Модель множественной регрессии

После изучения данной главы студент должен:

• • знать
• — основную задачу множественного регрессионного анализа и методы ее решения; предположения МНК для множественной регрессии; причины, последствия и способы устранения мультиколлинеарности; обобщенную модель множественной регрессии и условия ее применения;
• • уметь
• — проверять статистические гипотезы относительно свойств модели множественной регрессии; интерпретировать результаты множественного регрессионного анализа; проводить ранжирование входных факторов по степени влияния на отклик;
• • владеть
• — методами анализа линейных и нелинейных моделей множественной регрессии; методами построения прогнозов различных типов по модели множественной регрессии.

Предположим, что изучаемый объект представляет собой сложную многофакторную систему с большим количеством одновременно и совокупно действующих переменных. Линейную модель парной регрессии следует использовать при анализе такой системы только в том случае, если среди всего множества входных факторов выделяется один, а влиянием всех остальных можно пренебречь. Однако никогда нельзя быть уверенным в справедливости такого предположения. Поэтому анализ большинства экономических явлений приводит к более сложным моделям, в частности к линейной модели множественной регрессии, учитывающей совокупное влияние нескольких объясняющих переменных.