За допомогою dummy-змінних можна адаптувати регресійну модель до неоднорідної сукупності. Якщо неоднорідність проявляється розшаруванням сукупності на р ізольованих класів (груп), то кожен клас розглядається як градація номінальної ознаки і тим одиницям, що належать до j-го класу, приписутових ознак.
ється структурна змінна u j = 1, а тим, що не належать, u j = 0. Параметри при структурних змінних класів інтерпретуються так само, як і при градаціях тексється структурна змінна u j = 1, а тим, що не належать, u j = 0. Параметри при структурних змінних класів інтерпретуються так само, як і при градаціях текс
Специфіка моделювання процесів у неоднорідній сукупності зумовлена своєрідністю внутрішньокласової варіації та характером взаємозв’язків. Ефекти впливу того самого фактора х і на у за класами можуть істотно різнитися. Наприклад, у вугільній промисловості виділяються класи шахт за гірничо-геологічними умовами: потужністю та нахилом залягання пластів, їхньою газоносністю, глибиною розробки лав. Кожному типу цих природних умов відповідає певна технологічна схема і певний рівень механізації виробничих процесів. Вплив механізації на трудомісткість, скажімо, очисних робіт залежить від класу шахти. Залежність сили впливу одного фактора від рівня іншого називають взаємодією. У неоднорідних сукупностях йдеться про взаємодію факторів і специфічних умов окремих класів. Для цього використовують змінні взаємодії х і u j , значення яких дорівнює добутку значень відповідних ознак.
Отже, під час моделювання взаємозв’язків у неоднорідних сукупностях ознакова множина моделі охоплює, крім факторних ознак х і , два типи інструментальних змінних: dummy-змінні u j , які відображають особливості класів, і змінні взаємодії х і u j , що характеризують особливості взаємозв’язків в окремих класах. За рахунок цих змінних модель регресійного аналізу розширяється: m
1-p
== i jij
11 +++= jiijjjii uxcuaxbaY
0 ,???? == +++= i jij jiijjjii uxcuaxbaY
11
0 ,
де b i — характеризує чистий ефект впливу і-го фактора в середньому по сукупності; a j — показує відхилення середнього значення показника-функції в j-му класі від середнього його рівня в класі, узятому за базу порівняння; с ij — різниця ефектів впливу і-го фактора в j-му класі порівняно з середнім впливом у цілому по сукупності. Істотність параметрів a j і с ij свідчить про неоднорідність сукупності.
У моделі такого типу поєднуються регресія на факторних ознаках метричної шкали та модель дисперсійного аналізу міжкласових відмінностей. Вона уможливлює одночасну оцінку кількох рівнянь, і така оцінка може бути більш точною, ніж оцінки покласових регресій.
Як приклад розглянемо модель продуктивності праці робітників очисних вибоїв за даними 21 шахти, серед яких за гірничо-геологічними умовами 12 належать до першого класу (пологі пласти), 9
— до другого класу (круто падаючі пласти). Акцентуючи увагу на особливостях коваріаційної моделі, обмежимося одним фактором — швидкістю просування лави. Первинні дані наведено в табл. 7.5.
Таблиця 7.5
МАТРИЦЯ ПЕРВИННИХ ДАНИХ ACOV-МОДЕЛІ НА ГРУПУВАННЯХ
| Перший клас (u 1 = 1) | Другий клас (u 1 = 0) |
| Номер шахти | Швидкість просування лави, м за місяць | Продуктивність праці, т за місяць | Номер шахти | Швидкість просування лави, м за місяць | Продуктивність праці, т за місяць |
| 1 | 46 | 139 | 1 | 36 | 129 |
| 2 | 64 | 183 | 2 | 28 | 104 |
| 3 | 48 | 165 | 3 | 43 | 132 |
| 4 | 62 | 175 | 4 | 25 | 106 |
| 5 | 41 | 147 | 5 | 30 | 128 |
| 6 | 76 | 192 | 6 | 32 | 98 |
| 7 | 57 | 149 | 7 | 21 | 83 |
| 8 | 65 | 158 | 8 | 17 | 76 |
| 9 | 87 | 190 | 9 | 29 | 117 |
| 10 | 80 | 175 | | | |
| 11 | 48 | 153 | | | |
| 12 | 82 | 198 | | | |
Модель має вигляд Y = a
0 + b
1 x
1 + a
1 u
1 + c
11 x
1 u
1 .
Графічно модель можна подати у вигляді двох прямих, які відображають за
Модель має вигляд Y = a
0 + b
1 x
1 + a
1 u
1 + c
11 x
1 u
1 .
Графічно модель можна подати у вигляді двох прямих, які відображають за
лежність продуктивності праці в різних класах шахт. Оскільки параметри цих
прямих різняться, вони мають різний нахил і перетинають вісь ординат у різних точках (рис. 7.9). а

Рис. 7.9. Схематичний приклад специфікації ACOV-моделі
Параметри моделі наведено в табл. 7.6. Коефіцієнт детермінації свідчить, що 92,1 % варіації продуктивності праці робітників очисних вибоїв (Var1) пояснюється класом шахт (Var3) і швидкістю просування лави (Var2). Адекватність моделі підтверджують значення F-критерію і p-level, істотність впливу факторів — характеристики t-критерію.
Таблиця 7.6
ПАРАМЕТРИ ACOV-МОДЕЛІ НА ГРУПУВАННЯХ
| Regression Summary for Dependent Variable: Var1 | |
| R= ,96 RІ= ,921 Adjusted RІ= ,907 | | |
| F(3,17)=66,4 p<,000 Std.Error of estimate: 11,05 | | |
| | St. Err. | | St. Err. | | |
| BETA | of BETA | B | of B | t(17) | p-level |
| Intercеpt | | | 43,525 | 15,078 | 2,89 | 0,010 |
| Var2 | 1,31 | 0,296 | 2,227 | 0,504 | 4,42 | 0,000 |
| Var3 | 0,80 | 0,286 | 57,500 | 20,484 | 2,81 | 0,012 |
| Var4 | –1,08 | 0,512 | –1,153 | 0,548 | –2,11 | 0,050 |
На шахтах з пологими пластами (клас 1) середня місячна продуктивність праці в очисних вибоях на 57,5 т вища порівняно з шахтами, що мають круто падаючі пласти (клас 2). Зі збільшенням швидкості просування лави на 1 м про-
дуктивність праці зростає в середньому на 2,23 т, на шахтах першого класу ефект впливу цього фактора на 1,15 т менший за середній.
Теоретичний рівень продуктивності праці визначається так: класів. Наприклад, у табл. 7.7 ознакова множина моделі охоплює дві факторні ознаки (х
для шахт першого класу Y = (43,525 + 57,5) + (2,227 – 1,153) x
1 ; для шахт другого класу Y = 43,525 + 2,227 x
1 .
Аналогічно здійснюється модельна специфікація за наявності трьох і більше для шахт другого класу Y = 43,525 + 2,227 x
1 .
Аналогічно здійснюється модельна специфікація за наявності трьох і більше для шахт першого класу Y = (43,525 + 57,5) + (2,227 – 1,153) x
1 ; для шахт другого класу Y = 43,525 + 2,227 x
1 .
Аналогічно здійснюється модельна специфікація за наявності трьох і більше
1 , х
2 ) та дві dummy-змінні (u
1 , u
2 ).
За допомогою dummy-змінних можна врахувати в моделі нетиповість певної групи одиниць, які класифікуються як аномальні. Належним до такої групи
членам сукупності приписується u j =1. членам сукупності приписується u j =1.
Таблиця 7.7
СПЕЦИФІКАЦІЯ ACOV-МОДЕЛІ ДЛЯ ДВОХ DUMMY-ЗМІННИХ
Специфікація моделі
u
1 u
2
| 00 | | Y = a 0 + b 1 x 1 + b 2 x 2 |
| 10 | | Y = (a 0 + a 1 ) + (b 1 + c 11 ) x 1 + b 2 x 2 |
| 01 | | Y = (a 0 + a 2 ) + b 1 x 1 + (b 2 + c 22 ) x 2 |
| 11 | | Y = (a 0 + a 1 + a 2 )+ (b 1 + c 11 ) x 1 + (b 2 + c 22 ) x 2 |
Dummy-змінні в трендових моделях. Якісна однорідність є однією з умов моделювання динаміки. Вона виявляється неперервністю ряду, сталістю тенденції розвитку. Проте в рядах соціально-економічних показників ця умова часом порушується; спостерігаються розриви однорідності рядів через зміни у причинному комплексі формування тенденцій. Скажімо, зміна форми власності, фінансова криза, несприятливі погодні умови тощо. Серед методів статистичного аналізу такого типу трендів найпростішим є застосування dummy-змінних u t , які вводяться в трендову модель лінійно. При цьому система dummy-змінних різниться залежно від того, відома чи не відома точка зламу тенденції. Розглянемо обидва варіанти на прикладі динаміки ціни акцій умовної компанії (табл. 7.8).
Варіант перший. Точка зламу тенденції t р відома. Тоді часовий ряд у цій точці поділяється на два інтервали [до і після]. У трендову модель лінійно вводиться дві dummy-змінні u t . Значення першої змінної u t в інтервалі до точки зламу зростають від 1 до t р , у другому — фіксуються на рівні t р . Другій змінній
u t до точки зламу приписуються значення 0, після цієї точки u t = 1, 2, …, n, де n
— останнє значення ряду.
Трендова модель набуває вигляду u t до точки зламу приписуються значення 0, після цієї точки u t = 1, 2, …, n, де n
— останнє значення ряду.
Трендова модель набуває вигляду Y = a
0 + a
1 u
1 + a
2 u
2 . Y = a
0 + a
1 u
1 + a
2 u
2 .
Параметри a
2 характеризують абсолютну швидкість динаміки, відповідно, до і після зламу тенденції. Точка зламу тенденції відома.
1 і a
Варіант другий. Точка зламу тенденції невідома. У такому разі в трендову модель уводиться ще одна dummy-змінні u
3 , яка стежить за невідомою точкою зламу тенденції: де a

3 — вертикальна відстань між лініями тренду в середині ряду; знак «мінус» при a
3 вказує, що точка зламу t р розташована зліва від центру ряду.
У табл. 7.8 наведено значення dummy-змінних для обох варіантів.
Таблиця 7.8
МАТРИЦІ DUMMY-ЗМІННИХ ДЛЯ УРАХУВАННЯ ЗЛАМУ ТЕНДЕНЦІЇ
| | Точка зламу відома | Точка зламу невідома |
| | | | | |
| | | | | | |
| | | | | | |
| | | | | | |
| | | | | | |
| | | | | | |
| | | | | | |
| | | | | | |
| | | | | | |
| | | | | | |
№ з/пy t u
1 u
2 u
1 u
2 u
3
| 1 | 12 | 101 | | | 0 | 0 |
| 2 | 13 | 202 | | | 0 | 0 |
| 3 | 16 | 303 | | | 0 | 0 |
| 4 | 19 | 404 | | | 0 | 0 |
| 5 | 20 | 505 | | | 0 | 1 |
| 6 | 21 | 515 | | | 1 | 1 |
| 7 | 22 | 525 | | | 2 | 1 |
| 8 | 23 | 535 | | | 3 | 1 |
| 9 | 24 | 545 | | | 4 | 1 |
За першим варіантом точка зламу тенденції — п’ятий рівень t
5 . Параметри трендової моделі (табл. 7.9) показують, що до точки t
5 ціна акцій зростала в се
редньому на 2,16, після — на 0,90. Параметр a
0 = 9,476 є тим відрізком, який відсікає на осі ординат перша лінія тренда. редньому на 2,16, після — на 0,90. Параметр a
0 = 9,476 є тим відрізком, який відсікає на осі ординат перша лінія тренда.
Таблиця 7.9
ПАРАМЕТРИ ТРЕНДОВОЇ МОДЕЛІ З DUMMY-ЗМІННИМИ

Регресію з dummy-змінними можна застосувати в аналізі сезонних коливань на основі поквартальних даних. При цьому один з кварталів (зазвичай перший) визнається базовим, отож до регресійної моделі включаються три dummy-змінні.
В табл. 7.10 наведено результати аналізу поквартальної реалізації безалкогольних напоїв (див. табл. 5.4). Статистично значимими виявилися коефіцієнти регресії при dummy-змінних другого і третього кварталів. У другому кварталі середній рівень реалізації безалкогольних напоїв більше порівняно з базовим першим кварталом (31,6 млн дкл.) на 26,4, у третьому кварталі — на 35,3 млн дкл.
Таблиця 7.10
ПАРАМЕТРИ МОДЕЛІ СЕЗОННИХ КОЛИВАНЬ З dummy-ЗМІННИМИ
