Как провести регрессионный анализ

При проведении самых разнообразных исследований применяется так называемый корреляционно-регрессионный анализ. Это статистический метод, исследующий взаимосвязь между одной зависимой переменной и несколькими независимыми. При этом метод не дает возможности оценить причинно-следственные отношения. Регрессионный анализ довольно широко применяется при анализе финансового состояния предприятий.

Инструкция

1. Используйте для проведения регрессионного анализа пакет анализа, встроенный в Microsoft Office Excel. Откройте программу и подготовьте ее к работе.
2. Выберите в меню команду Сервис/Анализ данных/Корреляция для построения матрицы коэффициентов корреляции. Это требуется для оценки силы влияния факторов друг на друга и на зависимую переменную.
3. При построении регрессионной модели исходите из предположения о том, что существует функциональная независимость исследуемых переменных. Если между факторами существует связь, называемая мультиколлинеарной, это делает нахождение параметров построенной модели невозможным, либо существенно затруднит интерпретацию результатов моделирования.
4. Чтобы привести модель в требуемое для регрессионного анализа состояние, включите в нее один из факторов, функционально связанных с другими значимыми факторами. При этом выбирать надо тот фактор, который в наибольшей степени связан с зависимой переменной. Добейтесь, чтобы коэффициент парной корреляции между двумя исследуемыми переменными не превышал 0,8, что исключает явление мультиколлинеарности в исходных данных.
5. Построив матрицу коэффициентов парной корреляции, рассчитайте характеристики экспоненциальной и линейной регрессионных моделей. Используйте для расчета обоих параметров соответствующие функции пакета и инструмент «Регрессия» в надстройке пакета анализа MS Excel.
6. Для экспоненциальной и линейной моделей анализа по отдельности рассмотрите случаи, когда аргумент «Константа» в соответствующих функциях пакета равен значениям «Истина» и «Ложь».
7. Завершите анализ выводами о том, насколько значимы входящие в модель коэффициенты, а также о том, адекватна ли полученная модель фактическим исходным данным. Определите вид модели, максимально точно описывающей исходные данные. Используя выбранную модель, рассчитайте ее прогнозные значения. Если выявлено расхождение между фактическими и расчетными данными, определите его величину. В заключение для большей наглядности отразите расчеты на графике.