Содержание
- 2. COST N 2 Если это так, разумно исследовать, применима ли одна модель регрессии к обоим категориям
- 3. 3 Мы проиллюстрируем это, используя данные для 74 средних школ в Шанхае. Диаграмма разброса отображает данные
- 4. . reg COST N Source | SS df MS Number of obs = 74 ---------+------------------------------ F(
- 5. 5 Это диаграмма рассеяния с линией регрессии ТЕСТ ЧОУ COST N
- 6. 6 Теперь мы проводим различие между профессиональными школами и обычными школами и проводим отдельные регрессии для
- 7. . reg COST N if OCC==1 Source | SS df MS Number of obs = 34
- 8. . reg COST N if OCC==0 Source | SS df MS Number of obs = 40
- 9. 9 Вот регрессионные линии для двух подвыборки ТЕСТ ЧОУ Профессиональные школы Обычные школы COST N
- 10. 10 Для сравнения показана линия регрессии для объединенного образца (целая выборка, без какого-либо различия). ТЕСТ ЧОУ
- 11. 11 ТЕСТ ЧОУ RSS = 5.55 x 1011 COST N Обычные школы Профессиональные школы На диаграмме
- 12. 12 ТЕСТ ЧОУ COST N Обычные школы Профессиональные школы Теперь соответствующие остатки для регрессии с использованием
- 13. 13 ТЕСТ ЧОУ COST N Обычные школы Профессиональные школы RSS меньше для остатков от подвыборной регрессии.
- 14. 14 ТЕСТ ЧОУ COST N Обычные школы Проф. школы Линия регрессии для подвыборной регрессии расположена так,
- 15. 15 ТЕСТ ЧОУ Линия регрессии для объединенного образца расположена для обеспечения наилучшего общего соответствия для образца
- 16. 16 ТЕСТ ЧОУ Поэтому его местоположение является компромиссом между наилучшим подходом к наблюдениям в профессиональной школе
- 17. 17 Затем мы переходим к обычным школам. Вот остатки для объединенной регрессии. ТЕСТ ЧОУ COST Обычные
- 18. 18 ТЕСТ ЧОУ COST Обычные школы Проф. школы N Затем мы переходим к обычным школам. Вот
- 19. 19 ТЕСТ ЧОУ COST Обычные школы Проф. школы N Опять же, RSS должен быть ниже для
- 20. 20 В таблице приведены данные RSS для двух типов школ в отдельных и объединенных регрессиях. ТЕСТ
- 21. 21 Остаточные суммы квадратов для отдельных регрессий для профессиональных и обычных школ будут обозначаться соответственно RSS1
- 22. 22 Добавляя их вместе, мы получаем общую остаточную сумму квадратов, когда для двух подвыборки выполняются отдельные
- 23. 23 Мы сравниваем эту сумму с RSSP, остаточной суммой квадратов из объединенной регрессии выборки. ТЕСТ ЧОУ
- 24. 24 Это получается непосредственно из исходной регрессии. Нет необходимости вычислять профессиональные и регулярные компоненты. Нас интересует
- 25. 25 Мы заинтересованы в том, чтобы добиться существенного уменьшения общего количества, когда мы выполняем отдельные регрессии
- 26. 26 Статистика теста - это статистика F, определенная как показано ТЕСТ ЧОУ F(k, n – 2k)
- 27. 27 Первым аргументом статистики F является k, стоимость, с точки зрения степеней свободы, выполнения отдельных регрессий.
- 28. 28 Стоимость k, поскольку два набора k параметров оцениваются при выполнении отдельных регрессий, а не только
- 29. 29 Второй аргумент статистики F - n - 2k, общее число степеней свободы, оставшихся при выполнении
- 30. 30 По каждой регрессии, когда проводятся отдельные регрессии, есть n наблюдений и k степеней свободы. ТЕСТ
- 31. F(k, n – 2k) 31 Числитель F-статистики состоит из общего улучшения пригонки при расщеплении образца, деленного
- 32. F(k, n – 2k) 32 Знаменателем F-статистики является общее количество RSS, оставшееся после расщепления выборки, деленное
- 33. F(k, n – 2k) RSSP = 8.91 x 1011 RSS1 + RSS2 = 4.71 x 1011
- 34. F(k, n – 2k) RSSP = 8.91 x 1011 RSS1 + RSS2 = 4.71 x 1011
- 35. F(k, n – 2k) RSSP = 8.91 x 1011 RSS1 + RSS2 = 4.71 x 1011
- 36. 37 Таким образом, статистика F равна 31.2. Критическое значение F (2,70) составляет 7,6 при уровне значимости
- 38. Скачать презентацию