|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Оценка статистической значимости коэффициентов модели множественной регрессииДанная оценка с помощью t-критерия Стьюдента сводится к вычислению корня квадратного из величины соответствующего частного критерия Фишера. При тесной линейной связанности факторов, входящих в ур-е множественной регрессии, возможна проблема мультиколлинеарности факторов. Колич-ым показателем явной коллинеарности двух переменных явл-ся соответствующий линейный коэф-т парной корреляции между этими двумя факторами. Две переменные явно коллинеарны, если этот коэффициент корреляции больше или равен 0,7. Чем сильнее мультиколлинеарность (без обязательного наличия явной коллинеарности) факторов, тем менее надежна оценка распределения суммы объясненной вариации по отдельным факторам с помощью МНК. При проверке значимости коэф-ов модели множ. регрессии крит. значение t-критерия определяется как tкрит(а;n-l-1), где а – уровень значимости, n – объём выборочной совокупности, l – число оцениваемых по выборке параметров, (n-l-1) – число степеней свободы, которое опр-ся по таблице распределений t-критерия Стьюдента. При проверке основной гипотезы вида наблюдаемое значение частного F-критерия Фишера-Снедекора рассчит-ся по формуле: Ситуации Если наблюдаемое значение t-критерия больше критического значения t-критерия (определённого по таблице распределения Стьюдента), т. е. tнабл≥tкрит, то основная гипотеза о незначимости коэф-та βk модели множ. регрессии отвергается, и он является значимым. Если меньше, то основная гипотеза о незначимости коэф-та βk принимается. И данный коэф-т можно в дальнейшем не учитывать. Проверка основной гипотезы о значимости модели множ-ой регрессии в целом состоит в проверке гипотезы о значимости коэф-та множ. корреляции или значимости пар-ов модели регрессии. Если проверка в целом осущ-ся, то выдвигается основная гипотеза вида Н0:R(y,xi)=0, утверждающая, что коэф-т множ. корреляции является незначимым, и, следовательно, модель множ. регрессии в целом также является незначимой. Обратная или конкурирующая гипотеза вида Н1:R(y,xi)≠0 утверждает, что коэф-т множ. корреляции является значимым, и, следовательно, модель множ. регрессии в целом также является значимой. Данные гипотезы проверяются с помощью F-критерия Фишера-Снедекора. Наблюдаемое значение F-критерия (вычисленное на основе выборочных данных) сравнивают со значением F-критерия, кот. опр-ся по таблице распределения Фишера-Снедекора, и называется критическим. 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.) |