МОДЕЛЬ МНОЖИННОЇ РЕГРЕСІЇ

Після вивчення даного розділу студент повинен:

• • знати
• - основне завдання множинного регресійного аналізу та методи її вирішення; припущення МНК для множинної регресії; причини, наслідки та способи усунення мультиколінеарності; узагальнену модель множинної регресії і умови її застосування;
• • вміти
• - перевіряти статистичні гіпотези щодо властивостей моделі множинної регресії; інтерпретувати результати множинного регресійного аналізу; проводити ранжування вхідних факторів за ступенем впливу на відгук;
• • володіти
• - методами аналізу лінійних і нелінійних моделей множинної регресії; методами побудови прогнозів різних типів за моделлю множинної регресії.

Припустимо, що досліджуваний об'єкт являє собою складну багатофакторну систему з великою кількістю одночасно і сукупно діючих змінних. Лінійну модель парної регресії слід використовувати при аналізі такої системи тільки в тому випадку, якщо серед усього безлічі вхідних факторів виділяється один, а впливом всіх інших можна знехтувати. Однак ніколи не можна бути впевненим у справедливості такого припущення. Тому аналіз більшості економічних явищ призводить до більш складним моделям, зокрема до лінійної моделі множинної регресії, що враховує сукупний вплив декількох пояснюють змінних.