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 |
Следует ли всегда исключать из уравнения незначимые переменные. Почему да, или почему нет.
Переменная может быть незначимой, но существенной для конкретной модели. Тогда ее нельзя исключать. Исключение незначимой переменной может привести к смещению коэффициентов других переменных модели.
203. Как можно оценить значимость вклада одной переменной, включаемой в регрессионную модель (необходимо знать два метода, основанных соответственно на использовании t -критерия и F-критерия)? Значимость включаемой переменной измеряется t-статистикой соответствующего коэффициента. (t тест подходит только для оценки включения одного фактора). Эквивалентный метод – использование F- критерия. Эквивалентность предполагает двухстороннюю альтернативу для t-критерия. F-тест (универсальный способ, применимый для включения любого числа факторов) или Должно быть ИТАК: t-статистика при переменной выполняет 2 функции 1) показывает значимость коэффициента 2) показывает, не является ли целесообразным исключить ее из уравнения Так как t-стат одна, то эти функции совпадают: если переменная значима, ее целесообразно оставить в уравнении (вообще говоря). Как можно оценить значимость вклада одновременно нескольких переменных, Включаемых в регрессионную модель? Значимость группы переменных не означает значимости каждой из переменных Значимость включаемой группы переменных измеряется F-тестом
Каково соотношение между значимостью вклада группы включаемых переменных и вкладами отдельно каждой из включаемых переменных? Значимость группы переменных не означает значимости каждой из переменных. Каковы основные критерии для включения в модель регрессии новой переменной? Причины задуматься о необходимости включения новой переменной (фантазия на тему). 1. Явная заниженность / завышенность оценки уже включенной переменной. 2. Низкий R2. Основные критерии для включения в модель регрессии новой переменной: 1. Роль переменной в уравнении опирается на прочные теоретические основания 2. Высокие значения t-статистики 3. Исправленный коэффициент детерминации растет при включении переменной 4. Другие коэффициенты испытывают значительное смещение при включении новой переменной Каковы правила для исключения незначимой переменной из уравнения регрессии?
Исключение переменной означает, что ее влияние на новую регрессию будет осуществляться через случайный член. В таком случае возникает угроза значимости модели в целом, теоретическому смыслу знака коэффициента оставшихся переменных. Поэтому исключение незначимой переменной целесообразно, если: 1) Не возникает смещения оценок 2) Оценки коэффициентов и модель, не включающая незначимую переменную, значимы. 3) Существенная переменная не должна быть исключена (существенная – значимая на основании теории) 4) Оценки коэффициентов при переменных после исключения устойчивы (изменяются незначительно). Каковы основные процедуры поиска спецификации уравнения регрессии? В чем заключаются сравнительные достоинства и недостатки этих процедур? 1. Последовательный восходящий поиск 2. Последовательный нисходящий поиск Обе процедуры приводят к серьезным ошибкам и следует избегать их автоматического применения, либо резко ограничивать объем поиска. Как влияет включение переменной в уравнение множественной регрессии на коэффициент детерминации R2? При включении любой переменной он никогда не уменьшается, а обычно растет. 210. Как влияет включение переменной в уравнение множественной регрессии на скорректированный коэффициент детерминации ? Добавление новой переменной к регрессии приведет к росту , если и только если соответствующая t статистика больше 1 (или меньше -1). Следовательно рост при добавлении новой переменной необязательно означает, что ее коэффициент значимо отличается от нуля. Как влияет включение переменной в уравнение множественной регрессии на
|
|||||
Последнее изменение этой страницы: 2016-04-26; просмотров: 1533; 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 - 3.145.186.173 (0.004 с.) |