระหว่างพารามิเตอร์ก็จะยิ่งมากขึ้นเท่านั้น
วิธีการ
ความสัมพันธ์ วิธีการแบบพาราเมตริกสามารถประเมินความใกล้ชิดของความสัมพันธ์ได้ ใช้บนพื้นฐานของการประมาณการกระจายเพื่อศึกษาพารามิเตอร์ที่เป็นไปตามกฎการแจกแจงแบบปกติ
พารามิเตอร์ของสมการการถดถอยเชิงเส้นจำเป็นต่อการระบุประเภทของการพึ่งพา ฟังก์ชันของสมการการถดถอย และประเมินตัวบ่งชี้ของสูตรความสัมพันธ์ที่เลือก ฟิลด์ความสัมพันธ์จะใช้เป็นวิธีระบุการเชื่อมต่อ เมื่อต้องการทำเช่นนี้ ข้อมูลที่มีอยู่ทั้งหมดจะต้องแสดงเป็นภาพกราฟิก ข้อมูลที่ทราบทั้งหมดจะต้องถูกลงจุดในระบบพิกัดสองมิติรูปสี่เหลี่ยมผืนผ้า นี่คือวิธีการสร้างฟิลด์สหสัมพันธ์ ค่าของปัจจัยที่อธิบายจะถูกทำเครื่องหมายตามแกน abscissa ในขณะที่ค่าของปัจจัยที่ขึ้นอยู่กับจะถูกทำเครื่องหมายตามแกนกำหนด หากมีความสัมพันธ์เชิงฟังก์ชันระหว่างพารามิเตอร์ พารามิเตอร์เหล่านั้นจะเรียงกันเป็นเส้น
หากค่าสัมประสิทธิ์สหสัมพันธ์ของข้อมูลดังกล่าวน้อยกว่า 30% เราอาจพูดถึงการขาดการเชื่อมต่อที่เกือบจะสมบูรณ์ หากอยู่ระหว่าง 30% ถึง 70% แสดงว่ามีการเชื่อมต่อแบบปิดปานกลาง ตัวบ่งชี้ 100% เป็นหลักฐานของการเชื่อมต่อที่ใช้งานได้
สมการการถดถอยแบบไม่เชิงเส้น เช่นเดียวกับสมการเชิงเส้น จะต้องเสริมด้วยดัชนีสหสัมพันธ์ (R)
สหสัมพันธ์สำหรับการถดถอยพหุคูณ
ค่าสัมประสิทธิ์การกำหนดคือเลขชี้กำลังกำลังสอง ความสัมพันธ์หลายประการ- เขาพูดถึงความสัมพันธ์ที่ใกล้ชิดของชุดตัวบ่งชี้ที่นำเสนอกับคุณลักษณะที่กำลังศึกษาอยู่ นอกจากนี้ยังสามารถพูดคุยเกี่ยวกับลักษณะของอิทธิพลของพารามิเตอร์ที่มีต่อผลลัพธ์ได้ สมการการถดถอยพหุคูณประมาณโดยใช้ตัวบ่งชี้นี้
ในการคำนวณตัวบ่งชี้ความสัมพันธ์หลายรายการ จำเป็นต้องคำนวณดัชนี
วิธีกำลังสองน้อยที่สุด
วิธีนี้เป็นวิธีการประมาณค่าปัจจัยการถดถอย สาระสำคัญของมันคือการลดผลรวมของการเบี่ยงเบนกำลังสองที่ได้รับอันเป็นผลมาจากการพึ่งพาปัจจัยในฟังก์ชัน
สมการการถดถอยเชิงเส้นแบบคู่สามารถประมาณได้โดยใช้วิธีการดังกล่าว สมการประเภทนี้ใช้เมื่อตรวจพบความสัมพันธ์เชิงเส้นคู่ระหว่างตัวบ่งชี้
พารามิเตอร์สมการ
พารามิเตอร์แต่ละตัวของฟังก์ชันการถดถอยเชิงเส้นมีความหมายเฉพาะ สมการการถดถอยเชิงเส้นคู่ประกอบด้วยพารามิเตอร์สองตัว: c และ m พารามิเตอร์ m แสดงให้เห็นถึงการเปลี่ยนแปลงโดยเฉลี่ยในตัวบ่งชี้สุดท้ายของฟังก์ชัน y โดยมีเงื่อนไขว่าตัวแปร x ลดลง (เพิ่มขึ้น) หนึ่งหน่วยทั่วไป ถ้าตัวแปร x เป็นศูนย์ ฟังก์ชันจะเท่ากับพารามิเตอร์ c ถ้าตัวแปร x ไม่เป็นศูนย์ แสดงว่าปัจจัย c จะไม่มีการดำเนินการ ความรู้สึกทางเศรษฐกิจ- สิ่งเดียวที่มีอิทธิพลต่อฟังก์ชันคือเครื่องหมายที่อยู่หน้าตัวประกอบ c หากมีลบก็บอกได้ว่าการเปลี่ยนแปลงในผลลัพธ์นั้นช้าเมื่อเทียบกับปัจจัย หากมีเครื่องหมายบวก แสดงว่าผลลัพธ์มีการเปลี่ยนแปลงอย่างรวดเร็ว
พารามิเตอร์แต่ละตัวที่เปลี่ยนค่าของสมการการถดถอยสามารถแสดงผ่านสมการได้ ตัวอย่างเช่น ตัวประกอบ c มีรูปแบบ c = y - mx
ข้อมูลที่จัดกลุ่ม
มีเงื่อนไขของงานที่ข้อมูลทั้งหมดถูกจัดกลุ่มตามคุณลักษณะ x แต่สำหรับกลุ่มบางกลุ่มจะมีการระบุค่าเฉลี่ยที่สอดคล้องกันของตัวบ่งชี้ที่ขึ้นอยู่กับ ในกรณีนี้ ค่าเฉลี่ยจะกำหนดลักษณะของตัวบ่งชี้ที่ขึ้นอยู่กับการเปลี่ยนแปลง x ดังนั้นข้อมูลที่จัดกลุ่มจะช่วยค้นหาสมการถดถอย มันถูกใช้เป็นการวิเคราะห์ความสัมพันธ์ อย่างไรก็ตาม วิธีนี้มีข้อเสียอยู่ น่าเสียดายที่ตัวชี้วัดโดยเฉลี่ยมักขึ้นอยู่กับความผันผวนจากภายนอก ความผันผวนเหล่านี้ไม่ได้สะท้อนถึงรูปแบบของความสัมพันธ์ แต่เพียงแต่ปกปิด "เสียงรบกวน" เท่านั้น ค่าเฉลี่ยแสดงรูปแบบของความสัมพันธ์ที่แย่กว่าสมการถดถอยเชิงเส้นมาก อย่างไรก็ตามสามารถใช้เป็นพื้นฐานในการค้นหาสมการได้ โดยการคูณจำนวนประชากรแต่ละรายด้วยค่าเฉลี่ยที่สอดคล้องกัน เราจะได้ผลรวม y ภายในกลุ่ม ถัดไป คุณต้องบวกจำนวนเงินทั้งหมดที่ได้รับและค้นหาตัวบ่งชี้สุดท้าย y การคำนวณด้วยตัวบ่งชี้ผลรวม xy จะยากขึ้นเล็กน้อย หากช่วงเวลาน้อย เราสามารถนำตัวบ่งชี้ x สำหรับทุกหน่วย (ภายในกลุ่ม) ให้เท่ากันตามเงื่อนไขได้ คุณควรคูณมันด้วยผลรวมของ y เพื่อหาผลรวมของผลคูณของ x และ y ต่อไป จำนวนเงินทั้งหมดจะถูกบวกเข้าด้วยกัน และจะได้จำนวน xy ทั้งหมด
สมการการถดถอยหลายคู่: การประเมินความสำคัญของความสัมพันธ์
ตามที่กล่าวไว้ข้างต้น การถดถอยพหุคูณมีฟังก์ชันในรูปแบบ y = f (x 1,x 2,…,x m)+E ส่วนใหญ่แล้วสมการดังกล่าวจะใช้ในการแก้ปัญหาอุปสงค์และอุปทานของผลิตภัณฑ์ ดอกเบี้ยรับจากหุ้นที่ซื้อคืน และเพื่อศึกษาสาเหตุและประเภทของฟังก์ชันต้นทุนการผลิต นอกจากนี้ยังใช้กันอย่างแพร่หลายในการศึกษาและการคำนวณเศรษฐศาสตร์มหภาคที่หลากหลาย แต่ในระดับเศรษฐศาสตร์จุลภาคสมการนี้มีการใช้น้อยกว่าเล็กน้อย
ภารกิจหลักของการถดถอยพหุคูณคือการสร้างแบบจำลองข้อมูลที่มีข้อมูลจำนวนมากเพื่อกำหนดเพิ่มเติมว่าปัจจัยใดที่มีอิทธิพลต่อแต่ละปัจจัยแยกกันและในจำนวนรวมทั้งหมดที่มีต่อตัวบ่งชี้ที่จำเป็นต้องมีการสร้างแบบจำลองและค่าสัมประสิทธิ์ของมัน สมการการถดถอยสามารถรับค่าได้หลากหลาย ในกรณีนี้ เพื่อประเมินความสัมพันธ์ มักใช้ฟังก์ชันสองประเภท: เชิงเส้นและไม่เชิงเส้น
ฟังก์ชันเชิงเส้นแสดงในรูปแบบของความสัมพันธ์ต่อไปนี้: y = a 0 + a 1 x 1 + a 2 x 2,+ ... + a m x m ในกรณีนี้ a2, a m ถือเป็นสัมประสิทธิ์การถดถอย "บริสุทธิ์" จำเป็นต้องระบุลักษณะการเปลี่ยนแปลงโดยเฉลี่ยในพารามิเตอร์ y โดยมีการเปลี่ยนแปลง (ลดลงหรือเพิ่มขึ้น) ในแต่ละพารามิเตอร์ x ที่สอดคล้องกันทีละหนึ่งหน่วย ขึ้นอยู่กับค่าคงที่ของตัวบ่งชี้อื่น ๆ
ตัวอย่างเช่น สมการไม่เชิงเส้นมีรูปแบบ ฟังก์ชั่นพลังงาน y=ขวาน 1 b1 x 2 b2 ...x ม. bm . ในกรณีนี้ตัวบ่งชี้ b 1, b 2 ..... b m เรียกว่าค่าสัมประสิทธิ์ความยืดหยุ่นซึ่งแสดงให้เห็นว่าผลลัพธ์จะเปลี่ยนแปลงอย่างไร (เท่าใด%) เมื่อเพิ่มขึ้น (ลดลง) ในตัวบ่งชี้ที่เกี่ยวข้อง x 1% และ โดยมีดัชนีชี้วัดปัจจัยอื่นๆ คงที่
ปัจจัยใดที่ต้องนำมาพิจารณาเมื่อสร้างการถดถอยพหุคูณ
เพื่อที่จะสร้างให้ถูกต้อง การถดถอยหลายครั้งจำเป็นต้องค้นหาว่าปัจจัยใดควรให้ความสำคัญเป็นพิเศษ
จำเป็นต้องมีความเข้าใจธรรมชาติของความสัมพันธ์ระหว่างปัจจัยทางเศรษฐกิจกับสิ่งที่กำลังอยู่ในแบบจำลอง ปัจจัยที่จะต้องรวมจะต้องเป็นไปตามเกณฑ์ต่อไปนี้:
- จะต้องอยู่ภายใต้การวัดเชิงปริมาณ ในการใช้ปัจจัยที่อธิบายคุณภาพของวัตถุ ไม่ว่าในกรณีใด ควรให้รูปแบบเชิงปริมาณ
- ไม่ควรมีความสัมพันธ์ระหว่างปัจจัยหรือความสัมพันธ์เชิงหน้าที่ การกระทำดังกล่าวมักนำไปสู่ ผลที่ตามมาที่ไม่สามารถย้อนกลับได้- ระบบสมการธรรมดาไม่มีเงื่อนไข และส่งผลให้เกิดความไม่น่าเชื่อถือและการประมาณค่าที่ไม่ชัดเจน
- ในกรณีของตัวบ่งชี้ความสัมพันธ์ขนาดใหญ่ ไม่มีทางที่จะค้นหาอิทธิพลที่แยกได้ของปัจจัยที่มีต่อผลลัพธ์สุดท้ายของตัวบ่งชี้ ดังนั้นค่าสัมประสิทธิ์จึงไม่สามารถตีความได้
วิธีการก่อสร้าง
มีวิธีการและวิธีการมากมายที่อธิบายวิธีที่คุณสามารถเลือกปัจจัยสำหรับสมการได้ อย่างไรก็ตาม วิธีการทั้งหมดนี้ขึ้นอยู่กับการเลือกค่าสัมประสิทธิ์โดยใช้ตัวบ่งชี้สหสัมพันธ์ ในหมู่พวกเขาคือ:
- วิธีการกำจัด
- วิธีการสลับ
- การวิเคราะห์การถดถอยแบบขั้นตอน
วิธีแรกเกี่ยวข้องกับการกรองค่าสัมประสิทธิ์ทั้งหมดออกจากชุดทั้งหมด วิธีที่สองเกี่ยวข้องกับการแนะนำปัจจัยเพิ่มเติมหลายประการ อย่างที่สามคือการกำจัดปัจจัยที่เคยใช้สำหรับสมการก่อนหน้านี้ แต่ละวิธีเหล่านี้มีสิทธิ์ที่จะมีอยู่ พวกเขามีข้อดีและข้อเสีย แต่พวกเขาก็สามารถแก้ไขปัญหาการกำจัดตัวบ่งชี้ที่ไม่จำเป็นด้วยวิธีของตนเองได้ ตามกฎแล้วผลลัพธ์ที่ได้รับจากแต่ละวิธีค่อนข้างใกล้เคียงกัน
วิธีการวิเคราะห์หลายตัวแปร
วิธีการกำหนดปัจจัยดังกล่าวขึ้นอยู่กับการพิจารณาลักษณะเฉพาะที่เกี่ยวข้องกัน ซึ่งรวมถึงการวิเคราะห์จำแนก การจดจำรูปร่าง การวิเคราะห์องค์ประกอบหลัก และการวิเคราะห์คลัสเตอร์ นอกจากนี้ยังมีการวิเคราะห์ปัจจัยด้วย แต่ปรากฏเนื่องจากการพัฒนาวิธีการแบบองค์ประกอบ ทั้งหมดมีผลบังคับใช้ในบางสถานการณ์ ขึ้นอยู่กับเงื่อนไขและปัจจัยบางประการ
หากมีความสัมพันธ์ระหว่างปัจจัยและคุณลักษณะด้านประสิทธิภาพ แพทย์มักจะต้องกำหนดจำนวนค่าของคุณลักษณะหนึ่งที่สามารถเปลี่ยนแปลงได้ เมื่ออีกค่าหนึ่งเปลี่ยนเป็นหน่วยการวัดที่ยอมรับโดยทั่วไปหรือค่าที่ผู้วิจัยกำหนดเอง
ตัวอย่างเช่นน้ำหนักตัวของเด็กนักเรียนชั้นประถมศึกษาปีที่ 1 (เด็กหญิงหรือเด็กชาย) จะเปลี่ยนไปอย่างไรหากส่วนสูงเพิ่มขึ้น 1 ซม. เพื่อวัตถุประสงค์เหล่านี้ จะใช้วิธีการวิเคราะห์การถดถอย
บ่อยครั้งที่วิธีการวิเคราะห์การถดถอยใช้เพื่อพัฒนามาตราส่วนเชิงบรรทัดฐานและมาตรฐานของการพัฒนาทางกายภาพ
- คำจำกัดความของการถดถอย- การถดถอยเป็นฟังก์ชันที่อนุญาตให้หาค่าเฉลี่ยของคุณลักษณะอื่นที่มีความสัมพันธ์กับลักษณะแรกได้จากค่าเฉลี่ยของคุณลักษณะหนึ่ง
เพื่อจุดประสงค์นี้ จะใช้ค่าสัมประสิทธิ์การถดถอยและพารามิเตอร์อื่นๆ อีกจำนวนหนึ่ง ตัวอย่างเช่นคุณสามารถคำนวณจำนวนหวัดโดยเฉลี่ยได้ที่ค่าหนึ่งของอุณหภูมิอากาศเฉลี่ยรายเดือนในช่วงฤดูใบไม้ร่วง-ฤดูหนาว
- การหาค่าสัมประสิทธิ์การถดถอย- สัมประสิทธิ์การถดถอยคือค่าสัมบูรณ์ซึ่งโดยเฉลี่ยแล้วค่าของคุณลักษณะหนึ่งจะเปลี่ยนไปเมื่อคุณลักษณะอื่นที่เกี่ยวข้องกันเปลี่ยนแปลงตามหน่วยการวัดที่ระบุ
- สูตรสัมประสิทธิ์การถดถอย- R y/x = r xy x (σ y / σ x)
โดยที่ R у/х - สัมประสิทธิ์การถดถอย;
r xy - สัมประสิทธิ์สหสัมพันธ์ระหว่างคุณลักษณะ x และ y;
(σ y และ σ x) - ส่วนเบี่ยงเบนมาตรฐานของคุณลักษณะ x และ yในตัวอย่างของเรา
σ x = 4.6 (ค่าเบี่ยงเบนมาตรฐานของอุณหภูมิอากาศในช่วงฤดูใบไม้ร่วง-ฤดูหนาว
σ y = 8.65 (ส่วนเบี่ยงเบนมาตรฐานของจำนวนโรคติดเชื้อและโรคหวัด)
ดังนั้น R y/x คือสัมประสิทธิ์การถดถอย
R у/х = -0.96 x (4.6 / 8.65) = 1.8 เช่น เมื่ออุณหภูมิอากาศเฉลี่ยรายเดือน (x) ลดลง 1 องศา จำนวนโรคติดเชื้อและโรคหวัดโดยเฉลี่ย (y) ในช่วงฤดูใบไม้ร่วง-ฤดูหนาวจะเปลี่ยนไป 1.8 ราย - สมการถดถอย- y = M y + R y/x (x - M x)
โดยที่ y คือค่าเฉลี่ยของคุณลักษณะซึ่งควรพิจารณาเมื่อค่าเฉลี่ยของคุณลักษณะอื่นเปลี่ยนแปลง (x)
x คือค่าเฉลี่ยที่ทราบของคุณลักษณะอื่น
R y/x - สัมประสิทธิ์การถดถอย;
M x, M y - ค่าเฉลี่ยที่ทราบของลักษณะ x และ yตัวอย่างเช่น สามารถกำหนดจำนวนเฉลี่ยของโรคติดเชื้อและโรคหวัด (y) ได้โดยไม่ต้องมีการวัดพิเศษที่ค่าเฉลี่ยใดๆ ของอุณหภูมิอากาศเฉลี่ยรายเดือน (x) ดังนั้น ถ้า x = - 9°, R y/x = 1.8 โรค, M x = -7°, M y = 20 โรค ดังนั้น y = 20 + 1.8 x (9-7) = 20 + 3 .6 = 23.6 โรคต่างๆ
สมการนี้ใช้ในกรณีของความสัมพันธ์เชิงเส้นระหว่างสองคุณลักษณะ (x และ y) - วัตถุประสงค์ของสมการถดถอย- สมการถดถอยใช้ในการสร้างเส้นถดถอย อย่างหลังช่วยให้สามารถหาค่าเฉลี่ย (y) ของคุณลักษณะหนึ่งได้ โดยไม่ต้องมีการวัดพิเศษ ถ้าค่า (x) ของคุณลักษณะอื่นเปลี่ยนแปลงไป จากข้อมูลเหล่านี้ กราฟจะถูกสร้างขึ้น - เส้นถดถอยซึ่งสามารถใช้เพื่อกำหนดจำนวนหวัดเฉลี่ยที่ค่าใด ๆ ของอุณหภูมิเฉลี่ยรายเดือนภายในช่วงระหว่างค่าที่คำนวณได้ของจำนวนหวัด
- การถดถอยซิกมา (สูตร).
โดยที่ σ Rу/х - ซิกมา (ส่วนเบี่ยงเบนมาตรฐาน) ของการถดถอย
σ y - ส่วนเบี่ยงเบนมาตรฐานของคุณลักษณะ y;
r xy - สัมประสิทธิ์สหสัมพันธ์ระหว่างคุณลักษณะ x และ yดังนั้น ถ้า σ y คือค่าเบี่ยงเบนมาตรฐานของจำนวนไข้หวัด = 8.65; r xy - ค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างจำนวนหวัด (y) และอุณหภูมิอากาศเฉลี่ยรายเดือนในช่วงฤดูใบไม้ร่วง - ฤดูหนาว (x) เท่ากับ - 0.96 จากนั้น
- การมอบหมายซิกมาการถดถอย- ให้คำอธิบายการวัดความหลากหลายของลักษณะผลลัพธ์ (y)
ตัวอย่างเช่นแสดงลักษณะความหลากหลายของจำนวนหวัดที่ค่าหนึ่งของอุณหภูมิอากาศเฉลี่ยรายเดือนในช่วงฤดูใบไม้ร่วง - ฤดูหนาว ดังนั้น จำนวนเฉลี่ยของโรคหวัดที่อุณหภูมิอากาศ x 1 = -6° อาจมีตั้งแต่ 15.78 โรค จนถึง 20.62 โรค
ที่ x 2 = -9° จำนวนโรคหวัดโดยเฉลี่ยอาจมีตั้งแต่ 21.18 โรคไปจนถึง 26.02 โรค เป็นต้นซิกมาการถดถอยใช้ในการสร้างมาตราส่วนการถดถอยซึ่งสะท้อนถึงความเบี่ยงเบนของค่าของลักษณะผลลัพธ์จากค่าเฉลี่ยที่ลงจุดบนเส้นการถดถอย
- ข้อมูลที่จำเป็นในการคำนวณและพล็อตระดับการถดถอย
- สัมประสิทธิ์การถดถอย - R у/х;
- สมการการถดถอย - y = M y + R y/x (x-M x);
- การถดถอยซิกมา - σ Rx/y
- ลำดับของการคำนวณและการแสดงภาพกราฟิกของมาตราส่วนการถดถอย.
- กำหนดค่าสัมประสิทธิ์การถดถอยโดยใช้สูตร (ดูย่อหน้าที่ 3) ตัวอย่างเช่น มีความจำเป็นต้องกำหนดว่าน้ำหนักตัวจะเปลี่ยนแปลงโดยเฉลี่ยเท่าใด (ในช่วงอายุหนึ่ง ๆ ขึ้นอยู่กับเพศ) หากความสูงเฉลี่ยเปลี่ยนแปลง 1 ซม.
- ใช้สูตรสมการถดถอย (ดูจุดที่ 4) กำหนดว่าน้ำหนักตัวจะเป็นค่าเฉลี่ย (y, y 2, y 3 ... ) * สำหรับค่าความสูงที่แน่นอน (x, x 2, x 3 . ..) .
________________
* ควรคำนวณค่าของ "y" สำหรับค่าที่รู้จักของ "x" อย่างน้อยสามค่าในเวลาเดียวกันจะทราบค่าเฉลี่ยของน้ำหนักและส่วนสูงของร่างกาย (M x และ M y) สำหรับอายุและเพศที่แน่นอน
- คำนวณซิกมาการถดถอยโดยทราบค่าที่สอดคล้องกันของ σ y และ r xy และแทนที่ค่าลงในสูตร (ดูย่อหน้าที่ 6)
- ขึ้นอยู่กับค่าที่ทราบ x 1, x 2, x 3 และค่าเฉลี่ยที่สอดคล้องกัน y 1, y 2 y 3 รวมถึงค่าที่เล็กที่สุด (y - σ rу/х) และใหญ่ที่สุด (y + σ rу /х) ค่า (y) สร้างมาตราส่วนการถดถอย
ในการแสดงระดับการถดถอยแบบกราฟิก ค่า x, x2, x3 (แกนกำหนด) จะถูกทำเครื่องหมายบนกราฟก่อน เช่น เส้นการถดถอยถูกสร้างขึ้น เช่น การพึ่งพาน้ำหนักตัว (y) กับส่วนสูง (x)
จากนั้นที่จุดที่สอดคล้องกัน 1, y 2, y 3 ค่าตัวเลขของซิกมาการถดถอยจะถูกบันทึกไว้เช่น หาค่าที่เล็กที่สุดบนกราฟและ มูลค่าสูงสุดปี 1, ปี 2, ปี 3
- การใช้งานจริงระดับการถดถอย- มาตราส่วนและมาตรฐานเชิงบรรทัดฐานกำลังได้รับการพัฒนา โดยเฉพาะอย่างยิ่งสำหรับการพัฒนาทางกายภาพ เมื่อใช้มาตราส่วนมาตรฐาน คุณสามารถประเมินพัฒนาการของเด็กเป็นรายบุคคลได้ ในกรณีนี้การพัฒนาทางกายภาพจะได้รับการประเมินว่ามีความสอดคล้องกันหากตัวอย่างเช่นที่ความสูงระดับหนึ่งน้ำหนักตัวของเด็กอยู่ภายในหนึ่งซิกม่าของการถดถอยไปยังหน่วยน้ำหนักตัวที่คำนวณได้โดยเฉลี่ย - (y) สำหรับความสูงที่กำหนด (x) ( y ± 1 σ Ry/x)
พัฒนาการทางร่างกายถือว่าไม่สอดคล้องกันในแง่ของน้ำหนักตัว หากน้ำหนักตัวของเด็กในส่วนสูงหนึ่งอยู่ภายในซิกมาที่สองของการถดถอย: (y ± 2 σ Ry/x)
การพัฒนาทางกายภาพจะไม่ลงรอยกันอย่างมากเนื่องจากน้ำหนักตัวที่มากเกินไปและไม่เพียงพอ หากน้ำหนักตัวสำหรับส่วนสูงหนึ่งอยู่ภายในซิกมาที่สามของการถดถอย (y ± 3 σ Ry/x)
จากผลการศึกษาทางสถิติเกี่ยวกับพัฒนาการทางกายภาพของเด็กชายอายุ 5 ขวบ เป็นที่ทราบกันว่าส่วนสูงเฉลี่ย (x) คือ 109 ซม. และน้ำหนักตัวเฉลี่ย (y) คือ 19 กก. ค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างส่วนสูงและน้ำหนักตัวคือ +0.9 ส่วนเบี่ยงเบนมาตรฐานแสดงไว้ในตาราง
ที่จำเป็น:
- คำนวณค่าสัมประสิทธิ์การถดถอย
- ใช้สมการถดถอยกำหนดว่าน้ำหนักตัวที่คาดหวังของเด็กชายอายุ 5 ขวบจะมีส่วนสูงเท่ากับ x1 = 100 ซม., x2 = 110 ซม., x3 = 120 ซม.
- คำนวณซิกมาการถดถอย สร้างมาตราส่วนการถดถอย และนำเสนอผลลัพธ์ของการแก้ปัญหาในรูปแบบกราฟิก
- หาข้อสรุปที่เหมาะสม
เงื่อนไขของปัญหาและผลลัพธ์ของการแก้ปัญหาแสดงอยู่ในตารางสรุป
ตารางที่ 1
เงื่อนไขปัญหา | ผลลัพธ์ของการแก้ปัญหา | ||||||||
สมการถดถอย | ซิกม่าถดถอย | ระดับการถดถอย (น้ำหนักตัวที่คาดหวัง (เป็นกิโลกรัม)) | |||||||
ม | σ | r xy | ใช่/ใช่ | เอ็กซ์ | คุณ | σ Rx/y | y - σ Rу/х | y + σ Rу/х | |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
ส่วนสูง (x) | 109 ซม | ±4.4ซม | +0,9 | 0,16 | 100ซม | 17.56 กก | ± 0.35 กก | 17.21 กก | 17.91 กก |
มวลกาย (ญ) | 19 กก | ± 0.8 กก | 110 ซม | 19.16 กก | 18.81 กก | 19.51 กก | |||
120 ซม | 20.76 กก | 20.41 กก | 21.11 กก |
สารละลาย.
บทสรุป.ดังนั้นมาตราส่วนการถดถอยภายในค่าที่คำนวณได้ของน้ำหนักตัวช่วยให้คุณสามารถกำหนดได้ที่ค่าความสูงหรือการประมาณค่าอื่น ๆ การพัฒนาส่วนบุคคลเด็ก. เมื่อต้องการทำเช่นนี้ ให้คืนค่าตั้งฉากกับเส้นถดถอย
- วลาซอฟ วี.วี. ระบาดวิทยา. - อ.: GEOTAR-MED, 2547. - 464 หน้า
- ลิซิทซิน ยู.พี. สาธารณสุขและการดูแลสุขภาพ หนังสือเรียนสำหรับมหาวิทยาลัย - อ.: GEOTAR-MED, 2550. - 512 หน้า
- Medic V.A., Yuryev V.K. หลักสูตรการบรรยายด้านสาธารณสุขและการดูแลสุขภาพ ตอนที่ 1 สาธารณสุข - อ.: แพทยศาสตร์, 2546. - 368 หน้า
- Minyaev V.A. , Vishnyakov N.I. และอื่น ๆ องค์กรเวชศาสตร์สังคมและการดูแลสุขภาพ (คู่มือ 2 เล่ม) - เซนต์ปีเตอร์สเบิร์ก 2541 -528 หน้า
- Kucherenko V.Z., Agarkov N.M. และองค์กรด้านสุขอนามัยทางสังคมและการดูแลสุขภาพ ( บทช่วยสอน) - มอสโก, 2000. - 432 น.
- เอส. กลานซ์. สถิติทางการแพทย์และชีววิทยา แปลจากภาษาอังกฤษ - ม., แพรกติกา, 2541. - 459 น.