АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Методы устранения мультиколлинеарности

Читайте также:
  1. II. МЕТОДЫ, ПОДХОДЫ И ПРОЦЕДУРЫ ДИАГНОСТИКИ И ЛЕЧЕНИЯ
  2. II. МЕТОДЫ, ПОДХОДЫ И ПРОЦЕДУРЫ ДИАГНОСТИКИ И ЛЕЧЕНИЯ
  3. III. Методы оценки функции почек
  4. III. Ценности практической методики. Методы исследования.
  5. IV. Методы коррекции повреждений
  6. VI. Беззондовые методы исследования
  7. VI. Современные методы текстологии
  8. а) Графические методы
  9. Административно - правовые формы и методы деятельности органов исполнительной власти
  10. Административные методы менеджмента (организационного и распорядительного воздействия).
  11. Активные и интенсивные методы обучения
  12. Активные и нетрадиционные методы преподавания психологии.

Основным методом устранения мультиколлинеарности заключается в исключении переменных

Существует несколько способов решения этой задачи

  1. Метод дополнительных регрессий

Алгоритм метода заключается в следующем:

1.Строятся уравнения регрессии, которые связывают каждый из регрессоров со всеми оставшимися

2. Вычисляются коэффициенты детерминации R2 для каждого уравнения регрессии

3. Проверяется статистическая гипотеза H0: R2=0 с помощью F теста

Вывод: если гипотеза H0: R2=0 не отклоняется, значит данный регрессор не приводит к мультиколлинеарности

2. Метод последовательного присоединения

В отличие от рассмотренного, метод последовательного присоединения регрессоров позволяет выявить набор регрессоров, который ни только не приводит к мультиколлинеарности, но и обеспечивает наилучшее качество спецификации модели

Алгоритм метода следующий:

1.Строится регрессионная модель с учетом всех предполагаемых регрессоров. По признакам делается вывод о возможном присутствии мультиколлинеарности

2.Расчитывается матрица корреляций и выбирается регрессор, имеющий наибольшую корреляцию с эндогенной переменной

3.К выбранному регрессору последовательно в модель добавляется каждый из оставшихся регрессоров и вычисляются скорректированные коэффициенты детерминации для каждой из моделей К модели присоединяется тот регрессор, который обеспечивает наибольшее значение скорректированного R2

4.К паре выбранных регрессоров последовательно присоединяется третий из числа оставшихся Строятся модели, вычисляется скорректированный R2, добавляется тот регрессор, который обеспечивает наибольшее значение скорректированного R2

5.Процесс присоединения регрессоров прекращается, когда значение скорректированного R2 становится меньше достигнутого на предыдущем шаге

Замечание. Каким бы образом не осуществлялся отбор факторов, уменьшение их числа приводит к улучшению обусловленности матрицы (XTX)-1, а, следовательно, к повышению качества оценок параметров модели

 

Понятие фиктивных переменных.

На практике приходится учитывать в моделях факторы, носящие качественный характер, значения которых в наблюдениях не возможно измерить с помощью числовой шкалы.

Примеры.

Моделирование влияния пола специалистов на уровень зарплаты.

Моделирование доходов граждан от типа учебного заведения, в котором он получил образование (государственное, частное, специализированное,…)

Модель инфляции с учетом различных видов регулирования со стороны государства

Возможны два подхода к решению задачи:

- построить несколько моделей отдельно для каждого значения (градации) качественной переменной

- учесть влияние качественного фактора в одной модели

Второй способ представляется более прогрессивным, т.к в этом случае появляется возможность оценить статистическую значимость влияния данного фактора на поведение эндогенной переменной на фоне других факторов, внесенных в спецификацию модели

Пример. Изучается зависимость расходов на образование «С» в «обычных» и «специализированных» школах в зависимости от числа учащихся N

Предположим:

  1. Зависимость затрат на обучение от количества учащихся N в обоих типах школ одинакова

2. Разница в затратах объясняется необходимостью приобретения специализированного оборудования для обучения специальным дисциплинам

Тогда если строить различные модели для каждого типа школ, то спецификацию моделей можно записать в виде:

Yo = a0 + a1N +u

Ys = b0 + a1N + v

 


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |

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.)