Содержание
- 2. Вопрос 1. «Понятие множественной регрессии и корреляции»
- 3. Понятие модели множественной регрессии Модель множественной регрессии – это уравнение, отражающее корреляционную связь между результатом и
- 4. Цель множественной регрессии построить модель с несколькими факторами и определить при этом влияние каждого фактора в
- 5. Линейная функция множественной регрессии и корреляции Линейная функция множественной регрессии и корреляции имеет вид: у =
- 6. Нелинейная функция множественной регрессии и корреляции В качестве нелинейной функции множественной регрессии и корреляции чаще всего
- 7. Показательная функция Показательная функция имеет вид: у = а + b1x1 + b2x2 + bixi +
- 8. Степенная функция Степенная функция имеет вид: у = а + x1b1 + x2b2 + xibi +
- 9. Условия для проведения анализа методом множественной регрессии и корреляции 1. При проведении анализа методом множественной регрессии
- 10. Условия для проведения анализа методом множественной регрессии и корреляции 2. Результат и факторы – это количественные
- 11. Условия для проведения анализа методом множественной регрессии и корреляции 3. При построении эконометрической модели предполагается, что
- 12. Интеркорреляция и мультиколлинеарность Корреляционная связь, которая существует между двумя факторами, называется интеркорреляцией. Соответственно, корреляционная связь, существующая
- 13. Интеркорреляция и мультиколлинеарность Существование корреляционной связи между факторами выявляется с помощью коэффициентов корреляции, которые принято записывать
- 14. Интеркорреляция и мультиколлинеарность Наличие мультиколлинеарности подтверждается определителями матрицы. Если связь между факторами полностью отсутствует, то недиагональные
- 15. Вопрос 2. «Правила отбора факторов в модели множественной регрессии и корреляции»
- 16. Отбор факторов Несмотря на то, что теоретически множественная регрессионная модель позволяет учесть любое число факторов, практически
- 17. Отбор факторов Однако теоретический анализ часто не позволяет однозначно ответить на вопрос о количественной взаимосвязи рассматриваемых
- 18. Правила включения в модель факторов Включаемые в модель множественной регрессии факторы должны объяснять вариацию зависимой переменной.
- 19. Правила включения в модель факторов При включении в модель дополнительного фактора коэффициент (индекс) детерминации должен возрастать,
- 20. Правила включения в модель факторов Насыщение модели лишними факторами не только не снижает величину остаточной дисперсии
- 21. Правила включения в модель факторов Множественная регрессия характеризуется наличием достаточно большого количества факторов. При этом отсутствует
- 22. Четыре метода подбора факторов при построении модели метод последовательного включения факторов метод исключения факторов из модели
- 23. Метод последовательного включения факторов При использовании метода последовательного включения факторов сначала должна быть построена модель с
- 24. Метод исключения факторов Использование метода исключения факторов предполагает, что сначала строится модель с максимально большим количеством
- 25. Шаговый регрессионный анализ Шаговый регрессионный анализ является преобразованием метода последовательного включения факторов. Построение модели начинается с
- 26. Ступенчатый регрессионный анализ Ступенчатый регрессионный анализ начинается с построения уравнения парной регрессии с наиболее значимым по
- 27. Фиктивные переменные и модель бинарного выбора Показатели, выбранные в качестве результативного признака и фактора, иногда могут
- 28. Модели с усеченными и цензурированными данными Чаще всего в моделях результативный признак является количественной переменной, однако
- 29. Модель с усеченными данными При усеченной выборке наблюдения производятся не над всей статистической совокупностью, а над
- 30. Модель с цензурированными данными Цензурированная выборка представляет собой данные наблюдения над всей статистической совокупностью, но в
- 31. Вопрос 3. «Показатели тесноты и силы связи между результативным признаком и факторами в уравнении множественной регрессии»
- 32. Коэффициенты (индексы) корреляции (детерминации) В парной линейной регрессии показатели тесноты связи называются коэффициентами корреляции (детерминации), в
- 33. Коэффициенты (индексы) корреляции Формулы для расчета коэффициентов (индексов) корреляции, при наличии двух факторов имеют вид:
- 34. Первая формула (первый фактор)
- 35. Вторая формула (второй фактор)
- 36. Третья формула (два фактора)
- 37. Совокупный коэффициент (индекс) множественной корреляции
- 38. Совокупный коэффициент (индекс) множественной корреляции
- 39. Интерпретация значений коэффициентов (индексов) корреляции 0,1- 0,3- слабая связь 0,3-0,5 – умеренная связь 0,5-0,7- заметная связь
- 40. Коэффициент (индекс) детерминации Коэффициент (индекс) детерминации определяется возведением в квадрат коэффициента (индекса) корреляции.
- 41. Коэффициент эластичности Ввиду того, что величины абсолютных показателей силы связи определяются единицами измерения факторов, они не
- 42. Коэффициент эластичности Коэффициенты эластичности показывают, на сколько процентов в среднем изменится результат при изменении фактора на
- 43. Коэффициент эластичности
- 44. Стандартизированные коэффициенты регрессии Во множественной регрессии и корреляции относительным показателем силы связи также являются стандартизированные коэффициенты
- 45. Вопрос 4. «Оценка параметров модели множественной регрессии и корреляции»
- 46. Несмещенность, эффективность и состоятельность оценок параметров Параметры уравнения множественной регрессии являются выборочными оценками неизвестных параметров по
- 47. Несмещенность, эффективность и состоятельность оценок параметров Оценка параметра является несмещенной, если ее математическое ожидание равно оцениваемому
- 48. Несмещенность, эффективность и состоятельность оценок параметров Оценка параметра является эффективной, если она имеет наименьшую дисперсию среди
- 49. Несмещенность, эффективность и состоятельность оценок параметров Оценка параметра является состоятельной, если с увеличением числа наблюдений оценка
- 50. Метод наименьших квадратов Наиболее простым методом оценки параметров уравнения множественной регрессии является метод наименьших квадратов Он
- 51. Метод максимального правдоподобия Если значения факторов и результативного признака не удовлетворяют перечисленным предпосылкам, то для нахождения
- 53. Скачать презентацию