Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Гетероскедастичность. Метод Спирмена. ⇐ ПредыдущаяСтр 2 из 2
Гетероскедастичность – свойство оценок коэффициентов регрессии, когда они зависят от свойств случайного члена. При использовании теста Спирмена предполагается, что дисперсия отклонения будет или увеличиваться, или уменьшаться с увеличением значений X. Поэтому для регрессии, построенной по методу наименьших квадратах, абсолютные величины отклонений ei и значения xi объясняющей переменной X будут коррелированы. Значения xi и ei ранжируются (упорядочиваются по величинам). Затем определяется коэффициент ранговой корреляции. Доказано, что если коэффициент корреляции ρx,|e| для генеральной совокупности равен нулю, то статистика имеет t-распределение Стьюдента с числом степеней свободы v = n - 2. Следовательно, если наблюдаемое значение t-статистики, вычисленное по формуле представленной выше, превышает tкр = tα/2,n-2 (определяется по таблице критических значений распределения Стьюдента), то нужно отклонить гипотезу о равенстве нулю коэффициента корреляции ρx,e, следовательно, и об отсутствии гетероскедастичности. В противном случае гипотеза об отсутствии гетероскедастичности принимается.
8. Классическая линейная регрессионная модель и ее предпосылки.
Классический подход к оцениванию параметров линейной модели основан на методе наименьших квадратов (МНК). Вычисление оценок МНК не требует, вообще-то говоря, введения каких-либо дополнительных гипотез. Сам метод часто рассматривают как способ «разумного» выравнивания эмпирических данных. Относительно оценок МНК можно сделать следующие выводы: 1. Оценки МНК являются функциями от выборки, что позволяет их легко рассчитывать. 2.Оценки МНК являются точечными оценками теоретических коэффициентоврегрессии,т.е. M(ai)=αi i=0,k 2 3.Эмпирическое уравнение регрессии строится таким образом, что ∑ ei = 0 и среднее значение отклонений будет равно 0. В то же время оценки a = (a0, a1, a2,....ak), вычисленные по МНК, не позволяют сделать вывод, насколько близки найденные значения параметров к своим теоретическим прототипам α = (α0,α1,.....αk) и насколько надежны найденные оценки. Поэтому для оценки адекватности модели и ее прогностической способности необходимо введение дополнительных предположений.
В классической модели линейной регрессии делаются следующие теоретические ограничения на модель: • Факторные (объясняющие) переменные (X1,X2,.....Xk) являются неслучайными величинами. • Ни одна из объясняющих переменных не является строгой линейной функцией других объясняющих переменных. Следовательно, ранг матрицы X равен k + 1 < n, где k – число факторных переменных, n.-число наблюдений Свойства оценок МНК напрямую зависят от свойств случайного членаε. Покажем это на примере множественной регрессии: Y = X ⋅ A + ε
Сформируем основные предпосылки:
1. Нулевое математическое ожидание ошибок; 2. Диагональность ковариационной матрицы ошибок; 3. Отсутствие гетероскедастичности в модели.
Нарушение любой из этих предпосылок ведет к искажению полученных результатов. Можно не обнаружить существующую зависимость или построить ложную модель. Поэтому, за кажущейся простотой метода скрывается целый комплекс проблем, неочевидных на первый взгляд.
9. Коэффициент эластичности. Средний и точечный коэффициент эластичности линейной, гиперболической, степенной и показательной функции.
Эластичность показывает, на сколько процентов в среднем изменится показатель у от своего среднего значения при изменении фактора х на 1% от своей средней величины:
Средний коэффициент эластичности характеризует, на сколько процентов изменится результативная переменная у относительно своего среднего уровня, если факторная переменная х изменится на 1 % относительного своего среднего уровня
Общая формула для расчёта коэффициента эластичности для среднего значения факторной переменной х:
Где.
– значение функции у при среднем значении факторной переменной х. Для каждой из разновидностей нелинейных функций средние коэффициенты эластичности рассчитываются по индивидуальным формулам. Для линейной функции вида: yi=β0+β1xi, средний коэффициент эластичности определяется по формуле:
Для показательной функции вида:
средний коэффициент эластичности определяется по формуле:
Для степенной функции вида:
средний коэффициент эластичности определяется по формуле:
Точечные коэффициенты эластичности характеризуются тем, что эластичность функции зависит от заданного значения факторной переменной х1. Точечный коэффициент эластичности характеризует, на сколько процентов изменится результативная переменная у относительно своего значения в точке х1, если факторная переменная изменится на 1 % относительно заданного уровня х1. Общая формула для расчёта коэффициента эластичности для заданного значения х1факторной переменной х:
Для линейной функции вида: yi=β0+β1xi, точечный коэффициент эластичности определяется по формуле:
В знаменателе данного показателя стоит значение линейной функции в точке х1.
Для показательной функции вида: точечный коэффициент эластичности определяется по формуле:
Для степенной функции вида:
точечный коэффициент эластичности определяется по формуле:
|
||||||
Последнее изменение этой страницы: 2016-08-26; просмотров: 422; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 18.191.200.35 (0.011 с.) |