Множест. лин. регрессия. Этапы составления урав-я множ. регрессии

Осн. цель множ. регрессии – построить модель с большим числом факторов, определив при этом влияние кажд. из них в отдельности, а также совокупное их воздействие на моделируемый показатель. В лин.регресс. моделях переменные имеют первую степень (модели, лин. по переменным), а параметры выступают в виде коэфф. при этих переменных (модели, лин. по параметрам). В линейной множественной регрессии параметры при x назыв-ют коэфф. «чистой» регрессии. Они характ-ют сред. изменение рез-та с изменением соответствующего фактора на ед-цу при неизменном значении др. факторов, закрепленных на сред. уровне. Выделяют 6 этапов построения урав-ния множ.регрессии. 1-й этап (постановочный). Формируется цель исследования, набор участвующих в модели эк. переменных. В кач-ве цели экономет. моделирования обычно рассматривают А исследуемого эк. объекта (процесса); прогноз его эк. показателей; имитацию развития объекта при различ. значениях объясняющих переменных; выработку управл. решений. 2-ой этап (априорный). Проводится А сущности изучаемого объекта, формирование и формализация априорной (известной до начала моделирования) инф-ции. 3-ий этап (параметризация). Осущ-ся непосредственно моделирование, т.е. выбор общего вида модели, выявление входящих в нее связей. Важной проблемой на этом этапе явл-ся проблема спецификации модели, в частности: выражение в матем. форме обнаруженных связей и соотношений. 4-ый этап (информационный). Осущ-ся сбор необходимой стат. Инф-ции – наблюдаемых значений эк. переменных. (наблюдения, полученные как с участием исследователя, так и без его участия (в условиях активного или пассивного эксперимента). 5-ый этап(идентификация модели). Осущ-ся стат. А модели и оценка ее параметров. 6-ой этап (верификация модели). Проводится проверка истинности, адекватности модели. Выясняется, насколько удачно решены проблемы спецификации, идентификации и идентифицируемости модели, какова точность расчетов по данной модели, на сколько соответствует построенная модель моделируемому реальному эк.объекту или процессу. Если имеются стат. данные, характеризующие моделируемый эк. объект в данный и предшествующий моменты времени, то для верификации модели, построенной для прогноза, достаточно сравнить реальные значения переменных в последующие моменты времени с соответствующими их значениями, полученными на основе рассматриваемой модели по данным предшествующих моментов. Все эти этапы могут пересекаться, взаимно дополнять друг друга и т.п.