АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Общий вид линейной двухфакторной модели и оценка ее в матричной форме

Читайте также:
  1. II. Оценка эффективности инвестиционного менеджмента.
  2. II. Право на фабричные рисунки и модели (прикладное искусство), на товарные знаки и фирму
  3. II. Элементы линейной и векторной алгебры.
  4. IV.Оценка эффективности деятельности структурного подразделения организации
  5. Vocational school — профтехучилище general — общий
  6. Автокорреляция остатков модели регрессии. Последствия автокорреляции. Автокорреляционная функция
  7. Аддитивная и мульпликативная модели временного ряда
  8. Адекватность трендовой модели
  9. Алгоритм оценки и проверки адекватности нелинейной по параметрам модели (на примере функции Кобба-Дугласа).
  10. Алгоритм проверки адекватности множественной регрессионной модели (сущность этапов проверки, расчетные формулы, формулировка вывода).
  11. Алгоритм проверки адекватности парной регрессионной модели.
  12. Алгоритм проверки адекватности парной регрессионной модели.

Диаграмма рассеяния. Предварительные выводы и тесноте связи между показателями

В модель необходимо в первую очередь включить факторы, которые коррелируют с показателем и не коррелируют между собой, т.е. не являются мультиколлинеарными. Для предварительного анализа тесноты связи и типа аналитической зависимости между исследуемыми показателями целесообразно построить соответствующие диаграммы рассеяния. На основе визуального исследования диаграмм рассеяния можно сделать предварительные выводы о тесноте связи между показателем Y и факторами X1 и X2 и между факторами (рис. 2).

Рисунок 2

Коэффициенты парной корреляции, корреляционная матрица.

Для количественной оценки тесноты связи между показателем Y и факторами X1 и X2, а также между факторами рассчитываются парные коэффициенты корреляции по формулам (8), а затем составляют корреляционную матрицу (7) исходя их ее свойств. Расчеты и проверка при помощи встроенных статистических функций приведены на рисунках 1, 3, 4.

Рисунок 3


Рисунок 4

Рисунок 5

Коэффициенты частичной корреляции.

В многофакторной модели коэффициенты парной корреляции отображают нечистую связь между факторами и показателем. Поэтому при построении данной модели целесообразно оценить связь между показателем и одним фактором при условии, что влияние другого фактора не учитывается. Для вычисления такой чистой связи рассчитывают коэффициенты частичной корреляции по формулам (10). Расчет представлен на рисунках 6 и 7.

Рисунок 6

Рисунок 7

Общий вид линейной двухфакторной модели и оценка ее в матричной форме

Введем гипотезу, что между X1 и X2 и показателем Y линейная стохастическая зависимость, которая может быть описана линейной двухфаторной моделью в виде (1), т.е. y=a0+a1x1+a2x2+e, ее оценкой будет уравнение yˆ=a0ˆ+a1ˆx1+a2ˆx2. В матричной форме модель и ее оценка могут быть записаны в виде. Для имеющиеся статистических данных соответствующие матрицы будут иметь вид:


1 | 2 |

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.)