|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Коэффициент детерминации в парной регрессионной моделиЛинейная парная регрессионная модель используется для описания взаимосвязи двух переменных Y и X, если имеется предположения, что между ними существует линейная стохастическая зависимость: y=a+bx+ε, где а и b – параметры модели (постоянные неизвестные коэффициенты); Х- независимая переменная; Y— зависимая переменная; ε - случайная переменная (возмущение, ошибка), возникающая из-за влияния различных неучтенных факторов. Уравнение для отдельных наблюдений зависимой переменной Y записывается в виде: yt=a+bxt+εt где ХtYt, - набор данных (наблюдений), t = 1, 2,..., n; Xt – экзогенная переменная модели); εt - случайная ошибка в наблюдении t. Если отклонение зависимой переменной Yt, от ее выборочного среднего значения представить в виде суммы двух отклонений: и выборочную дисперсию var(Y) можно представить в виде двух частей: Часто это уравнение записывают так: TSS = ESS + RSS, где TSS = var(Y) – полная дисперсия (общая сумма квадратов отклонений зависимой переменной от ее выборочного значения); ESS = Σ(Yt-Ŷt)2 – часть дисперсии, необъясненная регрессией (т.к. она содержит ошибки регрессии εt); - часть дисперсии, объясненная регрессией (объясненная сумма квадратов отклонений). Качество подгонки регрессионной модели к наблюденным значениям Yt оценивается при помощи статистики R2 (коэффициента детерминации). Коэффициент детерминации определяется по формуле R2 = 1-ESS / TSS = RSS / TSS; 0≤R2≤1 Чем ближе значение коэффициента детерминации к 1, тем лучше качество подгонки и прогноз Ŷ более точно аппроксимирует Y. Для проверки значимости коэффициента детерминации используется F-статистика: где k - число независимых переменных. Связь между статистиками F и R2 для случая парной регрессии (k = 1) имеет вид 17 .F -тест качества спецификации парной регрессионной модели. F-тест - оценивание качества уравнения регрессии - состоит в проверке гипотезы Н0о статистической незначимости уравнения регрессии и показателя тесноты связи. Для этого выполняется сравнение фактического Fфакт и критического (табличного) Fтабл значений F-критерия Фишера. Fфакт определяется как гдуn — число единиц совокупности; m- число параметров при переменных х Fтабл – это максимально возможное значение критерия под влиянием случайных факторов при данных степенях свободы и уровне значимости а. Уровень значимости а - вероятность отвергнуть правильную гипотезу при условии, что она верна.Обычноа принимается равной 0,05 или 0,01. Если Fтабл<Fфакт, то Н0 - гипотеза о случайной природе оцениваемых характеристик отклоняется и признается их статистическая значимость и надежность. Если Fтабл>Fфакт, то гипотеза Н0не отклоняется и признается статистическая незначимость, ненадежность уравнения регрессии. 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.) |