Содержание
- 2. Мультиколлинеарность Мультиколлинеарность – совместная, или множественная, взаимозависимость объясняющих переменных. Выделяют: Полную мультиколлинеарность - если существует функциональная
- 3. Полная мультиколлинеарность и ее последствия Когда между объясняющими переменными существует функциональная зависимость (полная мультиколлинеарность), то матрица
- 4. Реальная (частичная) мультиколлинеарность Слайд №3
- 5. Внешние признаки реальной мультиколлинеарности неоправданно большие с экономической точки зрения значения оценок коэффициентов уравнения регрессии; небольшие
- 6. Формальные признаки мультиколлинеарности среди значимых коэффициентов парной или частной корреляции объясняющих переменных есть такие, которые по
- 7. Анализ внешних признаков мультиколлинеарности Оценка линейной функции множественной регрессии, описывающей зависимость y – урожайности зерновых культур
- 8. Значения оценок коэффициентов уравнения регрессии соответствуют значениям исходным статистическим данным. 2. Небольшие изменения исходных статистических данных
- 9. 3. Наличие незначимых коэффициентов при переменных Х1, Х2, Х3, Х5, при этом модель в целом значима;
- 10. Анализ формальных признаков мультиколлинеарности 1. Наличие значимых парных коэффициентов корреляции (превосходящих 0,75) между объясняющими переменными Х1
- 11. 2. Наличие высоких коэффициентов детерминации Продолжение слайда №7
- 12. 3. Малость определителя матрицы 4. Большое значение числа обусловленности матрицы Продолжение слайда №7
- 13. Методы устранения мультиколлинеарности 1. . Метод пошаговой регрессии : - с включением переменных - с исключением
- 14. Метод пошаговой регрессии Слайд №9 1. Метод пошаговой регрессии с включением переменных
- 15. Продолжение слайда №9
- 16. Продолжение слайда №9
- 17. Метод пошаговой регрессии с исключением переменных Продолжение слайда №9
- 18. Шаг 1. Выбираем первую переменную, включаемую в модель: Поправленный на несмещённость коэффициент детерминации: Нижняя граница доверительного
- 19. Шаг 2. Выбираем вторую переменную, включаемую в модель: Продолжение слайда №9
- 20. Шаг 3. Выбираем третью переменную, включаемую в модель: Число орудий поверхностной обработки почвы на 100 га;
- 21. - существенные объясняющие переменные x3, x4: Y – Урожайность зерновых культур (ц/га); Продолжение слайда №9
- 22. Метод ридж-регрессии Слайд №10
- 24. Скачать презентацию