ค่าสัมประสิทธิ์การถดถอยมาตรฐาน ข้อผิดพลาดในการประมาณค่าเฉลี่ยคือ
ในหุ้นเฉลี่ย ส่วนเบี่ยงเบนมาตรฐานสัญญาณแฟกทอเรียลและประสิทธิผล
6. ถ้าพารามิเตอร์ในสมการถดถอย เหนือศูนย์, แล้ว:
7. การพึ่งพาอาศัยกันของอุปทานกับราคามีลักษณะสมการในรูปแบบ y \u003d 136 x 1.4 สิ่งนี้หมายความว่า?
ด้วยราคาที่เพิ่มขึ้น 1% อุปทานเพิ่มขึ้นโดยเฉลี่ย 1.4%
8. ใน ฟังก์ชั่นพลังงานพารามิเตอร์ b คือ:
ค่าสัมประสิทธิ์ความยืดหยุ่น
9. ค่าเบี่ยงเบนมาตรฐานที่เหลือถูกกำหนดโดยสูตร:
10. สมการถดถอยที่สร้างขึ้นจากการสังเกต 15 ครั้งมีรูปแบบ: y \u003d 4 + 3x +? 6 ค่าของ t - เกณฑ์คือ 3.0
ในขั้นตอนของการสร้างแบบจำลอง โดยเฉพาะอย่างยิ่งในขั้นตอนการคัดกรองปัจจัย เราใช้
ค่าสัมประสิทธิ์สหสัมพันธ์บางส่วน
12. เรียกว่า "ตัวแปรโครงสร้าง":
ตัวแปรดัมมี่
13. กำหนดเมทริกซ์ของค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่:
ย xl x2 x3
วาย 1.0 - - -
Xl 0.7 1.0 - -
X2 -0.5 0.4 1.0 -
Х3 0.4 0.8 -0.1 1.0
ปัจจัยใดบ้างที่เป็นเส้นตรง?
14. ฟังก์ชันความสัมพันธ์อัตโนมัติอนุกรมเวลาคือ:
ลำดับของค่าสัมประสิทธิ์สหสัมพันธ์อัตโนมัติสำหรับระดับของอนุกรมเวลา
15. ค่าทำนายของระดับอนุกรมเวลาในแบบจำลองเพิ่มเติมคือ:
ผลรวมของแนวโน้มและองค์ประกอบตามฤดูกาล
16. วิธีหนึ่งในการทดสอบสมมติฐานของการรวมอนุกรมเวลาคือ:
เกณฑ์ของ Engel-Granger;
17. การรวมอนุกรมเวลาคือ:
การพึ่งพาอาศัยกันในระดับของสองอนุกรมเวลา (หรือมากกว่า);
18. ค่าสัมประสิทธิ์สำหรับตัวแปรภายนอกในระบบสมการจะแสดง:
19. สมการสามารถระบุได้มากเกินไปหาก:
20. แบบจำลองจะถือว่าไม่สามารถระบุตัวตนได้หาก:
สมการแบบจำลองอย่างน้อยหนึ่งสมการไม่สามารถระบุได้
ตัวเลือก 13
1. ขั้นตอนแรกของการวิจัยทางเศรษฐมิติคือ:
การกำหนดปัญหา
อะไรพึ่ง ค่าที่แตกต่างกันตัวแปรหนึ่งมีการแจกแจงค่าที่แตกต่างกันสำหรับอีกตัวแปรหนึ่งหรือไม่?
ทางสถิติ;
3. หากค่าสัมประสิทธิ์การถดถอยมากกว่าศูนย์ แสดงว่า:
ค่าสัมประสิทธิ์สหสัมพันธ์มีค่ามากกว่าศูนย์
4. วิธีการแบบคลาสสิกการประมาณค่าสัมประสิทธิ์การถดถอยขึ้นอยู่กับ:
กระบวนการ กำลังสองน้อยที่สุด;
ลักษณะเฉพาะของการทดสอบ F-Test ของฟิชเชอร์
อัตราส่วนของตัวประกอบและความแปรปรวนที่เหลือคำนวณต่อหนึ่งระดับความอิสระ
6. ค่าสัมประสิทธิ์การถดถอยมาตรฐานคือ:
ค่าสัมประสิทธิ์สหสัมพันธ์พหุคูณ
7. ในการประเมินความสำคัญของค่าสัมประสิทธิ์ อย่าทำ การถดถอยเชิงเส้นคำนวณ:
F - เกณฑ์ของฟิชเชอร์
8. วิธีกำลังสองน้อยที่สุดกำหนดพารามิเตอร์:
การถดถอยเชิงเส้น
9. ข้อผิดพลาดแบบสุ่มค่าสัมประสิทธิ์สหสัมพันธ์ถูกกำหนดโดยสูตร:
M= √(1-r 2)/(n-2)
10. กำหนด: Dfact = 120; Doct = 51 ค่าที่แท้จริงของ Fisher's F-test จะเป็นเท่าใด
11. การทดสอบ F-test ส่วนตัวของ Fisher ประเมิน:
นัยสำคัญทางสถิติการปรากฏตัวของปัจจัยที่สอดคล้องกันในสมการ การถดถอยพหุคูณ;
12. การประมาณการที่เป็นกลางหมายความว่า:
มูลค่าที่คาดหวังส่วนที่เหลือเป็นศูนย์
13. เมื่อคำนวณการถดถอยพหุคูณและแบบจำลองสหสัมพันธ์ใน Excel เพื่อหาเมทริกซ์ของค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่ จะใช้สิ่งต่อไปนี้:
ความสัมพันธ์ของเครื่องมือวิเคราะห์ข้อมูล
14. ผลรวมของค่า องค์ประกอบตามฤดูกาลสำหรับไตรมาสทั้งหมดในแบบจำลองเพิ่มเติมควรเท่ากับ:
15. ค่าพยากรณ์ของระดับอนุกรมเวลาในตัวแบบการคูณคือ:
ผลิตภัณฑ์ตามเทรนด์และส่วนประกอบตามฤดูกาล
16. ความสัมพันธ์ที่ผิดพลาดเกิดจากการมี:
แนวโน้ม
17. ในการกำหนดความสัมพันธ์อัตโนมัติของส่วนที่เหลือ ให้ใช้:
เกณฑ์ เดอร์บิน วัตสัน;
18. ค่าสัมประสิทธิ์สำหรับตัวแปรภายนอกในระบบสมการจะแสดงแทน:
19 . เงื่อนไขที่อันดับของเมทริกซ์ประกอบด้วยค่าสัมประสิทธิ์ของตัวแปร ขาดหายไปในสมการที่กำลังศึกษาอยู่ น้อยกว่าจำนวนภายนอก ตัวแปรของระบบต่อหน่วยคือ:
เงื่อนไขเพิ่มเติมสำหรับการระบุสมการในระบบสมการ
20. วิธีทางอ้อมของกำลังสองน้อยที่สุดใช้ในการแก้ปัญหา:
ระบบสมการที่สามารถระบุตัวตนได้
ตัวเลือก 14
1. นิพจน์ทางคณิตศาสตร์และสถิติที่แสดงลักษณะเชิงปริมาณ ปรากฏการณ์ทางเศรษฐกิจและกระบวนการและมีเพียงพอ ระดับสูงเรียกว่าความน่าเชื่อถือ:
แบบจำลองทางเศรษฐมิติ
2. งานของการวิเคราะห์การถดถอยคือ:
การกำหนดความแน่นของความสัมพันธ์ระหว่างคุณสมบัติ
3. ค่าสัมประสิทธิ์การถดถอยแสดง:
การเปลี่ยนแปลงโดยเฉลี่ยในผลลัพธ์ที่มีการเปลี่ยนแปลงในปัจจัยหนึ่งหน่วยของการวัด
4. ข้อผิดพลาดเฉลี่ยค่าประมาณคือ:
ค่าเบี่ยงเบนเฉลี่ยของค่าที่คำนวณได้ของคุณลักษณะที่มีประสิทธิผลจากค่าจริง
5. เลือกผิด ฟังก์ชันทางคณิตศาสตร์เกี่ยวข้องกับข้อผิดพลาด:
ข้อมูลจำเพาะของรุ่น;
6. ถ้าพารามิเตอร์ a ในสมการถดถอยมีค่ามากกว่าศูนย์ ดังนั้น:
ความแปรผันของผลลัพธ์น้อยกว่าความแปรผันของปัจจัย
7. ฟังก์ชันใดที่ทำให้เป็นเส้นตรงโดยการเปลี่ยนตัวแปร: x=x1, x2=x2
พหุนามของระดับที่สอง
8. การพึ่งพาอุปสงค์ต่อราคานั้นมีลักษณะสมการในรูปแบบ y \u003d 98 x - 2.1 สิ่งนี้หมายความว่า?
ด้วยราคาที่เพิ่มขึ้น 1% ความต้องการลดลงโดยเฉลี่ย 2.1%
9. ข้อผิดพลาดการคาดการณ์โดยเฉลี่ยถูกกำหนดโดยสูตร:
- σres=√(∑(у-ỹ) 2 / (n-m-1))
10. ให้มีสมการถดถอยแบบจับคู่: y \u003d 13 + 6 * x ซึ่งสร้างขึ้นจากการสังเกต 20 ครั้ง ในขณะที่ r \u003d 0.7 กำหนด มาตรฐานบกพร่องสำหรับค่าสัมประสิทธิ์สหสัมพันธ์:
11. ค่าสัมประสิทธิ์การถดถอยมาตรฐานแสดง:
ผลลัพธ์จะเปลี่ยนไปโดยเฉลี่ยกี่ซิกมา หากปัจจัยที่สอดคล้องกันเปลี่ยนไปหนึ่งซิกมาโดยที่ระดับเฉลี่ยของปัจจัยอื่นๆ ไม่เปลี่ยนแปลง
12. หนึ่งในห้าสถานที่ของวิธีกำลังสองน้อยที่สุดคือ:
รักร่วมเพศ;
13. สำหรับการคำนวณ ค่าสัมประสิทธิ์หลายตัวใช้ความสัมพันธ์ใน Excel:
การถดถอยของเครื่องมือวิเคราะห์ข้อมูล
14. ผลรวมของค่าขององค์ประกอบตามฤดูกาลสำหรับช่วงเวลาทั้งหมดในแบบจำลองการคูณในวงจรควรเท่ากับ:
สี่
15. ในการจัดตำแหน่งเชิงวิเคราะห์ของอนุกรมเวลา ตัวแปรอิสระคือ:
16. ความสัมพันธ์อัตโนมัติในส่วนที่เหลือเป็นการละเมิดสมมติฐาน OLS ของ:
การสุ่มของเศษเหลือที่ได้จากสมการถดถอย
ค่าสัมประสิทธิ์ของสมการถดถอย เช่นเดียวกับตัวบ่งชี้สัมบูรณ์ ไม่สามารถใช้ในการวิเคราะห์เปรียบเทียบได้ หากหน่วยการวัดของตัวแปรที่เกี่ยวข้องแตกต่างกัน ตัวอย่างเช่น ถ้า ย - ค่าใช้จ่ายในครอบครัวสำหรับอาหาร เอ็กซ์ 1 - ขนาดครอบครัวและ เอ็กซ์ 2 เป็นรายได้รวมของครอบครัว และเรากำหนดการพึ่งพาอาศัยกันของประเภท = ก + ข 1 x 1 + ข 2 x 2 และ b 2 > b 1 แล้วนี่ไม่ได้หมายความว่า x 2 ผลกระทบที่แข็งแกร่งขึ้น ย , อย่างไร เอ็กซ์ 1 , เพราะ ข 2 คือการเปลี่ยนแปลงค่าใช้จ่ายของครอบครัวโดยมีการเปลี่ยนแปลงรายได้ 1 รูเบิลและ ข 1 - การเปลี่ยนแปลงค่าใช้จ่ายเมื่อเปลี่ยนขนาดของครอบครัว 1 คน
ความสามารถในการเปรียบเทียบค่าสัมประสิทธิ์ของสมการถดถอยทำได้โดยการพิจารณาสมการถดถอยมาตรฐาน:
y 0 \u003d 1 x 1 0 + 2 x 2 0 + ... + m x m 0 + e,
โดยที่ y 0 และ x 0 เค – ค่าตัวแปรมาตรฐาน ย และ x เค :
S y และ S คือส่วนเบี่ยงเบนมาตรฐานของตัวแปร ย และ x เค ,
k (k=) – -ค่าสัมประสิทธิ์ของสมการถดถอย (แต่ไม่ใช่พารามิเตอร์ของสมการถดถอย ตรงกันข้ามกับสัญกรณ์ที่ให้ไว้ก่อนหน้านี้) -สัมประสิทธิ์แสดงส่วนใดของส่วนเบี่ยงเบนมาตรฐาน (S y) ตัวแปรตามจะเปลี่ยนไป ย ถ้าตัวแปรอิสระ x เค จะเปลี่ยนไปตามค่าเบี่ยงเบนมาตรฐาน (S) ค่าประมาณของพารามิเตอร์ของสมการถดถอยใน ในแง่ที่แน่นอน(b k) และสัมประสิทธิ์ β สัมพันธ์กันโดย:
ค่าสัมประสิทธิ์ของสมการถดถอยในระดับมาตรฐานสร้างแนวคิดที่แท้จริงของผลกระทบของตัวแปรอิสระต่อตัวบ่งชี้แบบจำลอง หากค่าของค่าสัมประสิทธิ์ สำหรับตัวแปรใด ๆ เกินกว่าค่าของค่าสัมประสิทธิ์ ที่สอดคล้องกันสำหรับตัวแปรอื่น อิทธิพลของตัวแปรตัวแรกต่อการเปลี่ยนแปลงในตัวบ่งชี้ที่มีประสิทธิผลควรได้รับการยอมรับว่ามีนัยสำคัญมากกว่า ควรระลึกไว้เสมอว่าสมการถดถอยที่ได้มาตรฐาน เนื่องจากตัวแปรอยู่กึ่งกลาง ไม่มีคำศัพท์อิสระโดยการสร้าง
สำหรับการถดถอยอย่างง่าย ค่าสัมประสิทธิ์ จะตรงกับค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่ ซึ่งทำให้สามารถให้ค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่ตามความหมายได้
เมื่อวิเคราะห์ผลกระทบของตัวบ่งชี้ที่รวมอยู่ในสมการถดถอยต่อลักษณะแบบจำลอง จะใช้ค่าสัมประสิทธิ์ความยืดหยุ่นร่วมกับค่าสัมประสิทธิ์ ตัวอย่างเช่น ตัวบ่งชี้ความยืดหยุ่นเฉลี่ยคำนวณโดยสูตร
และแสดงจำนวนเปอร์เซ็นต์ที่ตัวแปรตามจะเปลี่ยนแปลงโดยเฉลี่ยหากค่าเฉลี่ยของตัวแปรอิสระที่สอดคล้องกันเปลี่ยนไปหนึ่งเปอร์เซ็นต์ (กับค่าอื่นๆ เงื่อนไขที่เท่าเทียมกัน).
2.2.9. ตัวแปรที่ไม่ต่อเนื่องในการวิเคราะห์การถดถอย
โดยทั่วไปแล้ว ตัวแปรในโมเดลการถดถอยจะมีช่วงต่อเนื่อง อย่างไรก็ตาม ทฤษฎีนี้ไม่ได้กำหนดข้อจำกัดใดๆ เกี่ยวกับธรรมชาติของตัวแปรดังกล่าว บ่อยครั้งที่มีความจำเป็นต้องคำนึงถึงอิทธิพลของคุณลักษณะเชิงคุณภาพและการพึ่งพาปัจจัยต่างๆ ในการวิเคราะห์การถดถอย ในกรณีนี้จำเป็นต้องป้อน แบบจำลองการถดถอยตัวแปรที่ไม่ต่อเนื่อง ตัวแปรที่ไม่ต่อเนื่องสามารถเป็นอิสระหรือขึ้นอยู่กับ ลองพิจารณากรณีเหล่านี้แยกกัน ก่อนอื่นให้เราพิจารณากรณีของตัวแปรอิสระที่ไม่ต่อเนื่อง
ตัวแปรดัมมี่ใน การวิเคราะห์การถดถอย
ในการรวมคุณสมบัติเชิงคุณภาพเป็นตัวแปรอิสระในการถดถอย จะต้องแปลงเป็นดิจิทัล วิธีหนึ่งในการแปลงเป็นดิจิทัลคือการใช้ตัวแปรจำลอง ชื่อนี้ไม่ประสบความสำเร็จทั้งหมด - ไม่ใช่ชื่อสมมติ แต่สะดวกกว่าสำหรับวัตถุประสงค์เหล่านี้ในการใช้ตัวแปรที่รับค่าเพียงสองค่า - ศูนย์หรือหนึ่ง นั่นคือสิ่งที่พวกเขาเรียกว่าสมมติ โดยปกติแล้ว ตัวแปรเชิงคุณภาพสามารถรับค่าได้หลายระดับ ตัวอย่างเช่น เพศ - ชาย, หญิง; คุณสมบัติ - สูง, กลาง, ต่ำ; ฤดูกาล - I, II, III และ IV ไตรมาส ฯลฯ มีกฎซึ่งในการทำให้ตัวแปรดังกล่าวเป็นดิจิทัลจำเป็นต้องป้อนจำนวนของตัวแปรจำลองซึ่งน้อยกว่าจำนวนระดับของตัวบ่งชี้ที่จำลอง . นี่เป็นสิ่งจำเป็นเพื่อให้ตัวแปรดังกล่าวไม่ขึ้นอยู่กับเชิงเส้น
ในตัวอย่างของเรา เพศเป็นตัวแปรเดียว เท่ากับ 1 สำหรับผู้ชายและ 0 สำหรับผู้หญิง คุณสมบัติมีสามระดับ ดังนั้นจำเป็นต้องมีตัวแปรจำลองสองตัว: ตัวอย่างเช่น z 1 = 1 สำหรับ ระดับสูง, 0 – สำหรับคนอื่นๆ; z 2 = 1 สำหรับระดับกลาง, 0 สำหรับอื่นๆ เป็นไปไม่ได้ที่จะแนะนำตัวแปรที่คล้ายกันตัวที่สาม เพราะในกรณีนี้ตัวแปรเหล่านั้นจะขึ้นอยู่กับเชิงเส้น (z 1 + z 2 + z 3 \u003d 1) ดีเทอร์มีแนนต์ของเมทริกซ์ (X T X) จะเป็นศูนย์และค้นหา เมทริกซ์ผกผัน (X T X) -1 ไม่สำเร็จ อย่างที่คุณทราบ ค่าประมาณของพารามิเตอร์ของสมการการถดถอยจะพิจารณาจากอัตราส่วน: T X) -1 X T Y)
ค่าสัมประสิทธิ์สำหรับตัวแปรจำลองแสดงให้เห็นว่าค่าของตัวแปรตามแตกต่างกันอย่างไรในระดับที่วิเคราะห์เมื่อเทียบกับระดับที่หายไป ตัวอย่างเช่น หากระดับเงินเดือนถูกสร้างแบบจำลองโดยขึ้นอยู่กับลักษณะและระดับทักษะหลายประการ ค่าสัมประสิทธิ์ที่ z 1 จะแสดงให้เห็นว่าเงินเดือนของผู้เชี่ยวชาญที่มีคุณสมบัติระดับสูงแตกต่างจากเงินเดือนของผู้เชี่ยวชาญที่มีคุณสมบัติต่ำ สิ่งอื่น ๆ ทั้งหมดเท่ากันและค่าสัมประสิทธิ์ที่ z 2 - ความหมายที่คล้ายกันสำหรับผู้เชี่ยวชาญที่มีระดับคุณสมบัติเฉลี่ย ในกรณีของฤดูกาล ต้องมีการแนะนำตัวแปรจำลองสามตัว (หากพิจารณาข้อมูลรายไตรมาส) และค่าสัมประสิทธิ์สำหรับตัวแปรเหล่านั้นจะแสดงให้เห็นว่าค่าของตัวแปรตามแตกต่างกันมากน้อยเพียงใดสำหรับไตรมาสที่สอดคล้องกันจากระดับของตัวแปรตามสำหรับ ไตรมาสที่ไม่ได้ป้อนเมื่อมีการแปลงเป็นดิจิทัล
ตัวแปร Dummy ยังได้รับการแนะนำให้รู้จักกับแบบจำลองการเปลี่ยนแปลงโครงสร้างในพลวัตของตัวบ่งชี้ที่ศึกษาในการวิเคราะห์อนุกรมเวลา
ตัวอย่างที่ 4สมการถดถอยมาตรฐานและตัวแปรหุ่น
พิจารณาตัวอย่างการใช้ค่าสัมประสิทธิ์มาตรฐานและตัวแปรจำลองในตัวอย่างการวิเคราะห์ตลาดอพาร์ทเมนต์สองห้องตามสมการถดถอยพหุคูณด้วยชุดตัวแปรต่อไปนี้:
ราคา - ราคา;
TOTSP - พื้นที่ทั้งหมด
LIVSP - พื้นที่นั่งเล่น
KITSP - พื้นที่ครัว
DIST - ระยะทางไปยังใจกลางเมือง
WALK - เท่ากับ 1 หากสามารถเดินไปถึงสถานีรถไฟใต้ดินได้ และเท่ากับ 0 หากต้องการใช้บริการขนส่งสาธารณะ
อิฐ - เท่ากับ 1 หากบ้านเป็นอิฐ และเท่ากับ 0 หากเป็นแผง
ชั้น - เท่ากับ 1 หากอพาร์ทเมนท์ไม่ได้อยู่ที่ชั้นหนึ่งหรือชั้นสุดท้าย และเท่ากับ 0 มิฉะนั้น
TEL - เท่ากับ 1 ถ้าอพาร์ทเมนท์มีโทรศัพท์ และเท่ากับ 1 ถ้าไม่มี
BAL เท่ากับ 1 ถ้ามีระเบียง และเท่ากับ 0 ถ้าไม่มีระเบียง
การคำนวณดำเนินการโดยใช้ซอฟต์แวร์ STATISTICA (รูปที่ 2.23) การมีอยู่ของค่าสัมประสิทธิ์ทำให้คุณสามารถจัดลำดับตัวแปรตามระดับของอิทธิพลที่มีต่อตัวแปรตาม ให้เราวิเคราะห์ผลการคำนวณโดยสังเขป
จากสถิติของฟิชเชอร์ เราสรุปได้ว่าสมการการถดถอยมีความสำคัญ (ระดับ p< 0,05). Обработана информация о 6 286 квартирах (n–m–1 = 6 276, а m = 9). Все коэффициенты уравнения регрессии (кроме при переменной BAL) значимы (р-величины для них < 0,05), а наличие или отсутствие балкона в этом случае существенно не сказывается на цене квартиры.
รูปที่ 2.24 – รายงานตลาดอพาร์ตเมนต์ตาม STATISTICA PPP
ค่าสัมประสิทธิ์ของการกำหนดหลายรายการคือ 52% ดังนั้นตัวแปรที่รวมอยู่ในการถดถอยจึงกำหนดการเปลี่ยนแปลงของราคา 52% และการเปลี่ยนแปลงราคาอพาร์ทเมนท์ที่เหลืออีก 48% ขึ้นอยู่กับปัจจัยที่ไม่ได้นับ รวมถึงจากความผันผวนของราคาแบบสุ่ม
แต่ละค่าสัมประสิทธิ์ของตัวแปรจะแสดงให้เห็นว่าราคาของอพาร์ทเมนต์จะเปลี่ยนแปลงไปเท่าใด (ceteris paribus) หากตัวแปรนี้เปลี่ยนแปลงทีละหนึ่ง ตัวอย่างเช่น เมื่อเปลี่ยนพื้นที่ทั้งหมด 1 ตร.ม. m ราคาของอพาร์ทเมนท์โดยเฉลี่ยจะเปลี่ยนแปลง 0.791 USD และเมื่ออพาร์ทเมนท์อยู่ห่างจากใจกลางเมือง 1 กม. ราคาของอพาร์ทเมนท์จะลดลงโดยเฉลี่ย 0.596 USD เป็นต้น ตัวแปรจำลอง (5 ตัวสุดท้าย) แสดงให้เห็นว่าราคาของอพาร์ทเมนต์จะเปลี่ยนแปลงโดยเฉลี่ยเท่าใดหากคุณย้ายจากระดับหนึ่งของตัวแปรนี้ไปยังอีกระดับหนึ่ง ตัวอย่างเช่น หากบ้านเป็นอิฐ อพาร์ทเมนต์ในนั้นจะอยู่ที่ 3.104 USD โดยเฉลี่ย e. ราคาแพงกว่าบ้านแผงเดียวกันและการมีโทรศัพท์ในอพาร์ทเมนต์ทำให้ราคาสูงขึ้นโดยเฉลี่ย 1.493 เหรียญสหรัฐ จ. เป็นต้น
จากค่าสัมประสิทธิ์ สามารถสรุปได้ดังต่อไปนี้ ค่าสัมประสิทธิ์ที่ใหญ่ที่สุดเท่ากับ 0.514 คือค่าสัมประสิทธิ์ของตัวแปร "พื้นที่ทั้งหมด" ดังนั้นประการแรกราคาของอพาร์ทเมนต์จึงเกิดขึ้นภายใต้อิทธิพลของพื้นที่ทั้งหมด ปัจจัยต่อไปในแง่ของระดับอิทธิพลต่อการเปลี่ยนแปลงของราคาอพาร์ทเมนต์คือระยะทางไปยังใจกลางเมือง จากนั้นวัสดุที่ใช้สร้างบ้าน จากนั้นพื้นที่ห้องครัว ฯลฯ .
ง. ตัวบ่งชี้นี้เป็นค่าสัมประสิทธิ์การถดถอยที่ได้มาตรฐาน เช่น ค่าสัมประสิทธิ์ไม่ได้แสดงอยู่ในหน่วยสัมบูรณ์ของการวัดสัญญาณ แต่อยู่ในส่วนเบี่ยงเบนมาตรฐานของสัญญาณที่มีประสิทธิภาพ
ค่าสัมประสิทธิ์การถดถอยบริสุทธิ์แบบมีเงื่อนไข bf คือ Named Numbers ที่แสดงในหน่วยการวัดที่แตกต่างกัน ดังนั้นจึงไม่สามารถเปรียบเทียบกันได้ ในการแปลงให้เป็นตัวบ่งชี้สัมพัทธ์ที่เปรียบเทียบได้ การแปลงแบบเดียวกันจะถูกนำไปใช้กับการได้รับค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่ ค่าที่ได้เรียกว่าค่าสัมประสิทธิ์การถดถอยมาตรฐานหรือค่าสัมประสิทธิ์
ในทางปฏิบัติ บ่อยครั้งจำเป็นต้องเปรียบเทียบผลกระทบต่อตัวแปรตามของตัวแปรอธิบายที่แตกต่างกัน เมื่อตัวแปรหลังแสดงออกมาในหน่วยการวัดที่แตกต่างกัน ในกรณีนี้ ค่าสัมประสิทธิ์การถดถอยที่ได้มาตรฐาน b j และค่าสัมประสิทธิ์ความยืดหยุ่น Ej Q = 1,2,..., p)
ค่าสัมประสิทธิ์การถดถอยที่ได้มาตรฐาน b j แสดงจำนวนค่า sy ที่ตัวแปรตาม Y จะเปลี่ยนแปลงโดยเฉลี่ยเมื่อตัวแปรอธิบาย jth เพิ่มขึ้นโดย sx, a
วิธีการแก้. ในการเปรียบเทียบอิทธิพลของตัวแปรอธิบายแต่ละตัวตามสูตร (4.10) เราคำนวณค่าสัมประสิทธิ์การถดถอยมาตรฐาน
กำหนดค่าสัมประสิทธิ์การถดถอยที่ได้มาตรฐาน
ในการพึ่งพาแบบคู่ ค่าสัมประสิทธิ์การถดถอยมาตรฐานนั้นไม่มีอะไรเลยนอกจากค่าสัมประสิทธิ์สหสัมพันธ์เชิงเส้น fa เช่นเดียวกับในการพึ่งพาแบบคู่ ค่าสัมประสิทธิ์การถดถอยและสหสัมพันธ์สัมพันธ์กัน ดังนั้นในการถดถอยพหุ ค่าสัมประสิทธิ์การถดถอยล้วน d จะสัมพันธ์กับค่ามาตรฐาน ค่าสัมประสิทธิ์การถดถอย /, -, กล่าวคือ
ความหมายที่พิจารณาของค่าสัมประสิทธิ์การถดถอยมาตรฐานช่วยให้สามารถใช้เมื่อกรองปัจจัย - ปัจจัยด้วย ค่าที่น้อยที่สุดเจคิว
ดังที่แสดงไว้ข้างต้น การจัดอันดับปัจจัยที่เกี่ยวข้องกับการถดถอยเชิงเส้นพหุคูณสามารถทำได้โดยใช้ค่าสัมประสิทธิ์การถดถอยมาตรฐาน (/-ค่าสัมประสิทธิ์) สามารถบรรลุเป้าหมายเดียวกันได้โดยใช้ค่าสัมประสิทธิ์สหสัมพันธ์บางส่วน - สำหรับ การเชื่อมต่อเชิงเส้น. ด้วยความสัมพันธ์แบบไม่เชิงเส้นของคุณลักษณะที่กำลังศึกษา ฟังก์ชันนี้ดำเนินการโดยดัชนีกำหนดบางส่วน นอกจากนี้ ตัวบ่งชี้ความสัมพันธ์บางส่วนยังใช้กันอย่างแพร่หลายในการแก้ปัญหาการเลือกปัจจัย ความได้เปรียบของการรวมปัจจัยหนึ่งหรือปัจจัยอื่นในแบบจำลองได้รับการพิสูจน์โดยค่าของตัวบ่งชี้ความสัมพันธ์บางส่วน
กล่าวอีกนัยหนึ่ง ในการวิเคราะห์สองปัจจัย ค่าสัมประสิทธิ์สหสัมพันธ์บางส่วนคือค่าสัมประสิทธิ์การถดถอยที่เป็นมาตรฐานคูณด้วยรากที่สองของอัตราส่วนของส่วนแบ่งผลต่างที่เหลือของปัจจัยคงที่ต่อปัจจัยและผลลัพธ์
ในกระบวนการพัฒนามาตรฐานการนับจำนวนพนักงาน ข้อมูลเริ่มต้นเกี่ยวกับจำนวนพนักงานระดับบริหารและค่าของปัจจัยสำหรับองค์กรพื้นฐานที่เลือกจะถูกรวบรวม จากนั้น ปัจจัยสำคัญจะถูกเลือกสำหรับแต่ละฟังก์ชันบนพื้นฐานของการวิเคราะห์ความสัมพันธ์ โดยพิจารณาจากค่าของสัมประสิทธิ์สหสัมพันธ์ ปัจจัยที่มีค่าสูงสุดของค่าสัมประสิทธิ์สหสัมพันธ์คู่ที่มีฟังก์ชันและค่าสัมประสิทธิ์การถดถอยมาตรฐานจะถูกเลือก
ค่าสัมประสิทธิ์การถดถอยมาตรฐาน (p) คำนวณสำหรับแต่ละฟังก์ชันโดยผลรวมของอาร์กิวเมนต์ทั้งหมดตามสูตร
อย่างไรก็ตาม สถิติให้คำแนะนำที่เป็นประโยชน์เพื่อให้ได้ค่าประมาณในเรื่องนี้เป็นอย่างน้อย ตัวอย่างเช่น มาทำความคุ้นเคยกับหนึ่งในวิธีการเหล่านี้ - การเปรียบเทียบค่าสัมประสิทธิ์การถดถอยมาตรฐาน
ค่าสัมประสิทธิ์การถดถอยที่ได้มาตรฐานคำนวณโดยการคูณค่าสัมประสิทธิ์การถดถอย bi ด้วยค่าเบี่ยงเบนมาตรฐาน Sn (สำหรับ -ตัวแปร เราแสดงว่าเป็น Sxk) และหารผลลัพธ์ที่ได้ด้วย Sy ซึ่งหมายความว่าแต่ละค่าสัมประสิทธิ์การถดถอยที่ได้มาตรฐานจะถูกวัดเป็น b Sxk / สำหรับตัวอย่างของเรา เราได้ผลลัพธ์ต่อไปนี้ (ตารางที่ 10)
ค่าสัมประสิทธิ์การถดถอยมาตรฐาน
ดังนั้นการเปรียบเทียบค่าสัมบูรณ์ของค่าสัมประสิทธิ์การถดถอยมาตรฐานข้างต้นทำให้สามารถรับได้แม้ว่าจะค่อนข้างหยาบ แต่ก็เพียงพอ การแสดงภาพเกี่ยวกับความสำคัญของปัจจัยที่พิจารณา เราขอย้ำอีกครั้งว่าผลลัพธ์เหล่านี้ไม่สมบูรณ์แบบ เนื่องจากไม่ได้สะท้อนให้เห็นทั้งหมด ผลกระทบที่แท้จริงตัวแปรภายใต้การศึกษา (เราเพิกเฉยต่อข้อเท็จจริงของการโต้ตอบที่เป็นไปได้ของปัจจัยเหล่านี้ ซึ่งอาจบิดเบือนภาพเริ่มต้นได้)
ค่าสัมประสิทธิ์ของสมการนี้ (blf 62, b3) ถูกกำหนดโดยการแก้สมการถดถอยมาตรฐาน
ตัวดำเนินการ 5. การคำนวณ - ค่าสัมประสิทธิ์ - ค่าสัมประสิทธิ์การถดถอยในระดับมาตรฐาน
เป็นเรื่องง่ายที่จะเห็นว่าการเปลี่ยนเป็น 2 และการแปลงอย่างง่ายต่อไป เราสามารถมาถึงระบบสมการปกติในระดับมาตรฐานได้ เราจะใช้การเปลี่ยนแปลงที่คล้ายกันในอนาคตเนื่องจากการทำให้เป็นมาตรฐานในแง่หนึ่งช่วยให้เราหลีกเลี่ยงมากเกินไป ตัวเลขขนาดใหญ่และในทางกลับกัน รูปแบบการคำนวณเองก็กลายเป็นมาตรฐานเมื่อกำหนดค่าสัมประสิทธิ์การถดถอย
รูปแบบของกราฟของการเชื่อมต่อโดยตรงแสดงให้เห็นว่าเมื่อสร้างสมการถดถอยสำหรับสองปัจจัยเท่านั้น - จำนวนอวนลากและเวลาของการอวนลากบริสุทธิ์ - ความแปรปรวนคงเหลือของ st.z4 จะไม่แตกต่างจากความแปรปรวนคงเหลือของ a.23456 ได้จากสมการการถดถอยที่สร้างขึ้นจากปัจจัยทั้งหมด เพื่อชื่นชมความแตกต่างเราจึงหันไปหา กรณีนี้เพื่อการประเมินแบบเลือก 1.23456 = 0.907 และ 1.34 = 0.877 แต่ถ้าเราแก้ไขค่าสัมประสิทธิ์ตามสูตร (38) แล้ว 1.23456=0.867, a / i.34= = 0.864 ความแตกต่างนั้นแทบจะถือว่ามีนัยสำคัญไม่ได้ นอกจากนี้ r14 = 0.870 นี่แสดงให้เห็นว่าจำนวนการลากแทบไม่มีผลโดยตรงต่อขนาดของปลาที่จับได้ อันที่จริง ในระดับมาตรฐาน 1.34 = 0.891 4 - 0.032 3- มันง่ายที่จะเห็นว่าค่าสัมประสิทธิ์การถดถอยที่ t3 นั้นไม่น่าเชื่อถือแม้ว่าจะมีช่วงความเชื่อมั่นที่ต่ำมากก็ตาม
อาร์เอ็กซ์/. - ค่าสัมประสิทธิ์ที่สอดคล้องกัน
ค่าสัมประสิทธิ์เบต้าเท่ากับ 0.074 (ตารางที่ 3.2.1) แสดงว่าถ้าค่าจริง ค่าจ้างเปลี่ยนแปลงตามค่าส่วนเบี่ยงเบนมาตรฐาน (σx1) จากนั้นค่าสัมประสิทธิ์ เพิ่มขึ้นตามธรรมชาติของประชากรจะเปลี่ยนแปลงโดยเฉลี่ย 0.074 σу ค่าสัมประสิทธิ์เบต้า 0.02 แสดงว่าถ้า ค่าสัมประสิทธิ์โดยรวมอัตราการแต่งงานจะเปลี่ยนแปลงตามค่าของส่วนเบี่ยงเบนมาตรฐาน (โดย σx2) จากนั้นค่าสัมประสิทธิ์ของการเติบโตของประชากรตามธรรมชาติจะเปลี่ยนแปลงโดยเฉลี่ย 0.02 σy ในทำนองเดียวกัน การเปลี่ยนแปลงจำนวนอาชญากรรมต่อ 1,000 คนตามค่าเบี่ยงเบนมาตรฐาน (โดย σх3) จะนำไปสู่การเปลี่ยนแปลงในคุณลักษณะที่มีประสิทธิภาพโดยเฉลี่ย 0.366 σy และการเปลี่ยนแปลงอินพุตของตารางเมตรที่อยู่อาศัย สถานที่ต่อคนต่อปีโดยค่าเบี่ยงเบนมาตรฐาน (โดย σх4) นำไปสู่การเปลี่ยนแปลงในคุณลักษณะที่มีประสิทธิภาพโดยเฉลี่ย 1.32σу
ค่าสัมประสิทธิ์ความยืดหยุ่นแสดงจำนวนเปอร์เซ็นต์ y ที่เปลี่ยนแปลงโดยเฉลี่ยโดยมีการเปลี่ยนแปลงปัจจัยสัญญาณ 1% จากการวิเคราะห์ชุดไดนามิกเป็นที่ทราบกันว่าค่า 1% ของการเพิ่มขึ้นของตัวบ่งชี้ที่มีประสิทธิภาพนั้นเป็นค่าลบเนื่องจากในทุกหน่วยของประชากรจะมีประชากรลดลงตามธรรมชาติ ดังนั้นการเพิ่มขึ้นหมายถึงการลดลงของการสูญเสีย ดังนั้นค่าสัมประสิทธิ์ความยืดหยุ่นเชิงลบในกรณีนี้สะท้อนถึงความจริงที่ว่าเมื่อแต่ละลักษณะปัจจัยเพิ่มขึ้น 1% ค่าสัมประสิทธิ์ของการขัดสีตามธรรมชาติจะลดลงตามจำนวนเปอร์เซ็นต์ที่สอดคล้องกัน ด้วยการเพิ่มค่าจ้างจริง 1% อัตราการออกจากงานจะลดลง 0.219% โดยอัตราการแต่งงานทั้งหมดเพิ่มขึ้น 1% จะลดลง 0.156% จำนวนอาชญากรรมที่เพิ่มขึ้นต่อประชากร 1,000 คน 1% มีลักษณะเฉพาะคือการลดจำนวนประชากรตามธรรมชาติที่ลดลง 0.564 แน่นอนว่า นี่ไม่ได้หมายความว่าการเพิ่มอาชญากรรมจะเป็นไปได้ที่จะปรับปรุงสถานการณ์ทางประชากรศาสตร์ ผลลัพธ์ที่ได้บ่งชี้ว่า ผู้คนมากขึ้นยังคงมีอยู่ต่อประชากร 1,000 คน อาชญากรรมต่อประชากรพันคนก็มากขึ้นตามไปด้วย เพิ่มอินพุตตร.ม. ที่อยู่อาศัยต่อคนต่อปี 1% นำไปสู่การลดการสูญเสียตามธรรมชาติ 0.482%
การวิเคราะห์ค่าสัมประสิทธิ์ความยืดหยุ่นและค่าสัมประสิทธิ์เบต้าแสดงให้เห็นว่าปัจจัยของการว่าจ้างตารางเมตรของที่อยู่อาศัยต่อหัวมีผลกระทบมากที่สุดต่อค่าสัมประสิทธิ์การเติบโตของประชากรตามธรรมชาติ เนื่องจากสอดคล้องกับ ค่าสูงสุดเบต้า - ค่าสัมประสิทธิ์ (1.32) อย่างไรก็ตาม นี่ไม่ได้หมายความว่าโอกาสที่ยิ่งใหญ่ที่สุดในการเปลี่ยนแปลงค่าสัมประสิทธิ์การเติบโตของประชากรตามธรรมชาตินั้นสัมพันธ์กับการเปลี่ยนแปลงในปัจจัยที่พิจารณานี้ ผลลัพธ์ที่ได้สะท้อนให้เห็นถึงความจริงที่ว่าอุปสงค์ในตลาดที่อยู่อาศัยสอดคล้องกับอุปทานนั่นคือยิ่งจำนวนประชากรเพิ่มขึ้นตามธรรมชาติความต้องการที่อยู่อาศัยของประชากรก็จะยิ่งมากขึ้นเท่านั้นและยิ่งมีการสร้างมากขึ้น
เบต้าที่ใหญ่เป็นอันดับสอง (0.366) สอดคล้องกับจำนวนอาชญากรรมต่อ 1,000 คน แน่นอนว่า นี่ไม่ได้หมายความว่าการเพิ่มอาชญากรรมจะเป็นไปได้ที่จะปรับปรุงสถานการณ์ทางประชากรศาสตร์ ผลลัพธ์ที่ได้บ่งชี้ว่ายิ่งผู้คนได้รับการช่วยเหลือมากขึ้นต่อประชากร 1,000 คน อาชญากรรมก็จะยิ่งตกอยู่กับพันนี้มากตามไปด้วย
คุณลักษณะที่เหลือที่ใหญ่ที่สุด ค่าสัมประสิทธิ์เบต้า (0.074) สอดคล้องกับตัวบ่งชี้ค่าจ้างจริง โอกาสที่ยิ่งใหญ่ที่สุดในการเปลี่ยนแปลงค่าสัมประสิทธิ์การเติบโตของประชากรตามธรรมชาตินั้นสัมพันธ์กับการเปลี่ยนแปลงในปัจจัยที่พิจารณานี้ ตัวบ่งชี้อัตราการแต่งงานทั่วไปนั้นด้อยกว่าในเรื่องนี้เนื่องจากค่าจ้างที่แท้จริงเนื่องจากการลดลงตามธรรมชาติของประชากรในรัสเซียมีสาเหตุหลักมาจากอัตราการตายที่สูงซึ่งอัตราการเติบโตสามารถลดลงได้ด้วยการสนับสนุนทางวัตถุ เพิ่มขึ้นในข้อเท็จจริงของการแต่งงาน
3.3 การรวมกลุ่มของแคว้นตามค่าจ้างจริงและอัตราการแต่งงานทั้งหมด
การจัดกลุ่มแบบรวมหรือหลายมิติคือการจัดกลุ่มตามลักษณะเฉพาะสองอย่างขึ้นไป คุณค่าของการจัดกลุ่มนี้อยู่ที่ความจริงที่ว่ามันไม่เพียงแสดงให้เห็นอิทธิพลของแต่ละปัจจัยที่มีต่อผลลัพธ์เท่านั้น แต่ยังรวมถึงอิทธิพลของการผสมผสานอีกด้วย
ให้เราพิจารณาผลกระทบของค่าจ้างจริงและอัตราการแต่งงานทั้งหมดต่ออัตราการเกิดต่อ 1,000 คน
เราแยกกลุ่มทั่วไปตามคุณลักษณะที่สรุปไว้ ในการทำเช่นนี้ เราสร้างและวิเคราะห์การจัดอันดับและ ซีรีย์ช่วงเวลาตามปัจจัย (มูลค่าค่าจ้าง) เรากำหนดจำนวนกลุ่มและขนาดของช่วงเวลา จากนั้น ในแต่ละกลุ่ม เราจะสร้างซีรีส์อันดับและช่วงเวลาตามเครื่องหมายที่สอง (อัตราการแต่งงาน) และกำหนดจำนวนกลุ่มและช่วงเวลาด้วย ขั้นตอนการดำเนินงานนี้จะนำเสนอในบทที่ 2 ดังนั้นเราจึงแสดงผลลัพธ์โดยไม่คำนึงถึงการคำนวณ สำหรับมูลค่าของค่าจ้างจริง กลุ่มทั่วไป 3 กลุ่มมีความโดดเด่นสำหรับอัตราการแต่งงานทั้งหมด - 2 กลุ่ม
เราจะจัดทำเลย์เอาต์ของตารางการรวมกันซึ่งเราจะจัดให้มีการแบ่งประชากรออกเป็นกลุ่มและกลุ่มย่อยรวมถึงคอลัมน์สำหรับบันทึกจำนวนภูมิภาคและอัตราการเกิดต่อ 1,000 คนของประชากร สำหรับกลุ่มและกลุ่มย่อยที่เลือก เราคำนวณอัตราการเกิด (ตาราง 3.3.1)
ตารางที่ 3.3.1
อิทธิพลของค่าจ้างที่แท้จริงและอัตราการแต่งงานทั้งหมดต่ออัตราการเกิด
ให้เราวิเคราะห์ข้อมูลที่ได้รับเกี่ยวกับการพึ่งพาอัตราการเกิดกับค่าจ้างจริงและอัตราการแต่งงาน เนื่องจากกำลังศึกษาสัญญาณหนึ่ง - อัตราการเกิด เราจะเขียนข้อมูลเกี่ยวกับมันในตารางรวมหมากรุก แบบฟอร์มต่อไปนี้(ตารางที่ 3.3.2)
การจัดกลุ่มแบบรวมทำให้คุณสามารถประเมินระดับอิทธิพลต่ออัตราการเกิดของแต่ละปัจจัยแยกจากกันและปฏิสัมพันธ์ของปัจจัยเหล่านั้น
ตารางที่ 3.3.2
อัตราการเกิดขึ้นอยู่กับค่าจ้างจริงและอัตราการแต่งงาน
ขั้นแรกให้เราศึกษาผลกระทบต่ออัตราการเกิดของมูลค่าค่าจ้างที่แท้จริงด้วยค่าคงที่ของลักษณะการจัดกลุ่มอื่น - อัตราการแต่งงาน ดังนั้น ด้วยอัตราการแต่งงานจาก 13.2 เป็น 25.625 อัตราการเกิดโดยเฉลี่ยจะเพิ่มขึ้นเมื่อค่าจ้างเพิ่มขึ้นจาก 9.04 ในกลุ่มที่ 1 เป็น 9.16 ในกลุ่มที่ 2 และ 9.56 ในกลุ่มที่ 3 อัตราการเกิดที่เพิ่มขึ้นจากค่าจ้างในกลุ่มที่ 3 เมื่อเทียบกับกลุ่มที่ 1 คือ 9.56-9.04 = 0.52 คนต่อประชากร 1,000 คน ด้วยอัตราการแต่งงาน 25.625-38.05 เพิ่มขึ้นจากค่าจ้างจำนวนเดียวกันคือ 10.27-9.49 = 0.78 คนต่อประชากร 1,000 คน การเพิ่มขึ้นจากการทำงานร่วมกันของปัจจัยคือ 0.78-0.52=0.26 คนต่อประชากร 1,000 คน ข้อสรุปที่เป็นธรรมชาติอย่างสมบูรณ์ดังต่อไปนี้: แรงจูงใจด้านความเป็นอยู่ที่ดีเพิ่มขึ้นหรือค่อนข้างอนุญาตด้วยความมั่นใจใน พรุ่งนี้ตระหนักถึงความปรารถนาของบุคคลที่จะแต่งงานและสร้างครอบครัวที่มีลูก นี่แสดงให้เห็นถึงปฏิสัมพันธ์ของปัจจัย
ในทำนองเดียวกัน เราประเมินผลกระทบต่ออัตราการเกิดของอัตราการแต่งงานที่ระดับค่าจ้างคงที่ ในการทำเช่นนี้ เราจะเปรียบเทียบอัตราการเกิดของกลุ่ม "a" และ "b" ในแต่ละกลุ่มในแง่ของค่าจ้างจริง อัตราการเกิดที่เพิ่มขึ้นพร้อมกับอัตราการแต่งงานที่เพิ่มขึ้นเป็น 25.625-38.05 ต่อประชากร 1,000 คนเมื่อเทียบกับกลุ่ม "a" คือ: ในกลุ่มที่ 1 ที่มีเงินเดือน 5707.9 - 6808.7 รูเบิล ต่อเดือน - 9.49-9.04 \u003d 0.45 คนต่อประชากร 1,000 คนในกลุ่มที่ 2 - 10.01-9.16 \u003d 0.85 คนต่อประชากร 1,000 คนและในกลุ่มที่ 3 - 10.27- 9.56=0.71 คนต่อประชากร 1,000 คน อย่างที่คุณเห็น การตัดสินใจมีลูกขึ้นอยู่กับ สถานภาพการสมรส, เช่น. มีปฏิสัมพันธ์ของปัจจัยทำให้เพิ่มขึ้น 0.26 คนต่อประชากร 1,000 คน
เมื่อปัจจัยทั้งสองเพิ่มขึ้นร่วมกัน อัตราการเกิดจึงเพิ่มขึ้นจาก 9.04 ในกลุ่มย่อย 1 "a" เป็น 10.27 คนต่อประชากร 1,000 คนในกลุ่มย่อย 3 "b"
ตัวแทนของคณะกรรมาธิการเศรษฐกิจแห่งสหประชาชาติสำหรับยุโรปเพิ่งระบุว่าอายุที่แต่งงานครั้งแรกใน ประเทศในยุโรปเพิ่มขึ้นห้าปี ผู้ชายและผู้หญิงชอบที่จะแต่งงานและแต่งงานหลังจากอายุ 30 ปี ชาวรัสเซียไม่กล้าแต่งงานก่อนอายุ 24-26 ปี เป็นเรื่องธรรมดาสำหรับยุโรปและรัสเซียที่มีแนวโน้มจะลดจำนวนลง สหภาพการแต่งงาน. คนหนุ่มสาวชอบอาชีพและอิสระส่วนตัวมากขึ้น ผู้เชี่ยวชาญในประเทศเห็นว่ากระบวนการเหล่านี้เป็นสัญญาณของวิกฤตการณ์ในครอบครัวแบบดั้งเดิม ตามที่พวกเขากล่าวว่าเธอมีชีวิตอยู่อย่างแท้จริง วันสุดท้าย. นักสังคมวิทยายืนยันว่าชีวิตส่วนตัวกำลังอยู่ในช่วงของการปรับโครงสร้าง ครอบครัวในความหมายปกติของคำว่า "แม่-พ่อ-ลูก" กำลังค่อยๆ กลายเป็นอดีตไปแล้ว ที่ ความเป็นส่วนตัวชาวรัสเซียกำลังทดลองบ่อยขึ้นเรื่อย ๆ คิดค้นรูปแบบใหม่ ๆ ของครอบครัวที่จะตอบสนองความต้องการของเวลา “ตอนนี้คนๆ หนึ่งเปลี่ยนงาน อาชีพ ความสนใจ และที่อยู่อาศัยบ่อยขึ้น” Anatoly Vishnevsky ผู้อำนวยการศูนย์ประชากรศาสตร์และนิเวศวิทยามนุษย์ กล่าวกับ Novye Izvestia “เขามักจะเปลี่ยนคู่ครองซึ่งถือว่ารับไม่ได้เมื่อ 20 ปีก่อน ”
นักสังคมวิทยาทราบว่าสาเหตุหนึ่งที่ทำให้การหย่าร้างเพิ่มขึ้นในรัสเซียคือ ระดับต่ำชีวิตของประชากร “ตามสถิติแล้วในรัสเซียมีการหย่าร้างมากกว่าในยุโรปประมาณ 10-15%” นาย Gontmakher (ผู้อำนวยการด้านวิทยาศาสตร์ของศูนย์ สังคมศึกษาและนวัตกรรม). - แต่เหตุผลของการหย่าร้างนั้นแตกต่างกันสำหรับเราและสำหรับพวกเขา ความเหนือกว่าของเราถูกกำหนดโดยข้อเท็จจริงที่ว่าชีวิตของชาวรัสเซียได้รับผลกระทบมากขึ้น ปัญหาเศรษฐกิจ. คู่สมรสทะเลาะกันบ่อยขึ้นหากมีสภาพความเป็นอยู่ที่คับแคบ คนหนุ่มสาวไม่สามารถใช้ชีวิตอย่างอิสระได้เสมอไป นอกจากนี้ ในภูมิภาค ผู้ชายจำนวนมากดื่มเหล้า ไม่ทำงาน และไม่สามารถหาเลี้ยงครอบครัวได้ สิ่งนี้นำไปสู่การหย่าร้าง
บทสรุป
ในบทความนี้มีการวิเคราะห์ทางสถิติและเศรษฐศาสตร์เกี่ยวกับผลกระทบของมาตรฐานการครองชีพของประชากรต่อกระบวนการเพิ่มขึ้นตามธรรมชาติ
การวิเคราะห์อนุกรมเวลาแสดงให้เห็นว่าในช่วง 10 ปีที่ผ่านมา มีการเพิ่มขึ้นของค่าจ้างที่แท้จริงและค่าครองชีพขั้นต่ำ โดยทั่วไปในช่วง 10 ปีที่ผ่านมา สัญญาณที่มีประสิทธิภาพ - ค่าสัมประสิทธิ์การเพิ่มขึ้นตามธรรมชาติ - จะหยุดนิ่ง ความเสถียรของกระบวนการเปลี่ยนแปลงที่เกิดขึ้นใหม่ในลักษณะที่เลือกนั้นทำให้การพยากรณ์เป็นไปได้สำหรับมูลค่าของค่าจ้างจริงและอัตราการตายเท่านั้น ตามแนวโน้มพาราโบลาที่สร้างขึ้นในปี 2010 ค่าคาดการณ์ของค่าจ้างจริงเฉลี่ยจะอยู่ที่ 17,473.5 รูเบิล และอัตราการเสียชีวิตจะลดลงเหลือ 12.75 คนต่อ 1,000 คน
การจัดกลุ่มการวิเคราะห์แสดงให้เห็นความสัมพันธ์โดยตรงระหว่างตัวบ่งชี้: ด้วยการเติบโตของค่าจ้าง ตัวบ่งชี้ของการเพิ่มขึ้นตามธรรมชาติจะดีขึ้น
อย่างไรก็ตาม ครอบครัวที่มีคนงานสองคนที่มีค่าจ้างเฉลี่ยสามารถให้การบริโภคขั้นต่ำสำหรับเด็ก 2 คนในกลุ่มปกติต่ำสุด เด็ก 3 คนในกลุ่มปกติปานกลางและสูงที่สุด เมื่อพิจารณาว่าลูกสองคน "ทดแทน" ชีวิตของพ่อแม่ในอนาคต ประชากรที่เพิ่มขึ้นเล็กน้อยจึงเป็นไปได้เฉพาะในกลุ่มทั่วไประดับกลางและสูงสุดเท่านั้น และจากนั้นภายใต้เงื่อนไขของอัตราการตายต่ำเมื่อเทียบกับอัตราการเกิดเท่านั้น ศักยภาพในการเจริญพันธุ์ซึ่งดำเนินการโดยค่าจ้างในรัสเซียนั้นอยู่ในระดับต่ำเพื่อปรับปรุงสถานการณ์ทางประชากรศาสตร์ในประเทศ สิ่งนี้แสดงให้เห็นถึงความจำเป็นในการแนะนำโครงการระดับชาติด้านประชากรศาสตร์ในรัสเซีย การเพิ่มขึ้นของค่าจ้างส่งผลดีต่ออัตราการเสียชีวิตมากกว่าอัตราการเกิด
การสร้างแบบจำลองความสัมพันธ์และการถดถอยพบว่าอิทธิพลพร้อมกันของสัญญาณปัจจัย (ค่าจ้าง อัตราการแต่งงาน อัตราอาชญากรรม และค่านายหน้าที่อยู่อาศัย) ต่อผลผลิต (เพิ่มขึ้นตามธรรมชาติ) ความแข็งแรงเฉลี่ยการเชื่อมต่อ ความแปรผันของค่าสัมประสิทธิ์การเติบโตของประชากรตามธรรมชาติ 44.9% มีลักษณะเฉพาะจากอิทธิพลของปัจจัยที่เลือก และ 55.1% เกิดจากสาเหตุอื่นๆ โอกาสที่ยิ่งใหญ่ที่สุดในการเปลี่ยนแปลงค่าสัมประสิทธิ์การเติบโตของประชากรตามธรรมชาตินั้นสัมพันธ์กับการเปลี่ยนแปลงของมูลค่าค่าจ้างที่แท้จริง
การรวมกลุ่มแบบผสมผสานยืนยันว่าการเพิ่มขึ้นของความมั่งคั่งเป็นแรงจูงใจหรือค่อนข้างช่วยให้มีความมั่นใจในอนาคต เพื่อตระหนักถึงความปรารถนาของบุคคลที่จะแต่งงานและสร้างครอบครัวที่มีลูก
และในที่สุดก็จำเป็นต้องประเมินประสิทธิผลของการแก้ปัญหาประชากรศาสตร์ในประเทศของเรา โดยทั่วไปแล้ว ผลกระทบเชิงบวกและมีประสิทธิภาพของสิ่งจูงใจทางวัตถุต่อกระบวนการเคลื่อนไหวตามธรรมชาติของประชากรได้รับการพิสูจน์แล้ว อีกประการหนึ่งคือมีปัญหาทางสังคมและจิตวิทยาที่ซับซ้อน (โรคพิษสุราเรื้อรัง ความรุนแรง การฆ่าตัวตาย) ซึ่งกำลังลดขนาดประชากรของเราลงอย่างไม่ลดละ เหตุผลหลักของพวกเขาคือทัศนคติของบุคคลที่มีต่อตนเองและผู้อื่น แต่ปัญหาเหล่านี้ไม่สามารถแก้ไขได้ด้วยรัฐเพียงอย่างเดียว ภาคประชาสังคม, การขึ้นรูป คุณค่าทางศีลธรรมเน้นการสร้างครอบครัวที่เจริญรุ่งเรือง
และรัฐสามารถและควรทำทุกอย่างเพื่อยกระดับและคุณภาพชีวิตในประเทศ ไม่สามารถกล่าวได้ว่ารัฐของเราละเลยหน้าที่เหล่านี้ พยายามอย่างดีที่สุดที่จะค้นหาและลองวิธีต่างๆ ออกจากวิกฤตการณ์ทางประชากร
รายชื่อวรรณกรรมที่ใช้
1) โบริซอฟ เอฟ. ทฤษฎีเศรษฐศาสตร์: หนังสือเรียน - แก้ไขครั้งที่ 2 และเพิ่มเติม - ม.: TK Velby, สำนักพิมพ์ Prospekt, 2548. - 544 น.
2) Belousova S. การวิเคราะห์ระดับความยากจน// นักเศรษฐศาสตร์.-2549, ฉบับที่ 10.-p.67
3) Davydova L. A. ทฤษฎีสถิติ กวดวิชา. มอสโก. อเวนิว. 2548. 155 หน้า;
4) ประชากรศาสตร์: แบบเรียน / ภายใต้ทั่วไป เอ็ด บน. โวลกิน. ม.: สำนักพิมพ์ RAGS, 2546 - 384 น.
5) Efimova E. P. สถิติทางสังคม มอสโก. การเงินและสถิติ. 2546. 559 หน้า;
6) Efimova E.P. , Ryabtsev V.M. ทฤษฎีสถิติทั่วไป ฉบับการศึกษา. มอสโก. การเงินและสถิติ. 2534. 304 หน้า;
7) ซินเชนโก้ เอ.พี. อบรมเชิงปฏิบัติการเรื่อง ทฤษฎีทั่วไปสถิติและสถิติการเกษตร มอสโก. การเงินและสถิติ. 2531. 328 หน้า;
8) Kadomtseva S. นโยบายสังคมและประชากร// นักเศรษฐศาสตร์.-2549, ฉบับที่ 7.-หน้า 49
9) Kozyrev V.M. พื้นฐาน เศรษฐกิจสมัยใหม่: หนังสือเรียน. - แก้ไขครั้งที่ 2 และเพิ่มเติม –ม.: การเงินและสถิติ, 2544.-432น.
10) Konygina N. Brintseva G. Demographer Anatoly Vishnevsky เกี่ยวกับสิ่งที่ทำให้ชาวรัสเซียเลือกระหว่างเด็กกับความสะดวกสบาย 7
11) นาซาโรว่า เอ็น.จี. ดี สถิติทางสังคม. มอสโก. Finstatinform. 2543. 770 หน้า;
13) พื้นฐานของประชากรศาสตร์: ตำรา / N.V. Zvereva, I.N. Veselkova, V.V. Elizarov.-M.: สูงกว่า Shk., 2547.-374 น.: ป่วย
14) สารจากประธานาธิบดี สหพันธรัฐรัสเซียสมัชชาสหพันธรัฐรัสเซีย 26 เมษายน 2550
15) Raisberg B.A. , Lozovsky L.Sh. , Starodubtseva E.B. ทันสมัย พจนานุกรมเศรษฐกิจ. –4th แก้ไข. และเพิ่มเติม -M.: INFRA-M, 2005.-480s.
16) Rudakova R.P. , Bukin L.L. , Gavrilov V.I. การประชุมเชิงปฏิบัติการเกี่ยวกับสถิติ - เซนต์ปีเตอร์สเบิร์ก: ปีเตอร์ 2550.-288 น.
17) เว็บไซต์ บริการของรัฐบาลกลางสถิติ www.gks.ru
18) Shakin D.N. การประเมินประชากรรัสเซียในอนาคต // คำถามสถิติ -2550 ฉบับที่ 4 -p.47
คะแนน (กุญแจสู่ชิป)
1 ค่าจ้างเฉลี่ยต่อเดือนในปี 2549 (ในรูเบิล)
2-ดัชนีราคาผู้บริโภคสำหรับสินค้าและบริการทุกประเภทในปี 2549 เป็นเปอร์เซ็นต์ของเดือนธันวาคมปีที่แล้ว
3- ค่าจ้างจริงเฉลี่ยต่อเดือนในปี 2549 (เป็นรูเบิล)
4 - ประชากรเมื่อต้นปี 2549
5 - ประชากร ณ สิ้นปี 2549
6 - ประชากรเฉลี่ยต่อปีในปี 2549
7 - จำนวนการเกิดในปี 2549 คน
8 - จำนวนผู้เสียชีวิตในปี 2549 คน
9 - อัตราการเกิดในปี 2549 ต่อประชากร 1,000 คน
10 - อัตราการตายในปี 2549 ต่อประชากร 1,000 คน
11 - ค่าสัมประสิทธิ์การเพิ่มขึ้นตามธรรมชาติในปี 2549 ต่อประชากร 1,000 คน
12 - มูลค่าของการยังชีพขั้นต่ำสำหรับปี 2549 (เป็นรูเบิล)
13 - จำนวนอาชญากรรมที่กระทำต่อประชากร 1,000 คน
14 - การว่าจ้างที่อยู่อาศัยต่อตารางเมตรต่อคนต่อปี
15 - อัตราการแต่งงานทั้งหมดต่อประชากร 1,000 คน
เอกสารแนบ1
โต๊ะ
ค่าจ้างจริงถู
ภาคผนวก 2
การดำรงชีวิตขั้นต่ำถู
ภาคผนวก 3
ออกกำลังกาย.
- สำหรับชุดข้อมูลที่กำหนด ให้สร้าง โมเดลเชิงเส้นการถดถอยพหุคูณ ประเมินความถูกต้องและความเพียงพอของสมการถดถอยที่สร้างขึ้น
- ให้การตีความทางเศรษฐกิจของพารามิเตอร์แบบจำลอง
- คำนวณค่าสัมประสิทธิ์แบบจำลองมาตรฐานและเขียนสมการถดถอยในรูปแบบมาตรฐาน เป็นความจริงหรือไม่ที่ราคาของสินค้ามีอิทธิพลต่อปริมาณการจัดหาสินค้ามากกว่าค่าจ้างของพนักงาน?
- สำหรับโมเดลผลลัพธ์ (ใน รูปแบบธรรมชาติ) ตรวจสอบการปฏิบัติตามเงื่อนไขของความเป็นเนื้อเดียวกันของสิ่งตกค้างโดยใช้การทดสอบ Goldfeld-Quandt
- ตรวจสอบโมเดลผลลัพธ์สำหรับความสัมพันธ์อัตโนมัติที่เหลือโดยใช้การทดสอบ Durbin-Watson
- ตรวจสอบว่าสมมติฐานเกี่ยวกับความเป็นเนื้อเดียวกันของข้อมูลต้นฉบับเพียงพอหรือไม่ในแง่ของการถดถอย เป็นไปได้หรือไม่ที่จะรวมสองตัวอย่าง (สำหรับ 8 ครั้งแรกและ 8 ข้อสังเกตที่เหลือ) เป็นหนึ่งเดียวแล้วพิจารณาแบบจำลองการถดถอยเดียว Y บน X ?
1. การประมาณสมการถดถอย มากำหนดเวกเตอร์ของการประมาณค่าสัมประสิทธิ์การถดถอยโดยใช้บริการสมการถดถอยพหุคูณ ตามวิธีกำลังสองน้อยที่สุด เวกเตอร์ สได้มาจากนิพจน์: s = (X T X) -1 X T Y
เมทริกซ์ X
1 | 182.94 | 1018 |
1 | 193.45 | 920 |
1 | 160.09 | 686 |
1 | 157.99 | 405 |
1 | 123.83 | 683 |
1 | 152.02 | 530 |
1 | 130.53 | 525 |
1 | 137.38 | 418 |
1 | 137.58 | 425 |
1 | 118.78 | 161 |
1 | 142.9 | 242 |
1 | 99.49 | 226 |
1 | 116.17 | 162 |
1 | 185.66 | 70 |
เมทริกซ์ วาย
4.07 |
4 |
2.98 |
2.2 |
2.83 |
3 |
2.35 |
2.04 |
1.97 |
1.02 |
1.44 |
1.22 |
1.11 |
0.82 |
เอ็กซ์ที เมทริกซ์
1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
182.94 | 193.45 | 160.09 | 157.99 | 123.83 | 152.02 | 130.53 | 137.38 | 137.58 | 118.78 | 142.9 | 99.49 | 116.17 | 185.66 |
1018 | 920 | 686 | 405 | 683 | 530 | 525 | 418 | 425 | 161 | 242 | 226 | 162 | 70 |
คูณเมทริกซ์ (X T X)
เราพบว่า เมทริกซ์ผกผัน(X T X) -1
2.25 | -0.0161 | 0.00037 |
-0.0161 | 0.000132 | -7.0E-6 |
0.00037 | -7.0E-6 | 1.0E-6 |
เวกเตอร์ของการประมาณค่าสัมประสิทธิ์การถดถอยเท่ากับ
ย(X) = |
| * |
| = |
|
สมการถดถอย (การประเมินสมการถดถอย)
Y = 0.18 + 0.00297X 1 + 0.00347X 2
2. เมทริกซ์ของค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่ R จำนวนการสังเกต n = 14 จำนวนตัวแปรอิสระในแบบจำลองคือ 2 และจำนวนผู้ถดถอยโดยคำนึงถึง เวกเตอร์หน่วยเท่ากับจำนวนสัมประสิทธิ์ที่ไม่ทราบค่า เมื่อคำนึงถึงเครื่องหมาย Y มิติของเมทริกซ์จะเท่ากับ 4 เมทริกซ์ของตัวแปรอิสระ X มีขนาด (14 x 4)
เมทริกซ์ประกอบด้วย Y และ X
1 | 4.07 | 182.94 | 1018 |
1 | 4 | 193.45 | 920 |
1 | 2.98 | 160.09 | 686 |
1 | 2.2 | 157.99 | 405 |
1 | 2.83 | 123.83 | 683 |
1 | 3 | 152.02 | 530 |
1 | 2.35 | 130.53 | 525 |
1 | 2.04 | 137.38 | 418 |
1 | 1.97 | 137.58 | 425 |
1 | 1.02 | 118.78 | 161 |
1 | 1.44 | 142.9 | 242 |
1 | 1.22 | 99.49 | 226 |
1 | 1.11 | 116.17 | 162 |
1 | 0.82 | 185.66 | 70 |
เมทริกซ์ทรานสโพส
1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
4.07 | 4 | 2.98 | 2.2 | 2.83 | 3 | 2.35 | 2.04 | 1.97 | 1.02 | 1.44 | 1.22 | 1.11 | 0.82 |
182.94 | 193.45 | 160.09 | 157.99 | 123.83 | 152.02 | 130.53 | 137.38 | 137.58 | 118.78 | 142.9 | 99.49 | 116.17 | 185.66 |
1018 | 920 | 686 | 405 | 683 | 530 | 525 | 418 | 425 | 161 | 242 | 226 | 162 | 70 |
เอ ที เอ เมทริกซ์
14 | 31.05 | 2038.81 | 6471 |
31.05 | 83.37 | 4737.04 | 18230.79 |
2038.81 | 4737.04 | 307155.61 | 995591.55 |
6471 | 18230.79 | 995591.55 | 4062413 |
เมทริกซ์ผลลัพธ์มีความสอดคล้องกันดังต่อไปนี้:
∑น | ∑ย | ∑x1 | ∑x2 |
∑ย | ∑y2 | ∑x1ปี | ∑x2ปี |
∑x1 | ∑yx 1 | ∑x 1 2 | ∑x2x1 |
∑x2 | ∑yx2 | ∑x1x2 | ∑x 2 2 |
มาหาค่าสัมประสิทธิ์สหสัมพันธ์ที่จับคู่กัน
คุณสมบัติ x และ y | ∑(xi ) | ∑(y ฉัน ) | ∑(x ฉัน y ฉัน ) | |||
สำหรับ y และ x 1 | 2038.81 | 145.629 | 31.05 | 2.218 | 4737.044 | 338.36 |
สำหรับ y และ x 2 | 6471 | 462.214 | 31.05 | 2.218 | 18230.79 | 1302.199 |
สำหรับ x 1 และ x 2 | 6471 | 462.214 | 2038.81 | 145.629 | 995591.55 | 71113.682 |
คุณสมบัติ x และ y | ||||
สำหรับ y และ x 1 | 731.797 | 1.036 | 27.052 | 1.018 |
สำหรับ y และ x 2 | 76530.311 | 1.036 | 276.641 | 1.018 |
สำหรับ x 1 และ x 2 | 76530.311 | 731.797 | 276.641 | 27.052 |
เมทริกซ์ของค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่ R:
- | ย | x 1 | x2 |
ย | 1 | 0.558 | 0.984 |
x 1 | 0.558 | 1 | 0.508 |
x2 | 0.984 | 0.508 | 1 |
ในการเลือกปัจจัยที่สำคัญที่สุด x i จะต้องคำนึงถึงเงื่อนไขต่อไปนี้:
- ความสัมพันธ์ระหว่างคุณลักษณะที่มีประสิทธิผลและปัจจัยควรสูงกว่าความสัมพันธ์ระหว่างปัจจัย
- ความสัมพันธ์ระหว่างปัจจัยไม่ควรเกิน 0.7 ถ้าเมทริกซ์มีค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างแฟกทอเรียล r xjxi > 0.7 แสดงว่ามีพหุคอลลิเนียริตี้ในแบบจำลองการถดถอยพหุคูณนี้
- ด้วยความสัมพันธ์ระหว่างปัจจัยสูงของลักษณะ ปัจจัยที่มีค่าสัมประสิทธิ์สหสัมพันธ์ต่ำกว่าจะถูกเลือก
ในกรณีของเรา ค่าสัมประสิทธิ์สหสัมพันธ์ทุกคู่ |r| แบบจำลองการถดถอยในระดับมาตรฐาน แบบจำลองการถดถอยในระดับมาตรฐานถือว่าค่าทั้งหมดของคุณสมบัติที่ศึกษาถูกแปลงเป็นมาตรฐาน (ค่ามาตรฐาน) โดยใช้สูตร:
โดยที่ x ji คือค่าของตัวแปร x ji ในการสังเกต i-th
ดังนั้น ที่มาของตัวแปรมาตรฐานแต่ละตัวจะถูกรวมเข้ากับค่าเฉลี่ย และค่าเบี่ยงเบนมาตรฐานจะถือเป็นหน่วยของการเปลี่ยนแปลง ส.
หากความสัมพันธ์ระหว่างตัวแปรในระดับธรรมชาติเป็นแบบเส้นตรง การเปลี่ยนจุดเริ่มต้นและหน่วยวัดจะไม่ละเมิดคุณสมบัตินี้ ดังนั้นตัวแปรมาตรฐานจะสัมพันธ์กันด้วยความสัมพันธ์เชิงเส้น:
t y = ∑β j t xj
ในการประมาณค่าสัมประสิทธิ์ β เราใช้วิธีกำลังสองน้อยที่สุด ในขณะเดียวกันระบบ สมการปกติจะมีลักษณะดังนี้:
r x1y =β 1 +r x1x2 β 2 + ... + r x1xm β ม
r x2y =r x2x1 β 1 + β 2 + ... + r x2xm β ม
...
r xmy =r xmx1 β 1 + r xmx2 β 2 + ... + β m
สำหรับข้อมูลของเรา (เรานำมาจากเมทริกซ์ของค่าสัมประสิทธิ์สหสัมพันธ์แบบคู่):
0.558 = β 1 + 0.508β 2
0.984 = 0.508β 1 + β 2
ระบบสมการเชิงเส้นนี้แก้ไขได้โดยวิธีเกาส์: β 1 = 0.0789; β2 = 0.944;
รูปแบบมาตรฐานของสมการถดถอยคือ:
y 0 = 0.0789x1 + 0.944x2
ค่าสัมประสิทธิ์βที่พบจากระบบนี้ทำให้สามารถกำหนดค่าของค่าสัมประสิทธิ์ในการถดถอยในระดับธรรมชาติโดยใช้สูตร:
ค่าสัมประสิทธิ์การถดถอยบางส่วนที่ได้มาตรฐาน. ค่าสัมประสิทธิ์การถดถอยบางส่วนที่ได้มาตรฐาน - ค่าสัมประสิทธิ์ β (β j) แสดงโดยส่วนใดของส่วนเบี่ยงเบนมาตรฐาน S (y) ผลลัพธ์เครื่องหมายจะเปลี่ยนไป ยด้วยการเปลี่ยนแปลงในปัจจัยที่สอดคล้องกัน x j โดยค่าของส่วนเบี่ยงเบนมาตรฐาน (S xj) ที่มีอิทธิพลเช่นเดียวกันกับปัจจัยอื่น ๆ (รวมอยู่ในสมการ)
โดยค่า β j สูงสุด เราสามารถตัดสินได้ว่าปัจจัยใดมีอิทธิพลมากที่สุดต่อผลลัพธ์ Y
ตามค่าสัมประสิทธิ์ความยืดหยุ่นและสัมประสิทธิ์βสามารถสรุปผลตรงกันข้ามได้ เหตุผลคือ: a) การเปลี่ยนแปลงของปัจจัยหนึ่งมีขนาดใหญ่มาก; b) อิทธิพลหลายทิศทางของปัจจัยที่มีต่อผลลัพธ์
ค่าสัมประสิทธิ์ β j ยังสามารถตีความได้ว่าเป็นตัวบ่งชี้ของอิทธิพลโดยตรง (ทันที) เจ-th ปัจจัย (x j) กับผลลัพธ์ (y) ในการถดถอยพหุคูณ เจปัจจัยที่ th ไม่เพียงแต่มีอิทธิพลทางตรงเท่านั้น แต่ยังมีอิทธิพลทางอ้อม (โดยอ้อม) ต่อผลลัพธ์ (เช่น มีอิทธิพลผ่านปัจจัยอื่นๆ ของแบบจำลอง)
อิทธิพลทางอ้อมวัดได้จากค่า: ∑β i r xj,xi โดยที่ m คือจำนวนของปัจจัยในแบบจำลอง อิทธิพลอย่างเต็มที่ จ-ทปัจจัยในผลลัพธ์ เท่ากับผลรวมโดยตรงและ อิทธิพลทางอ้อมวัดค่าสัมประสิทธิ์ของความสัมพันธ์คู่เชิงเส้นของปัจจัยที่กำหนดและผลลัพธ์ - r xj,y .
สำหรับตัวอย่างของเรา อิทธิพลโดยตรงของตัวประกอบ x 1 ต่อผลลัพธ์ Y ในสมการถดถอยวัดได้ด้วย β j และเท่ากับ 0.0789; อิทธิพลทางอ้อม (โดยอ้อม) ของปัจจัยนี้ต่อผลลัพธ์ถูกกำหนดเป็น:
r x1x2 β 2 = 0.508 * 0.944 = 0.4796