 |
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция
Какие практические выводы можно сделать из того факта, что коэффициент
детерминации R2 оказался близок к нулю?
В выборке отсутствует видимая связь между зависимой и объясняющей переменной
25. Имеет ли смысл оценивать значимость уравнения регрессии с коэффициентом детерминации R2 близким к нулю?
Значимость оценивать целесообразно, т.к. даже столь маленькое значение R2 могло получиться не случайно, что нам покажет F тест. Маленькое же значение может говорить о невключении важных факторов. Также, даже при маленьком значении R2 мы можем сделать выводы о виде зависимости между независимым и зависимым показателем, т.е. растет ли Y при росте X или наоборот уменьшается. Это всегда полезно экономисту.
26. В чем состоят ограничения и недостатки практического использования коэффициента детерминации в R 2 с точки зрения современных представлений о регрессионном анализе?
Недостатки:
R2 возрастает при добавлении нового регрессора;
R2 изменяется даже при простейшем преобразовании зависимой, поэтому сравнивать по значению R2 можно только регрессии с одинаковыми зависимыми переменными.
Низкое значение R2 не свидетельствует о низком качестве модели, и может объясняться наличием существенных факторов, не включенных в модель
27. Дает ли какую-либо дополнительную информацию скорректированный коэффициент детерминации 
в парном регрессионном анализе?
Ничего не даёт и не нужен (Черняк).
ТЕМА 2. Интерпретация и использование оценок коэффициентов регрессии в парной линейной регрессии.
Как интерпретируется коэффициент при независимой переменной в парной линейной регрессии? (короткая и развернутая форма интерпретации)
y = a + bx. Короткая интерпретация: b – величина, на которую в среднем изменяется значение переменной yi при увеличении независимой переменной x на единицу.
Развернутая: b –величина, на которую изменяется предсказанное по модели значение ŷi при увеличении значения независимой переменной x на одну единицу измерения.
Как интерпретируется коэффициент при переменной времени в парной линейной
Регрессии? (короткая и развернутая форма интерпретации).
Коэффициент при переменной времени показывает, насколько в среднем изменится зависимая переменная при изменении времени на 1 период.
Как интерпретируется коэффициент при индексной переменной (например, при
Поиск по сайту: