Содержание
- 2. КАЧЕСТВЕННЫЕ ПРИЗНАКИ и их учет в регрессионных моделях
- 3. РОЛЬ КАЧЕСТВЕННЫХ ПРИЗНАКОВ Качественные признаки приводят к неоднородности совокупности наблюдений по изучаемому признаку
- 4. УЧЕТ НЕОДНОРОДНОСТИ Регрессионная модель 1. Регрессия строится для каждой качественно отличной группы в отдельности Регрессионная модель
- 5. Тест Чоу (первый путь)
- 7. ПРОВЕРКА
- 8. ФИКТИВНЫЕ ПЕРЕМЕННЫЕ в регрессии (второй путь) (dummy variables) Это сконструированные переменные, позволяющие качественные признаки вводить в
- 9. МОДЕЛИ КОВАРИАЦИОННОГО АНАЛИЗА Модели регрессии, в которых объясняющие переменные носят как количественный, так и качественный характер,
- 10. ИСПОЛЬЗОВАНИЕ ФИКТИВНЫХ ПЕРЕМЕННЫХ Можно строить регрессию только для фиктивных переменных Можно для зависимой переменной, представленной фиктивной
- 11. НАГРУЗКА МОДЕЛИ Чем больше градаций у качественной переменной, тем большим числом фиктивных переменных она вводится Например,
- 14. Способы ввода dummy variables
- 15. ОБОБЩЕННЫЙ МНК Generalized Least Squares (GLS)
- 16. Ordinary Least Squares (OLS) Традиционный метод наименьших квадратов нельзя использовать при наличии гетероскедастичности и автокорреляции остатков
- 17. ПРЕОБРАЗОВАНИЕ ДАННЫХ Обобщенный МНК (GLS) применяется к преобразованным данным и позволяет получать оценки параметров регрессии, которые
- 18. Предпосылки применения GLS Для гетероскедастичности Если известна взаимосвязь остатков модели регрессии с фактором хi, то есть
- 19. ПРИМЕНЕНИЕ GLS при наличии гетероскедастичности остатков
- 27. ПРИМЕНЕНИЕ GLS при наличии автокорреляции остатков
- 31. Скачать презентацию