Задачами регрессионного анализа являются установление формы зависимости между переменными, оценка функции регрессии, оценка неизвестных значений (прогноз значений) зависимой переменной. [c.50]
При изменении спецификации модели, добавлении в нее новых наблюдений выборочные оценки остатков е,- могут меняться. Поэтому в задачу регрессионного анализа входит не только построение самой модели, но и исследование случайных отклонений S,-, т. е. остаточных величин. [c.155]
Большинство задач регрессионного анализа стандартизовано в виде стандартных подпрограмм на ЭВМ. [c.18]
Задачи регрессионного анализа. [c.141]
Задачи регрессионного анализа лежат в сфере установления формы зависимости, определения функции регрессии, использования уравнения для оценки неизвестных значений зависимой переменной. [c.130]
Основная задача регрессионного анализа - установление формы корреляционной связи, т.е. вида функции регрессии (линейная, квадратичная, показательная и т.д.). [c.112]
Исследование такой ситуации и является задачей регрессионного анализа, который дает предсказание (прогнозирование) одной переменной на основании другой. Регрессионный анализ четко распределяет роли между изучаемыми характеристиками - одна из них является аргументом, а вторая функцией. Переменная, которая прогнозируется (функция), обозначается как у, а переменная, которая используется для такого прогнозирования (аргумент или фактор), — это х. [c.36]
Главная задача, которая решается с помощью регрессионного анализа -создание математических моделей экономических объектов или процессов на основе наблюдаемых (статистических) значений экономических показателей. Задача регрессионного анализа ставится следующим образом. Пусть есть два экономических показателя X и 7, характеризующих экономический объект. Показатель 7 - называется объясняемым (выходным или эндогенным), показатель X— объясняющим (входным, фактором или экзогенным). [c.66]
Главной задачей регрессионного анализа является получение оптимальных оценок р 0, 320,. .., р,лв, называемых коэффициентами регрессии. [c.312]
Таким образом, индексный метод не решает задачи точного количественного определения взаимного влияния отдельных факторов на производительность труда в газопроводном транспорте. В данном случае наиболее приемлемы методы корреляционно-регрессионного анализа или точнее — метод множественной корреляции [46]. [c.198]
Для решения данной задачи использованы методы математической статистики, в частности, корреляционно-регрессионный анализ. [c.104]
Н- к.п.д. энергетического воздействия на деталь Цэ - цена 1 кВт. часа электроэнергии, руб. Зре, — затраты на проведение комплексного ремонта станка. Значения всех параметров (5.6) определимы по паспорту станка и калькуляциям себестоимости деталей. Сложности относятся к установлению величин L, т, и п. Но если есть ряд ранее производившихся станков с различными Д и А, то и эта задача решается приемами регрессионного анализа. [c.127]
Это не значит, что применение методов корреляционного и регрессионного анализа должно привести к созданию всеобъемлющей математической модели производительности труда, учитывающей влияние всех без исключения факторов. Такая задача при сегодняшнем состоянии учета отдельных факторов нереальна и не имеет практической ценности. Известно, что несмотря на большое многообразие факторов, на производительность труда значительно влияют лишь некоторые из них. Поэтому математическая модель производительности труда должна учитывать лишь их. [c.62]
В этой главе обсуждаются различные оценки будущих затрат, их сильные и слабые стороны. Прежде чем изучать методы оценки, подчеркнем важность самой оценки для управленческого учета, который, в основном решая задачи перспективного характера, в значительной степени полагается на оценки. Начнем обсуждение с краткого обзора того, что можно назвать "инжиниринговым подходом". Этот термин охватывает систему методов, которые требуют специальных знаний, выходящих за рамки управленческого учета. Отчетные данные формируют основу многих оценок, и мы обсудим возможности их использования для вынесения оценок путем анализа счетов, графического метода, анализа диапазона объемов деятельности и регрессионного анализа. Каждый из названных подходов имеет свои достоинства и недостатки, которые обсуждаются по ходу действия. [c.106]
Форма связи обычно задается самим постановщиком задачи в зависимости от характера изменения (развития) изучаемого объекта. Кроме того, она может быть определена и программным путем. Желательно при этом свести модель к линейной форме, так как весь аппарат корреляционно-регрессионного анализа ориентирован на линейность связей [c.137]
Основной задачей корреляционно-регрессионного анализа является выяснение формы и тесноты связи между результативным и факторным показателями. Под формой связи понимают тип аналитической [c.279]
В данной работе методами математической статистики, (в частности методом корреляционно-регрессионного анализа, решаются задачи количественной оценки влияния производственных факторов на уровень себестоимости добычи нефти и газа, а также и прогнозирование себестоимости добычи нефти и газа по Нефтегазодобывающим управлениям. В третьей главе сконцентрированы теоретические проблемы, носящие общий методологический характер и относящиеся к аппарату производственных функций. Одна из трансцендентных функций предлагается в качестве производственной функции в нефтяной промышленности. [c.5]
Решение этих задач на практике показывает, что регрессионный анализ факторов себестоимости добычи нефти и газа в сочетании с другими методами анализа, например с индексным методом, методом группировок и т. д., является наиболее эффективным. [c.112]
В случае нелинейности связи и при изучении множественной корреляции задача определения тесноты связи соотносится с проблемой изучения аналитической формы связи (коэффициент или отношение корреляции в этом случае прямо зависит от выбранной формы связи). Выявление аналитической формы связи означает моделирование хозяйственного процесса путем выявления закономерностей формирования значений результативного показателя под влиянием факторных показателей. Это основная и самая сложная задача в экономическом анализе, которая при стохастическом подходе решается методом регрессионного анализа. [c.114]
Изучение интенсивности и аналитической формы связей между показателями с помощью методов корреляционного и регрессионного анализа позволяет решать важную для экономического анализа статистическую задачу — ранжировку и классификацию факторов, влияющих на анализируемое экономическое явление. Можно выделять существенные и не существенные для данного явления факторы, группу факторов, позволяющих с достаточной точностью управлять функционированием экономических систем, а также ранжировать факторы по интенсивности их влияния на изучаемое явление или процесс. [c.114]
С развитием применения методов современного факторного анализа связана также возможность эффективного решения следующих трех обобщенных статистических задач экономического анализа изучение внутренней структуры связей в системе показателей, изучение размерности описания экономического явления, выявление более информативных показателей. Хотя эти задачи можно решить методами корреляционного и регрессионного анализа, однако при экономическом анализе их следует решать на основе методов современного факторного анализа. [c.115]
Почему стохастический анализ имеет вспомогательный характер Каковы задачи корреляционного и регрессионного анализа [c.83]
Регрессионная модель. Во многих практических задачах анализа, изучая различного рода связи в экономических системах, необходимо на основании статистических или учетных данных выразить зависимую переменную в виде некоторой математической функции от независимых переменных— регрессоров, т.е. построить регрессионную модель. Регрессионный анализ позволяет [c.88]
ЗАДАЧИ КОРРЕЛЯЦИОННО-РЕГРЕССИОННОГО АНАЛИЗА И МОДЕЛИРОВАНИЯ [c.232]
Интерпретировать корреляционные показатели строго следует лишь в терминах вариации (различий в пространстве) отклонений от средней величины. Если же задача исследования состоит в измерении связи не между вариацией двух признаков в совокупности, а между изменениями признаков объекта во времени, то метод корреляционно-регрессионного анализа требует значительного изменения (см. гл. 9). [c.235]
Правильное применение и интерпретация результатов корреляционно-регрессионного анализа возможны лишь при понимании всех специфических черт, достоинств и ограничений метода. Поэтому нужно рекомендовать вернуться к данному разделу заново после изучения остальных разделов данной главы и после приобретения некоторой практики применения метода к решению различных задач. [c.236]
В ходе регрессионного анализа решаются две основные задачи [c.122]
Экономические явления, как правило, определяются большим числом одновременно и совокупно действующих факторов. В связи с этим часто возникает задача исследования зависимости одной зависимой переменной Y от нескольких объясняющих переменных Х, Х ,..., Х . Эта задача решается с помощью множественного регрессионного анализа. [c.82]
Первый этап, то есть выбор вида математической модели, является не формализуемой задачей. Это решение принимается с учетом простоты и удобства использования модели, содержательности модели и других соображений. Второй этап, то есть расчет параметров выбранной математической модели, является задачей, которая решается с помощью регрессионного анализа реальных выборок факторов и отклика. [c.101]
Рассмотрим статистика, который строит модель прогнозирования фондового рынка. Один из самых распространенных и эффективных методов решения этой задачи — строить модель с помощью регрессионного анализа. В рамках этого метода статистик настраивает прямую линию на данные фондового рынка. После того как это сделано, для получения прогноза вычисляется следующая точка на линии регрессии. Такая модель будет давать прямолинейную проекцию. Хотя эта проекция может не быть очень точной с точки зрения трейдинга, это нормальная статистическая процедура. [c.162]
Изучение причинно-следственных зависимостей переменных, представленных в форме временных рядов, является одной из самых сложных задач эконометрического моделирования. Применение в этих целях традиционных методов корреляционно-регрессионного анализа, рассмотренных в главах 2 и 3, может привести к ряду серьезных проблем, возникающих как на этапе построения, так и на этапе анализа эконометрических моделей. В первую очередь эти проблемы связаны со спецификой временных рядов как источника данных в эконометрическом моделировании. В главе 5 было показано, что каждый уровень временного ряда содержит три основные компоненты тенденцию, циклические или сезонные колебания и случайную компоненту. Рассмотрим подробнее, каким образом наличие этих компонент сказывается на результатах корреляционно-регрессионного анализа временных рядов данных. [c.263]
Задачей множественного регрессионного анализа является построение такого уравнения прямой в -мерном пространстве, отклонения результатов наблюдений х.. от которой были бы минимальными. Используя для этого метод наименьших квадратов, получаем систему нормальных уравнений [c.109]
Для изучения влияния факторов подобного рода на функцию отклика Y (целевую функцию), их общего оценивания, ранжирования и выделения среди них существенных методы регрессионного анализа непригодны, поскольку они решают задачи определения вида математической модели при варьировании величиной факторов. Здесь целесообразно использовать методы дисперсионного анализа. [c.122]
Критерий Кохрена (8.3.) — служит для проверки гипотезы об однородности дисперсии в задачах регрессионного анализа. 343 [c.343]
Одной из основных задач регрессионного анализа является получение прогнозных значений показателейXи 7. Если значенияXj,j = п+ , п + 2,. .., 7V являются прогнозными (ожидаемыми) значениями фактора X, то [c.69]
Разработка методики экономического анализа с использованием математического аппарата представляет собой сложный комплекс экономических задач, решение которых в полном объеме под силу лишь большому коллективу исследователей. В предлагаемой нами методике анагтиза решается только часть задач общего комплекса с применением известных методов математической статистики корреляционного и регрессионного анализа. В ней изложены основы экономико-статистического моделирования себестоимости добычи нефти, анализ исследуемого показателя на базе полученных моделей, методические положения по определению предельных значений себестоимости добычи нефти и другие вопросы методики экономического анализа. [c.14]
Для решения перечисленных задач применяются такие математи-ко-статистические методы стохастического моделирования, как группировка многомерных наблюдений, корреляционный и регрессионный анализ, таксономический метод, дисперсионный анализ, методы причинного анализа, компонентный анализ. [c.278]
На основе данных задач 14.3—14.4 проведите корреляционно-регрессионный анализ взаимосвязи уровней процентных ставок MIBID и MIBOR. Сделайте выводы. [c.637]
Конечная задача статистического исследования — отыскание закономерностей динамики явления. Закономерности причинно-следственных связей общественных процессов и явлений устанавливаются с помощью корелляционно-регрессионного анализа, а также методов многомерного статистического анализа. Взаимосвязи явлений также изучаются с помощью статистических группировок, параллельных рядов, взаимосвязанных индексов и т.д. Широкое применение в статистике находят графические методы, позволяющие в наглядной формы представлять результаты статистических исследований. [c.8]
Особенность математических методов, используемых для решения задач текущего планирования, заключается в том, что анализ деятельности объектов нефтебазового хозяйства производится с применением методов кластерного и корреляционно-регрессионного анализа и методов теории вероятностей, а выбор оптимальной схемы внутриуправленческих перевозок — путем построения модели многопродуктовой, многоэтапной транспортной задачи линейного программирования с учетом внутригодовой динамики. [c.30]
В результате решения задачи 1 выбираются показатели, характеризующие факторы, влияющие на процесс нефтеснабжения, устанавливаются источники информации о них и обосновываются те или иные математические методы, необходимые для моделирования отдельных задач нефтеснабжения. В ходе исследований была установлена правомерность использования при изучении спроса на нефтепродукты методов корреляционно-регрессионного анализа. При анализе деятельности объектов нефтебазового хозяйства выявлена необходимость получения качественно однородных совокупностей. При выборе оптимальных вариантов внутриуправленче-ских перевозок нефтепродуктов в условиях наиболее эффективного использования и развития объектов нефтебазового хозяйства правомерным представляется использование методов линейного программирования. Для выявления резервов повышения пропускной способности действующих объектов нефтебазового хозяйства — метод ов теории вероятностей и распознавания образов и т. д. [c.15]
Чем больше оптимизируемых параметров имеет МТС, тем меньше вероятность того, что она будет удовлетворительно работать при реальной торговле. Это связано с тем, что при большом числе параметров система подгоняется под исторический ряд цен, на котором происходило тестирование. Но ряды цен активов в большой степени носят случайный характер. Задачей же хорошей системы является не учет всех особенностей конкретной случайной выборки, а выявление более или менее постоянно действующих на рынке закономерностей. Здесь уместна аналогия с регрессионным анализом, где также нужно с осторожностью относиться к излишнему переусложнению модели. [c.178]