АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Оценка коэффициентов регрессии

Читайте также:
  1. II. Оценка эффективности инвестиционного менеджмента.
  2. IV.Оценка эффективности деятельности структурного подразделения организации
  3. Абсолютные и относительные показатели силы связи в уравнениях парной регрессии.
  4. Автокорреляция остатков модели регрессии. Последствия автокорреляции. Автокорреляционная функция
  5. Автокорреляция уровней временного ряда. Анализ структуры временного ряда на основании коэффициентов автокорреляции
  6. Анализ и оценка состояния управления инвестиционным процессом в ОАО «Дашковка»
  7. Анализ коэффициентов ликвидности_________ за 201_-201_
  8. Анализ коэффициентов, характеризующих финансовое состояние банка
  9. АНАЛИЗ ЛИКВИДНОСТИ БАЛАНСА (ОЦЕНКА ТЕКУЩЕЙ И ПЕРСПЕКТИВНОЙ ЛИКВИДНОСТИ)
  10. Анализ финансового состояния предприятия: цели, задачи, формы и методы проведения. Система аналитических коэффициентов и ее использование.
  11. Аппроксимационная задача линейной регрессии
  12. Ассортимент шерстяных и шелковых тканей. Оценка качества.

Построим оценку для вектора так, чтобы вектор оценок зависимой переменной минимально (в смысле квадрата нормы разности) отличался от вектора заданных значений:

.

Решением является (если ранг матрицы равен k+1) оценка

(5)

Нетрудно проверить, что она несмещенная.

 

ЭКЗАМЕНАЦИОННЫЙ БИЛЕТ № 14

Алгоритм парной регрессии.

Нормальная или классическая линейная модель парной регрессии (,) строится исходя из следующих предположений:

6. - детерминированная (неслучайная, нестохастическая) величина;

7. - случайная составляющая, для которой математическое ожидание равно нулю в любом наблюдению: ;

8. теоретическая дисперсия случайной составляющей постоянная во всех наблюдениях: ;

9. отсутствие систематической связи между значениями случайной составляющей в любых двух наблюдениях (ковариация случайных составляющих в любых двух разных наблюдениях равна нулю: ;

10. - нормально распределенная случайная величина.

Корреляционное отношение нелинейной регрессии

Коэффициент регрессии зависит от размерности переменных х и у, поэтому для измерения тесноты связи у от х используется коэффициент корреляции , который можно рассчитать по следующим формулам:

= или

 

= =

Коэффициент корреляции показывает на сколько Sy изменится у, когда х увеличится на одно Sx.

Если = 0, то между х и у нет линейной корреляционной зависимости, но следует иметь в виду, что близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При другой (нелинейной) спецификации модели связь между признаками может оказаться достаточно тесной = 0 или = 1

Значимость линейного коэффициента корреляции проверяется на основе величины ошибки коэффициента корреляции S (r):

S (r) =

 

 

№3

ЭКЗАМЕНАЦИОННЫЙ БИЛЕТ № 15


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

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.)