Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь FAQ Написать работу 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 |
Этапы процедуры пошагового отбора существенных переменных.↑ ⇐ ПредыдущаяСтр 2 из 2 Содержание книги
Поиск на нашем сайте
-рассматриваем только одну переменную. Строим коэффициент детерминации каждой переменной. Среди них выбираем максимальный и оставляем соответствующую ему переменную. Строим исправленный коэфф детерминации D* и Dmin -рассматриваем пары переменных которые включают отобранную переменнуюи по очереди добавляем все остальные переменные. Строим коеф детерминации и выбираем максимальный оставляем соответствующую переменную. Строим исправленный коэфф детерминации D* и Dmin. -и тд. Если Dmin стал убывать то останавливаемся на шаге где он максимален и оставляем соответствующее количество переменных.
51. Постановка задачи построения обобщенной множественной линейной регрессии. Y=X*A+E ME=O-мат ожид остатков M(E*E')=cigma(i) rank(x)=p+1<n
52. Модель обобщенной множественной линейной регрессии. Y=X*A+E
53. Постановка задачи построения обобщенной множественной линейной регрессии с гетероскедастичными остатками. Если остатки имеют разные дисперсии но независимы между собой то это называется гетероскедостичностью Остатки независимы между собой но зависят от одной из объясняющих переменных поэтому все элементы = 0, кроме диагональных. Их надо найти
55. Когда применяется метод Глейсера? Если предпологаем что остатки гетероскедостичные
56. Этапы метода Глейсера. -предположим что остатки гомоскедастичны - предположим что регрессия классическая и находим коэффициенты линейной множественной линейной регрессии методом наименьших квадратов. -находим остатки -находим зависимость остатков от переменной Х(К) (b) - проверить гипотезу о значимости коэффициентов b.
61. Когда используются фиктивные переменные (манекены) в множественной линейной регрессии? При неоднородных регрессионных данных, сопутствующие переменные(z) напрямую не используем, а в модели вводим фиктивные переменные.
62. Как строятся фиктивные переменные (манекены) в множественной линейной регрессии? Пусть К - кол-во значений, которое принимает z, тогда в модель вводим к-1 фиктивных переменных. Фиктивные переменные принимают значения 0, 1
63. Когда применяется критерий Чоу? Когда нужно определить влияют ли сопутствующие переменные на результирующую переменную Y.
64. Этапы критерия Чоу. x- колич. Перем. z- сопутс. Переем, принимает 2 значения М. разбить перем х на 2 группы: соотв-ие z1, соотв-ие z2 Шаг1: рас-ем группу B1 Строим уравнение: y=X1A1+E; находим A1 E1=Y-X1A1 Шаг2: рас-ем обе группы вместе B1+B2; строим регрессию y= XA+E, находим A, находим E= Y-XA Шаг3: проверяем(сравниваем) Е1 и Е. Если они не отличаются, то перем Z не влияет.
65. Определение временного ряда. Временной ряд - последовательность значений некоторой произвольной переменной величины X, принимаемых в течение нескольких последовательных моментов времени t. Эти значения называются уровнями ряда
70. Определение промежуточного мультипликатора. Показывает совокупное влияние в текущий и совокупный момент времени
72. Определение и алгоритм построения коррелограммы. Смещаем данные на лаг (на одно наблюдение): Строим коэфф корелл для одного лага, т. О мы проверим зависимость между соседними переменными. Теперь сместим на 2 лага – это будетзависимость через один лаг..и тд.... получаем последовательность коэф автокорелляции r1 r2 r3 … Отображаем их на графике «карелограмма»
74. Факторы, под воздействием которых формируются значения временного ряда. 1) долговременная составляющая (тренд) – характеризует общую тенденцию изменения значений временного ряда 2) сезонная составляющая – характеризует периодические колебания значений временного ряда 3) циклическая составляющая – характеризует период колебания значений временного ряда, но с более продолжительным циклом, чем у сезонной составляющей 4) случайная составляющая (остатки)
75. Этапы метода моделирования сезонных колебаний временного ряда. 1) Построение коррелограммы, определение периода колебаний 2) Сглаживание методом скользящего среднего ? Строим ряд из средних Т соседних членов исходного ряда ? Если периодичность Т сезонной составляющей – четное число, то для полученного ряда проводим центрирование (т.е. берем среднее арифметическое соседних значений) 3) Находим отклонения временного ряда от тренда ? Для аддитивной модели: разность x(t)? средние значения ? Для мультипликативной модели: частное x(t) / средние значения 4) Группируем полученные оценки по периодам сезонности Строим вспомогательную таблицу 5) Рассчитываем • среднее отклонений от тренда по сезонам • отклонение за период - сумма средних отклонений по сезонам • корректировочный коэффициент k • Сезонную составляющую? (t)
76. Метод скользящего среднего для сглаживания временного ряда. Cглаживание основывается на составлении нового ряда из простых средних арифметических, исчисленных для промежутков времени длиной • Если периодичность Т сезонной составляющей – нечетное число, то сглаживание проводят в один этап, в качестве q берем длину периода Т • Если периодичность Т сезонной составляющей – четное число, то сглаживание проводят в два этапа: 1) Сглаживаем исходный ряд на основе скользящего среднего с интервалом, равным периоду (q= Т) 2) При четном значении периода проводим центрирование (т.е. берем среднее арифметическое соседних значений)
79. Почему для построения оценок коэффициентов динамической модели временного ряда нельзя воспользоваться методом наименьших квадратов? Тк текущие и лаговые переменные тесно связанны друг с другом => есть мультиполинеарность => нельзя 82. Когда применяется критерий Дарбина-Уотсона? Критерий Дарбина-Уотсона (Durbin, 1969) представляет собой распространенную статистику, предназначенную для тестирования наличия автокорреляции остатков первого порядка после сглаживания ряда или в регрессионных моделях.
83. Этапы процедуры Кохрейна-Оркатта. 1. Вычисляются МНК-оценки 1-итерации 2. Подсчитываются невязки 1-итерации 3. С помощью МНК оцениваются параметры a1,a2,a3...am на 1-итерации: 4. Осуществляется переход к переменным 5. Для модели с новыми переменными вычисляются МНК-оценки 2-итерации 6. Подсчитываются невязки 2-итерации 7. С помощью МНК оцениваются параметры 8. Осуществляется переход к переменным
84. Какие факторы формируют динамические модели временного ряда? 1. Долговременные, формирующие общую (в длительной перспективе) тенденцию в изменении анализируемого признака x(t). Обычно эта тенденция описывается с помощью неслучайной функции ftr(t), как правило, монотонной. Эту функцию называют функцией тренда или трендом. 2. Сезонные, формирующие периодически повторяющиеся в определенное время года колебания анализируемого признака. Обозначим результат действия сезонных факторов с помощью неслучайной функции φ(t). 3. Циклические (конъюнктурные), формирующие изменения анализируемого признака, обусловленные действием долговременных циклов экономической, демографической или астрофизической природы. Результат действия циклических факторов обозначается с помощью неслучайной функции ψ(t). 4. Случайные (нерегулярные) - не поддающиеся учету и регистрации факторы. Их воздействие на формирование значений временного ряда как раз и обусловливает стохастическую природу элементов x(t). Результат воздействия случайных факторов обозначается с помощью случайных величин ε(t).
85. Когда применяется метод Алмона? Когда нужно найти в динамической модели коэфицент a
86. Этапы метода Алмона для оценки коэффициентов динамической модели. Предполагается, что коэфиценты зависимы от величины лага Yt= a0+ d0*x1+d1*x(t-1)+ d2*x(t-2)+…d(k)*x(t-k)+E(t) Они представляют собой полином некоторой степени: b(j)= c0+c1*j+c2*j^2+…c(k)*j^k m выбирается заранее, строим все коэф-ты b0=c0 b1=c0+c1+c2+…c(k) b2=c0+2c1+ 4c2+… (2^k)*Ck … b(k)=c0+hc1+ c2*h^2+Ck*h^k Подставим эти коэфиценты в исходное уравнение: Y(t)=a0+c1x(t)+ (c0+c1+…+Ck)*X(t-1)+ (c0+h*c1+c2*h^2+…+Ck*h^k)*X(t-2) +…+(c0+c1*h+…+Ck*h^k)*X(t-h)+Et= a0+c0*(xt+x(t-1)+…X(t-h))+c1*(X(t-1)+2X(t-2) +…hX(t-h))+Et Получившиеся линейные комбинации независимы Z(1)=Xt+X(t-1)+…X(t-h) Z(2)=X(t-1)+2X(t-2)+…hX(t-h) Z(k+1)=X(t-1)+(2^k)*X(t-2)+…(h^k)*X(t-h) Y(t)=a0+C0*Z(1)+C1*Z(2)+…CkZ(k+1)+E(t) Мы получили классическую линейную множественную регрессию Теперь можно использовать мнк. Находим Смнк, подставляем в формулу, затем находим b.
|
||||
Последнее изменение этой страницы: 2016-08-26; просмотров: 346; 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 - 18.191.200.151 (0.009 с.) |