|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Частный F-критерий2. Критерий Фишера также применяется для оценки значения включения в уравнение конкретных факторов. Для оценки значимости включении фактора в уравнение множественной регрессии применяют частный F-критерий. Алгоритм: 1. Фактический: , где , 2. Табличный: 3. Если фактический больше или равен табличному, то включение в модель фактора целесообразно. Анализ случайных остатков в модели регрессии , 1. Параметры a, b1, …, bp 2. ŷ 3. К случайным остаткам уравнения регрессии предъявляются определенные требования, которые вытекают из предпосылок построения классической нормальной линейной модели. Более того, выполнение предпосылок проверяют путем анализа случайных остатков: . 1. Математическое ожидание =0. Считается, что равенство выполняется автоматически при условии применения МНК. 2. Гомоскедастичность случайных остатков (постоянство дисперсий). Если дисперсии не равны, то говорят о гетероскедастичности случайных остатков. Проверяется это свойство у любых моделей регрессии, но иногда при анализе временных рядов делают предположение о гомоскедастичности и не проверяют. 3. должна подчиняться нормальному закону распределения и, следовательно, случайные остатки должны подчиняться ему же. 4. и должны быть независимы друг от друга для любых i и j. Соответственно, и также независимы. 5. Для пространственных данных считается, что остатки всегда взаимонезависимы. Тест Парка Тест Парка – нахождение параметров для регрессии следующего вида: где - фактор, который предположительно оказывает влияние на дисперсию случайных остатков, - случайный остаток данного уравнения регрессии. Связь между и предвидится, если значим коэффициент b. (Остатки гетероскедастичны) Тест Глейзера Обычно k=-2;-1;-0,5;0,5;1;2 Остатки гетероскедастичны, если коэффициент b значим хотя бы для одной k. Тест Уайта По тесту следует построить функцию регрессии, в которой зависимой переменной является , а сама функция представляет собой многочлен второго порядка, включающий в себя (необязательно) попарные произведения факторов, входящих в уравнение регрессии (исходное). В функции Уайта должны быть включены все факторы, входящие в исходное уравнение регрессии. Остатки считаются гетероскедастичными, если вся функция значима (критерий Фишера). Дополнительно тест Уайта можно использовать при выборе фактора по значимости коэффициентов. 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.) |