Если расчёт корреляции характеризует силу связи между двумя переменными, то регрессионный анализ служит для определения вида этой связи и дает возможность для прогнозирования значения одной (зависимой) переменной отталкиваясь от значения другой (независимой) переменной. Простая линейная регрессия лучше всего подходит для того, чтобы продемонстрировать основополагающие принципы регрессионного анализа. Рассмотрим для этого диаграмму рассеяния на рис.2, которая иллюстрирует зависимость прибыли от совокупных активов. Можно легко заметить очевидную связь: обе переменные развиваются в одном направлении и множество точек, соответствующих наблюдаемым значениям показателей, явно концентрируется (за некоторыми исключениями) вблизи прямой (прямой регрессии). В таком случае говорят о линейной связи — , где b — регрессионные коэффициенты, a — смещение по оси ординат.
Смещение по оси ординат соответствует точке на оси у (вертикальной оси), где прямая регрессии пересекает эту ось. Коэффициент регрессии b через соотношение b = tg(a) указывает на угол наклона прямой.
При проведении простой линейной регрессии основной задачей является определение параметров b и а. Оптимальным решением этой задачи является такая прямая, для которой сумма квадратов вертикальных расстояний до отдельных точек данных является минимальной.
Если мы рассмотрим показатели прибыли за последний год как зависимую переменную (У), а исходную величину как независимую переменную (Х), то тогда для проведения регрессионного анализа нужно будет определить параметры соотношения:
Прибыль(П) = b*совокупные активы(СА) + a
После определения этих параметров, зная исходные показатели значений, можно спрогнозировать показатель, который будет через один год.
Для начала расчета в меню анализа программы SPSS выберем определенные параметры для построения линейной регрессии, а именно перенесём У в поле для зависимых переменных, а переменную Х присвоим статус независимой переменной. Вывод основных результатов выглядит следующим образом (таблицы 3.4, 3.5, 3.6).
Таблица 3.4 — Сводка для модели
Модель |
R |
R-квадрат |
Скорректированный R-квадрат |
Стандартная ошибка оценки |
1 |
,793a |
,629 |
,629 |
7.572,339 |
a. Предикторы: (константа), Совокуп.активы.Х |
Таблица 3.5 — ANOVAa
Модель |
Сумма квадратов |
ст.св. |
Средний квадрат |
F |
Знач. | |
1 |
Регрессия |
294452377254241,600 |
1 |
294452377254241,600 |
5135172,254 |
,000b |
Остаток |
173304039009745,800 |
3022377 |
57340311,619 | |||
Всего |
467756416263987,400 |
3022378 | ||||
a. Зависимая переменная: Прибыль.У | ||||||
b. Предикторы: (константа), Совокуп.активы.Х |
Другое по теме:
Классификационные особенности внебюджетных фондов
РФ
По целевому назначению внебюджетные фонды бывают: социальные (для финансирования социальных расходов – выплаты пенсий, пособий и т.п.); экономические (для обеспечения строительства жилья, дорог, природоохранных мероприятий и т.п.). По уровням управления (определяются государственным устройством стр ...
Методика анализа финансовой устойчивости и деловой активности
предприятия
Основным источником информации для проведения финансового анализа является бухгалтерский баланс. Он представляет собой наиболее информативную форму для анализа и оценки финансового состояния. Баланс отражает состояние имущества, собственного капитала и обязательств хозяйствующего субъекта на опреде ...
Клиринговые расчеты
При безналичных расчетах может иметь место клиринг, значительно сокращающий денежный оборот и издержки обращения. «Клиринг – система безналичных расчетов по взаимозачету встречных требований и обязательств, при которой выплачивается только разница (сальдо) денежных сумм».[13] Как следует из определ ...