Содержание
- 2. ВАЖНОСТЬ ИСПОЛЬЗОВАНИЯ При использовании парной регрессии предполагается, что влиянием других факторов на результат можно пренебречь (сделать
- 3. СФЕРА ПРИМЕНЕНИЯ Решение задач оценки объема спроса, доходности акций плановых издержек макроэкономических прогнозов
- 4. Цель применения Построить модель с большим числом факторов, определив при этом влияние каждого из них в
- 5. Основные предпосылки модели множественной регрессии Математическое ожидание всех εi равно нулю для всех наблюдений; Дисперсии всех
- 10. Остатки случайны
- 11. Графический анализ остатков Остатки не являются случайными величинами
- 12. Графический анализ остатков Остатки не являются случайными величинами
- 13. НУЖНО Применить другую функцию или Добавить информации , пока остатки не станут случайными
- 14. УРАВНЕНИЕ МНОЖЕСТВЕННОЙ ЛИНЕЙНОЙ РЕГРЕССИИ По МНК вектор оценок параметров модели регрессии находится по формуле: Значимость уравнения
- 15. МАТРИЦЫ Х ,У, А и Е
- 16. СКОРРЕКТИРОВАННЫЙ R² Чтобы получить более объективную оценку качества уравнения регрессии R² корректируют на количество наблюдений и
- 17. Доверительные интервалы для среднего значения Y и индивидуального значения Уi в случае множественной регрессии
- 18. МЕТОДЫ ПОСТРОЕНИЯ УРАВНЕНИЯ МНОЖЕСТВЕННОЙ РЕГРЕССИИ Метод исключения (отсев фактора из полного набора) Метод включения (введение нового
- 19. ОТСЕВ ФАКТОРОВ 1 путь. Проводится по показателям не парной , а частной корреляции, которые в чистом
- 20. ЧАСТНЫЙ КОЭФФИЦИЕНТ КОРРЕЛЯЦИИ Позволяет установить степень «чистого» влияния факторного признака на результативный признак, при условии, что
- 21. ЧАСТНЫЙ КОЭФФИЦИЕНТ КОРРЕЛЯЦИИ Если парный коэффициент корреляции между х и у больше частного коэффициента корреляции между
- 22. СПЕЦИФИКАЦИЯ МОДЕЛИ Отбор факторов Выбор вида уравнения
- 23. ОТБОР ФАКТОРОВ Факторы, включаемые в модель должны удовлетворять требованиям: Быть количественно измеримы или задаваться фиктивными переменными
- 24. ОТБОР ФАКТОРОВ Включаемые в модель факторы должны объяснять вариацию зависимой переменной R2 – доля объясненной вариации
- 25. ИССЛЕДОВАНИЕ МУЛЬТИКОЛЛИНЕАРНОСТИ Наличие существенной связи между факторами –мультиколлинеарности факторов - ведет к ненадежности оценок уравнения регрессии
- 26. Проверка гипотезы о независимости факторов – отсутствии мультиколлинеарности H0: Det|R|=1, то есть мультиколлинеарности нет H1:Det|R|=0 ,
- 27. УСТРАНЕНИЕ МУЛЬТИКОЛИНЕАРНОСТИ Исключение из модели наиболее мультиколлинеарных факторов (строят множественную регрессию относительно каждого фактора и исключают
- 28. РАНЖИРОВАНИЕ ПЕРЕМЕННЫХ Х ПО МЕРЕ ИХ ВЛИЯНИЯ НА У (если переменные Х имеют разные единицы измерения
- 29. ПРОВЕРКА ЗНАЧИМОСТИ Хj На основе t-критерия Стьюдента тогда оценка параметра модели при хj отлична от нуля
- 30. Измерение системного эффекта на основе уравнения регрессии В науке принято изучать влияние не отдельных факторов, а
- 31. Влияние системного эффекта
- 32. ПРИМЕРЫ
- 35. ПРИМЕРЫ
- 37. МОРАЛЬ
- 39. ВЫВОД И МОРАЛЬ
- 45. ВЫВОД И МОРАЛЬ
- 46. Свойства ξ
- 47. Показатель ξ
- 48. ВЫБОР ФОРМЫ УРАВНЕНИЯ Чаще всего используются линейная и степенная функция Чем сложнее функция, тем больше нужно
- 49. Смысл коэффициентов линейной модели В линейной регрессии свободный член не имеет смысла, коэффициент регрессии означает как
- 50. Смысл коэффициентов степенной модели Коэффициенты при х являются коэффициентами эластичности и показывают на сколько % измениться
- 51. Гомоскедастичность остатков –предпосылка МНК Для каждого х дисперсия остатков одинакова
- 53. Гетероскедастичность остатков это непостоянство дисперсии остатков, которое также приводит к снижению эффективности применения уравнения регрессии. Для
- 54. Тест ранговой корреляции Спирмена рассчитывается коэффициент Спирмена между модулями остатков и значениями факторов, если коэффициент Спирмена
- 55. Тест ранговой корреляции Спирмена
- 56. ПРИМЕР
- 57. Тест Голдфелда-Квандта
- 59. Графический анализ гетероскедастичности а – дисперсия остатков растет при росте х б – дисперсия остатков при
- 60. Графический анализ гетероскедастичности (для графика а)
- 61. Графический анализ гетероскедастичности (для графика б)
- 62. Графический анализ гетероскедастичности в – дисперсия остатков максимальна при минимальных значениях х
- 63. Графический анализ гетероскедастичности (для графика в)
- 64. Автокорреляция остатков Для надежности результатов регрессии необходимо, чтобы автокорреляции остатков не было. Её проверяют, например, на
- 66. Пример использования DW
- 67. УСЛОВИЯ ИСПОЛЬЗОВАНИЯ УРАВНЕНИЙ РЕГРЕССИИ ДЛЯ ПРОГНОЗА Если совокупность неоднородна по исследуемым признакам, то уравнение регрессии не
- 68. ПРИЗНАКИ ХОРОШЕЙ МОДЕЛИ Модель должна быть простой; Для любого набора статистических данных определяемые коэффициенты уравнения модели
- 69. ОШИБКИ СПЕЦИФИКАЦИИ - это неправильный выбор функциональной формы модели или набора объясняющих переменных х1…хр Основные их
- 70. Любая качественная модель – подгонка спецификации модели под имеющиеся данные Из-за меняющихся условий протекания экономических процессов
- 72. Скачать презентацию