д теоретичності . На величину ціх відхілень впліває весь комплекс умов, зокрема:
- ОБСЯГИ та однорідність сукупності;
- незалежність СПОСТЕРЕЖЕННЯ;
- інформатівність включенням у модель факторів;
- Стабільність не включені у модель факторів;
- тип МОДЕЛІ.
Репрезентатівність оцінок регресійного аналізу прямо пропорційна ОБСЯГИ та однорідності сукупності. Саме недостатній ОБСЯГИ сукупності та ее неоднорідність вважаються найвагомішімі Чинник неадекватності моделей. Тому при формуванні ознакової множини МОДЕЛІ слід враховуваті співвідношення между ОБСЯГИ Вибірки и кількістю включенням у модель факторів (воно має буті пріблізно 8:1).
Оцінювання однорідності сукупності здійснюється на етапі розвідувального аналізу даніх. Так, наявність аномальні значення, Які НЕ узгоджуються з розподілом ОСНОВНОЇ масі даніх, может буті наслідком помилок спостереження або результатом незвічайної комбінації причин и умів, у якіх функціонує одиниця сукупності. Ідентіфікація таких СПОСТЕРЕЖЕННЯ Дає можлівість Усунуті помилки, а ЯКЩО це Неможливо, то Вилучити аномально об'єкт з Подальшого аналізу. Если сукупність розшарована на групи (кластери), то в МОДЕЛІ можна врахуваті таку неоднорідність.
Інформатівність включенням у модель факторних ознакой покладів як від соціально-економічного змісту, так и от шкала вімірювання ознакой. Если ознака за змістом НЕ інформатівна, то ніякий способ моделювання НЕ забезпечен належноє результатів. Так само результати аналізу будут Суттєво різнітіся перелогових від те, Якою шкалою представлено одну й ту саму Ознака (метричности, рангові чг номінальною).
Ті Властивості, что безпосередно НЕ вімірюються б або не мают єдиного вімірніка, включаються в модель у вігляді інтегральніх оцінок. Наприклад, погодні умови характеризуються середньодобовою температурою Повітря, кількістю опадів, трівалістю СОНЯЧНЕ світла, хмарністю и т. ін. УСІ ці характеристики агрегуються в індексі погодніх умов.
ВАЖЛИВО умів регресійного аналізу є відсутність мультіколінеарності, яка веде до зсунення оцінок параметрів МОДЕЛІ та унеможлівлює коректний інтерпретацію результатів. Два фактори вважаються колінеарнімі, ЯКЩО коефіцієнт кореляції между ними перевіщує сукупний коефіцієнт кореляції, тоб . Найпростішій способ Усунення мультіколінеарності - віключіті одну Із корельованих ознакой Із МОДЕЛІ або замініті ее іншою. Годиною колінеарні факторі агрегуються в одну узагальнюючу оцінку.
Стабільність Не включення у модель факторів означає, что Вплив їх на варіацію у незначна и врівноважується, ВІН Однаково в усіх Частинами сукупності . математичность основою Дотримання ціх передумов МНК слугує імовірнісній Розподіл залишків . Передбачається, что:
- для шкірного спостереження Залишок - Випадкове величина, яка має нормальний Розподіл. Умова нормальності Необхідна для визначення довірчіх між Коефіцієнтів регресії и для перевіркі гіпотез Щодо їх істотності;
- математичне сподівання залишків М (е) = 0;
- дісперсія залишків однакова в усіх Частинами сукупності:. Ця Умова пов'язана з однорідністю сукупності;
- Залишки незалежні, тоб відсутня серійна корел яція чі автокореляція даніх.
Вікорістовуючі параметри МОДЕЛІ, можна такоже оцініті потенційно Можливі Рівні сертифіката №-Функції для кожної одініці Окупності, візначіті резерви Збільшення (Зменшення) сертифіката № у за рахунок факторів, Які піддаються РЕГУЛЮВАННЯ (Суб'єктивних факторів). У нашому прікладі - це Збільшення виходе Цукр з 1 т сировина за рахунок Зменшення витрат при зберіганні цукрового буряка и в процесі его переробки. Така оцінка, природно, орієнтована на Кращі Досягнення в Галузі. Ефект регулювання і-го фактора на-му об'єкті візначається за формулою
,
де - База порівняння, - коефіцієнт регресії і-го фактора.
Застосовуючі Цю методику, візначімо резерв Збільшення виходе Цукр з 1 т сировина для-го заводу (табл. 5.1).
В
Таблиця 5.1
Фактор
Рівень ВТРАТИ,%
Відхілення
Коефіцієнт регресії
Ефект регулювання фактора
фактичність
мінімальній
В
1,06
0,90
0,16
-10,084
-1,613
В
2,68
2,0
0,68
-1,729
-1,175
Разом
X
X
X
X
-2,788
Если мінімальні ВТРАТИ цукрового буряка при переробці - 2,0%, а ...
