Таблиця 4.5
ПРИЧИНИ ТА ВІДПОВІДНІ МЕТОДИ УСУНЕННЯ МУЛЬТИКОЛІНЕАРНОСТІ
| Причина |
Метод усунення |
| 1. Корельованість двох або більше впливових змінних |
1. Виключення з моделі однієї або ряду корельованих змінних |
| 2. Недостатня кількість спостережень |
2. Отримання додаткових даних вибірки (наприклад, щоквартальних у випадку використання річних даних) |
| 3. Невірна специфікація моделі |
3. Зміна специфікації моделі (зміна її форми або введення неврахованих пояснювальних змінних, що справляють суттєвий вплив на залежну змінну) |
| 4. Некоректний спосіб представлення вихідної інформації |
4. Перетворення вихідних даних (перехід від абсолютних до відносних величин, від номінальних до реальних показників тощо) |
1. Стандартна помилка оцінки коефіцієнта регресії (середньоквадратична помилка коефіцієнта регресії). Високий рівень надійності регресійної моделі попиту засвідчує мінімальне значення даного показника для кожного її параметру;
2. t-статистика параметричної оцінки — оцінює величину стандартної помилки параметричної оцінки по відношенню до абсолютної величини отриманої оцінки. Високий рівень достовірності параметрів регресійної залежності має місце, якщо значення показника дорівнює або перевищує 2;
3. Значення Р оцінки параметра, що показує рівень достовірності оціненого коефіцієнта регресії. Рівень достовірності параметра вважається високим, якщо значення Р не перевищує 0,05.
Оцінка надійності регресійної моделі попиту в цілому здійснюється за допомогою таких статистичних показників:
1. Коефіцієнт детермінації R 2 (коефіцієнт визначеності) — показує ту величину зміни результативного фактора, що пояснюється впливом усіх незалежних змінних, включених до регресії. Теоретичне значення даного показника максимальне. Коефіцієнт детермінації має недоліки, пов’язані з певною суб’єктивністю кінцевих оцінок (відсутністю єдиного правила, що дозволяє судити, при якому значенні показника регресія є адекватною) та чутливістю показника до кількості змінних і спостережень;
2. Скоригований (нормований) коефіцієнт детермінації 2 R — коефіцієнт детермінації коригується на кількість змінних та спостережень. Теоретичне значення показника — не нижче 0,75;
3. F-статистика — показує пояснену регресією варіацію результативного показника відносно його непояснених змін. Регресійна модель попиту на продукцію вважається надійною, якщо значення показника нижче за табличне значення F крит;
4. Значущість F-статистики — відображає рівень достовірності регресії, що вважається високим, якщо значення показника не перевищує 0,05;
5. Коефіцієнт кореляції — характеризує ступінь зв’язку між змінними у регресійній моделі. Чим вищим є значення показника, тим адекватніше регресійна модель описує динаміку попиту на продукцію;
6. Середньоквадратична оцінка помилки — характеризує відхилення спостережень від теоретичної лінії регресії. Високий рівень якості регресійної моделі попиту забезпечується за низького значення даного показника.
Проведення прогнозних розрахунків значень результативного фактору на базі встановлених трендових залежностей та оцінка результатів такого прогнозу дозволяє перевірити прогнозні якості регресій. Їх оцінка здійснюється на основі розрахунку таких критеріїв:
1) абсолютної помилки передбачення, що розраховується як різниця між спрогнозованим і фактичним значенням результативного показника;
2) відносної помилки прогнозу, яка визначається як абсолютна помилка прогнозу, поділена на фактичне значення змінної. Недоліком показника є його неадекватність при повільній зміні результативного показника у часі;
3) відносної помилки прогнозу приростів, що розраховується аналогічно визначенню попереднього показника. Різниця полягає в тому, що замість абсолютних значень використовується прогнозний і дійсний приріст у прогнозний період;
4) середнього для абсолютних значень відносних помилок прогнозу;
5) середньоквадратичного значення помилки прогнозу приростів (коефіцієнта Тейла). Його близькість до нуля свідчить про високу якість прогнозу.
