АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Тема 3. Модели множественной регрессии

Читайте также:
  1. II. Право на фабричные рисунки и модели (прикладное искусство), на товарные знаки и фирму
  2. Абсолютные и относительные показатели силы связи в уравнениях парной регрессии.
  3. Автокорреляция остатков модели регрессии. Последствия автокорреляции. Автокорреляционная функция
  4. Аддитивная и мульпликативная модели временного ряда
  5. Адекватность трендовой модели
  6. Алгоритм оценки и проверки адекватности нелинейной по параметрам модели (на примере функции Кобба-Дугласа).
  7. Алгоритм проверки адекватности множественной регрессионной модели (сущность этапов проверки, расчетные формулы, формулировка вывода).
  8. Алгоритм проверки адекватности парной регрессионной модели.
  9. Алгоритм проверки адекватности парной регрессионной модели.
  10. Алгоритм проверки значимости регрессоров во множественной регрессионной модели: выдвигаемая статистическая гипотеза, процедура ее проверки, формулы для расчета статистики.
  11. Альтернативные модели потребления.
  12. Анализ дискреционной налогово-бюджетной и кредитно-денежной политики с помощью модели «IS-LM».

 

Подбор факторов множественной регрессии. Оценка параметров и их значимости уравнения множественной линейной регрессии. Точечный и интервальный прогноз по уравнению регрессии. Фиктивные переменные.

Задачи изучения:

· научиться отбирать факторы для модели множественной регрессии,

· научиться оценивать параметры модели множественной регрессии,

· научиться оценивать качество модели множественной регрессии,

· научиться использовать модель множественной регрессии для прогноза,

· научиться строить модель с фиктивными переменными.

Теоретический материал

Выбор факторов.

В большинстве случаев существенное влияние на результат оказывают несколько факторов. Модель множественной регрессии, характеризующая зависимость между тремя и более признаками имеет вид:

 

.

 

Функция корреляционную зависимость признака от факторов .

 

Построение моделей множественной регрессии включает следующие взаимосвязанные задачи:

- отбор факторных признаков;

- выбор формы связи;

- статистическое оценивание параметров уравнения регрессии;

- проверка адекватности модели.

 

Для решения проблемы отбора факторных признаков используют следующие методы:

- метод экспертных оценок, основанный на интуитивно-логических предпосылках и содержательно-качественном анализе информации с привлечением специальных экспертов;

- метод корреляции, базирующийся наанализе выборочных значений показателей связи различных факторов;

- метод шаговой регрессии, который заключается в последовательном включении факторов в уравнение регрессии и последующей проверке их значимости.

 

Критериями отбора факторов методом корреляции являются следующие соотношения:

 

,

 

где - коэффициенты корреляции между результатом и каждым из факторов, - коэффициент корреляции между факторами.

Невыполнение последнего неравенства свидетельствует о наличии явления мультиколлинеарности - тесной связи между факторными признаками, которое приводит к искажению величин параметров модели. Устранение явления мультиколлинеарности реализуют путем устранения одного из факторов, либо их объединения в один общий фактор.

Шаговая регрессия является наиболее приемлемым способом отбора факторных признаков. При проверке значимости очередного введенного фактора определяется, насколько уменьшается сумма квадратов остатков и увеличивается величина коэффициента множественной корреляции. Фактор считается несущественным, если:

- его включение в уравнение регрессии только изменяет значение коэффициентов регрессии, не изменяя суммы квадратов остатков;

- коэффициенты регрессии меняют не только величину, но и знаки, а множественный коэффициент корреляции не возрастает;

- на основе результатов статистического оценивания поверки значимости.

 

Фактор считается существенным, если увеличивается значение множественного коэффициента корреляции при неизменном коэффициенте регрессии.

Выбор формы связи осуществляется перебором моделей с учетом показателей меры отклонений эмпирических и теоретических данных, как и в случае парной регрессии.


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 |

Поиск по сайту:



Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.004 сек.)