* Данный текст распознан в автоматическом режиме, поэтому может содержать ошибки

28 АНАЛИЗ РЕГРЕССИОННЫЙ убеждениями женщины объясняется ее общественным положением и уровнем достатка. Ложные корреляции, так же как вызывающие их факторы, могут быть выявлены только в результате глубокого теоретического анализа структуры связей между переменными. Для их устранения применяется аппарат частных коэффициентов корреляции. О. В. Терещенко АНАЛИЗ РЕГРЕССИОННЫЙ – группа методов статистического анализа данных, предназначенных для исследования причинных связей между количественными переменными. В общем виде регрессионную зависимость можно представить в виде функции y = f ( x1 , x 2 ,... x k ) , где y – зависимая переменная, x1 , x 2 ,..., x k – независимые переменные или предикторы. Если функция f является линейной, говорят о линейной регрессии, если нет – о нелинейной регрессии. В наиболее простом случае уравнение парной линейной регрессии имеет вид y = bx + a. Параметры регрессии вычисляются по формулам: b=r sy sx a = y − bx , где r – коэффициент линейной корреляции Пирсона между переменными x и y (см. Корреляция количественных переменных), x – среднее арифметическое значение для переменной x (см. Средние величины), y – среднее арифметическое значение для переменной y , s x – среднее квадратическое отклонение для переменной x (см. Вариации меры), s y – среднее квадратическое отклонение для переменной y . Коэффициент регрессии b показывает, насколько в среднем изменяется значение зависимой переменной y при увеличении значения независимой переменной x на единицу. Свободный член уравнения регрессии a интерпретируется, только если переменная x имеет содержательный нуль: в этом случае a представляет собой среднее значение y при x = 0 . Наиболее простые виды парной нелинейной регрессии – это экспоненциальная регрессия y = ebx+a и логарифмическая регрессия y = b�n(x) + a. Параметры b и a для экспоненциальной регрессии оцениваются так же как для парной линейной регрессии, но вместо за-