Слайд 2Анализ Уравнения МРА
А. t-тесты.
t-тесты как и в парном РА, но число

степеней свободы равно n-k.
Слайд 3Анализ Уравнения МРА
Б. Доверительные интервалы.
Как и в парном РА, но число

степеней свободы n-k.
Слайд 4Анализ Уравнения МРА
Коэффициент детерминации имеет ту же интерпретацию, что и

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

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

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

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,

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

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

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

- 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 >

Fкритическое , гипотеза H0 отвергается при уровне значимости α.
Если Fстат < Fкритическое , гипотеза H0 не отвергается при уровне значимости α.