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 |
Предпосылки построения классической нормальной линейной моделиСодержание книги
Поиск на нашем сайте
В этой модели предполагается, что связь между показателями является корреляционной. Результат y представляет собой совокупность случайных величин. Для каждого значения фактора х своя случ. величина. Ряд требований: 1) случ. величина yi распределена по нормальному закону (мода, медиана, мат. ожидание. Дисперсии случ. величин yi и yj одинаковы. Случ. величны независимы для любых ij) 2) фактор х предполагается неслуч. величиной. Если их несколько в модели, то они независимы друг от друга). 3) Объем наблюдений, необходимый для оценки параметров регрессии, должен быть в 6-10 раз больше кол-ва параметров ур-ия без учета своб. члена а. 4) Выровненные значения результата y^ лежат на прямой линии.
Уравнение регрессии в стандартизированном масштабе. Относительный показатель силы связи – только для множественной линейной регрессии – стандартизированный коэффициэнт регрессии. Предположим, что была проведена операция стандартизации исходных переменных (x,y). y-y¯/σy=ty Операция стандартизации по Y y¯=112,6 txр=xр-xр¯/σxр σy=57,2 tx1=x1-x1¯/σx1 tx2=x2-x2¯/σx2 Для этих новых стандртизированных переменныхможно построить уравнение регрессии ty=α+β1tx1+β2tx2...βрtxp+δ α=0, всегда (свойство стандартизированных переменных) ty=β1tx1+β2tx2...βрtxp+δ – уравнение в стандартизированной форме или стандартизированном масштабе, а исходное – в натуральной форме. Параметры β1, β2, βр называются стандартизированными коэффициэнтами регрессии. Их можно найти методом наименьших квадратов – это трудоемко. 2 способ – βi=bi*σxi/σy
Понятие «статистическая значимость» параметров уравнения регрессии. В эконометрике все исходные данные рассматриваются как выборочные => можно предположить, что если бы была возможность повторять одно и то же статистическое наблюдение, то полученные данные различались бы друг от друга и отличались бы все показатели по ним рассчитанные. Опыт 1 Опыт 2. Опыт 3. Y^=a1+b1x Y^=a2+b2x Y^=a3+b3x R²1, b1>0 R²2, b2>0 b3<0
Если много экспериментов, то могут быть противоречивые результаты почти по всем коэффициентам регрессии приблизительно равным 0 в среднем. Если такой исход возможен, то говорят, что коэффициент регрессии незначителен. Параметр называется незначительным, если с большой долей вероятности его величина в генеральной совокупности = 0. Значимость уравнения регрессии –само уравнение регрессии – тождество чисел. Незначимость ур-я регрессии означает, что все параметры при факторах одновременно с высокой долей вероятности м.б. равны «0» в ген.сов-ти. Незначимость ур-я регрессии означает также незначимость коэф.детерминации, т.е его равенство «0» с высокой степенью вероятности в гень сов-ти. Значимость параметров -означает их отличие от 0 с высокой степенью вероятности, а параметра – все параметры при факторе одновременно не = 0. Для того, чтобы оценить значимость параметров и парного линейного коэффициента корреляции, используют критерий Стьюдента (t-критерий). Для оценки значимости ур-я регрессии в целом используется критерий Фишера.
В эконометрике все исходные данные рассматриваются как выборочные, значит, можно предположить, что при повторе статистического наблюдения полученные данные отличались бы друг от друга, а, значит, отличались бы и показатели по ним рассчитанные. Если много наблюдений, могут быть противоречивые результаты и коэффициент регрессии 0, если такой исход возможен, то говорят что коэффициент регрессии незначим. Значимость уравнения регрессии: Незначимость уравнения регрессии означает, что все параметры при факторах одновременно с высокой долей вероятности могут быть равны 0. = > или Незначимость уравнения регрессии, означает незначимость коэффициента детерминации, то есть его равенство 0 с высокой степенью вероятности в генеральной совокупности. Уравнение значимо если все параметры при факторах одновременно не равны 0. Значимость уравнения говорит о том, что все факторы в уравнении оказывают влияние на результат. Для оценки значимости уравнения регрессии в целом используют критерий Фишера или F-критерий.
Критерий Стьюдента. Используется для оценки значимости параметров уравнения регрессии. Алгоритм оценки значимости по критерию Стьюдента: 1. Рассчитывается средняя ошибка оцениваемого параметра (или стандартная ошибка) - 2. По таблице находят табличное значение t-критерия (при ); число степеней свободы = n-m-1, где n- число наблюдений, m- число факторов. - это число степеней свободы, на пересечении альфа и df находят t- табличное 3. Фактическое значение t-критерия:, т.е. параметр делим на ошибку параметра 4. Сравнивается фактическое и табличное значение t-критерия, если tфакт> , то, говорят, что параметр значим с вероятностью 1-α, при этом tфактич. Берется по модулю! ИЛИ: 5. после пункта 2: Находим границы доверительного интервала для оценки параметра: , b- параметр Этот доверительный интервал характеризует значения оцениваемого параметра, которые он может принимать в различных опытах с высокой долей вероятности. Длят того чтобы параметр был значим, необходимо,чтобы 0 не входил в доверительный интервал, если входит то говорим что параметр незначим в вероятностью 1-α, если не входит, то параметр значим с вероятностью 1-α. Формула средней ошибки параметра зависит от того какой параметр оценивается. Общая для всех параметров уравнения регрессии формула: Где, i=0,1,2…p; - диагональный элемент с N ii матрицы , причем i=0,1,2…p Стандартная ошибка регрессии: В большинстве случаев приведенную формулу можно упростить, если есть парное линейное уравнение регрессии, то ошибка рассчитывается в числителе SSост.
А для свободного члена Для множественной регрессии формула ошибки одного из коэффициентов регрессии: - СКО R^2- коэффициент детерминации по всему уравнению - коэффициент детерминации для уравнения регрессии в котором в качестве результатирующего признака входит xi, a в качестве признака остальные факторы входящие в уравнение регрессии. = - ошибка парного лин.коэф.корреляции
|
|||||||||||||||||
Последнее изменение этой страницы: 2016-04-26; просмотров: 457; 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 - 3.145.110.99 (0.009 с.) |