АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Прогнозирование по уравнению регрессии (на примере парной линейной регрессии)

Читайте также:
  1. II. Элементы линейной и векторной алгебры.
  2. Абсолютные и относительные показатели силы связи в уравнениях парной регрессии.
  3. Автокорреляция остатков модели регрессии. Последствия автокорреляции. Автокорреляционная функция
  4. Алгоритм оценки и проверки адекватности нелинейной по параметрам модели (на примере функции Кобба-Дугласа).
  5. Алгоритм проверки адекватности парной регрессионной модели.
  6. Алгоритм проверки адекватности парной регрессионной модели.
  7. Анализ временных рядов и прогнозирование
  8. Анализ нестабильности условий деятельности фирм на примере «Apple»
  9. Аппроксимационная задача линейной регрессии
  10. АСПЕКТЫ ИСТОРИЧЕСКОЙ КОМПЛЕМЕНТАРНОСТИ НА ПРИМЕРЕ КАВКАЗСКОЙ ВОЙНЫ (1817-1864)
  11. б) Построим графики исходной, линейной и квадратичной зависимостей
  12. ВИДЫ НЕЛИН.РЕГРЕССИИ И МЕТОДЫ НАХОЖДЕНИЯ ИХ ПАРАМЕТРОВ

Прогнозирование – это определение возможных значений результативного показателя при заданных значениях факторов.

Различают точечный и интервальный прогнозы.

Точечный прогноз – выяснение значения результата при заданных значениях факторов.

Интервальный прогноз показывает разброс возможных значений результатов при заданных значениях факторов, получаемый с высокой долей вероятности.

Особенности нахождения параметров для нелинейных функций регрессии

(на примере парных регрессий)

Основным приёмом, который применяется при анализе нелинейных функций регрессии, является их линеаризация, т.е. приведение к линейной форме. Различают внутренне линейные и внутренне нелинейные функции. Первые можно привести к линейному виду, вторые – нельзя.

Внутренне линейные функции группируют на линейные и нелинейные по параметрам функции.

Линейные по параметрам:

1. Гипербола

; => – замена переменной

2. Парабола

; =>

Нелинейные по параметрам (ln, замена переменной):

1. Степенная

2. Показательная

Степенная Показательная

После линеаризации можно найти параметры функции используя МНК. После того, как найдены параметры линеаризованной функции, по той же самой линеаризованной форме оценивают значимость уравнения регрессии в целом, проводится проверка качества случайных остатков.

Параметры нелинейной функции имеют иную интерпретацию, чем параметры линейной регрессии. Часто вообще не интерпретируются.

В параболе интерпретируются не сами параметры, а ее вершина

В гиперболе можно интерпретировать только свободный член.

В показательной функции параметр b показывает, во сколько раз в среднем изменится y при изменении x на 1 единицу.


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 |

Поиск по сайту:

Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.003 сек.)