Слайд 2Анализ Уравнения МРА
А. t-тесты.
t-тесты как и в парном РА, но число
![Анализ Уравнения МРА А. t-тесты. t-тесты как и в парном РА, но](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/422685/slide-1.jpg)
степеней свободы равно n-k.
Слайд 3Анализ Уравнения МРА
Б. Доверительные интервалы.
Как и в парном РА, но число
![Анализ Уравнения МРА Б. Доверительные интервалы. Как и в парном РА, но число степеней свободы n-k.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/422685/slide-2.jpg)
степеней свободы n-k.
Слайд 4Анализ Уравнения МРА
Коэффициент детерминации имеет ту же интерпретацию, что и
![Анализ Уравнения МРА Коэффициент детерминации имеет ту же интерпретацию, что и в](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/422685/slide-3.jpg)
в ПРА. Но не может использоваться для сравнения качества уравнений с разным числом регрессоров.
Слайд 5Скорректированный коэффициент
детерминации .
При добавлении к уравнению регрессии еще одной объясняющей
![Скорректированный коэффициент детерминации . При добавлении к уравнению регрессии еще одной объясняющей](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/422685/slide-4.jpg)
переменной коэффициент детерминации R2 или увеличивается, или не меняет своего значения.
То есть, чем больше объясняющих переменных в уравнении, тем больше, вообще говоря, значение R2.
Слайд 6Из-за этого R2 нельзя использовать для сравнения качества уравнений с разным числом
![Из-за этого R2 нельзя использовать для сравнения качества уравнений с разным числом](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/422685/slide-5.jpg)
объясняющих переменных.
Чтобы преодолеть этот недостаток R2, был введен скорректированный коэффициент детерминации:
Другое обозначение - это R2adj.
Слайд 7Интерпретация – как и R2.
В определенной степени использование R2adj более корректно для
![Интерпретация – как и R2. В определенной степени использование R2adj более корректно](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/422685/slide-6.jpg)
сравнения качества регрессий с разным числом независимых переменных.
Хотя этот коэффициент тоже несовершенен.
Слайд 8Коэффициенты детерминации введены, чтобы оценивать качество модели регрессии. Чем больше их значение,
![Коэффициенты детерминации введены, чтобы оценивать качество модели регрессии. Чем больше их значение,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/422685/slide-7.jpg)
тем выше качество.
Но главным при оценке качества модели являются экономическая теория и здравый смысл.
Слайд 9Г. F-тест на качество оценивания.
(F-тест-1)
Гипотеза о качестве построенной модели регрессии формулируется
![Г. F-тест на качество оценивания. (F-тест-1) Гипотеза о качестве построенной модели регрессии](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/422685/slide-8.jpg)
следующим образом:
H0: β2 =…= βk = 0
HА: не H0
(или: HА: хотя бы один коэффициент βj не равен нулю).
Слайд 10То есть проверяется гипотеза: является ли значимой совместная объясняющая способность k-1 независимых
![То есть проверяется гипотеза: является ли значимой совместная объясняющая способность k-1 независимых](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/422685/slide-9.jpg)
переменных.
(Этот тест дополняет t-тесты, которые используются для проверки значимости объясняющих способностей отдельных переменных: H0: β2 = 0; H0: β3 = 0; …)
Слайд 11Схема проверки теста:
F-статистика = Fстат =
Fстат считается также и EXCELем.
Задаем α
![Схема проверки теста: F-статистика = Fстат = Fстат считается также и EXCELем.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/422685/slide-10.jpg)
- уровень значимости.
чсс = n-k.
Число ограничений на коэффициенты k-1.
Слайд 12По таблице распределения Фишера находим Fкритическое = Fкр(k-1; n-k; α).
Если Fстат >
![По таблице распределения Фишера находим Fкритическое = Fкр(k-1; n-k; α). Если Fстат](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/422685/slide-11.jpg)
Fкритическое , гипотеза H0 отвергается при уровне значимости α.
Если Fстат < Fкритическое , гипотеза H0 не отвергается при уровне значимости α.