Студопедия
Контакти
 


Тлумачний словник

Реклама: Настойка восковой моли




Авто | Автоматизація | Архітектура | Астрономія | Аудит | Біологія | Будівництво | Бухгалтерія | Винахідництво | Виробництво | Військова справа | Генетика | Географія | Геологія | Господарство | Держава | Дім | Екологія | Економетрика | Економіка | Електроніка | Журналістика та ЗМІ | Зв'язок | Іноземні мови | Інформатика | Історія | Комп'ютери | Креслення | Кулінарія | Культура | Лексикологія | Література | Логіка | Маркетинг | Математика | Машинобудування | Медицина | Менеджмент | Метали і Зварювання | Механіка | Мистецтво | Музика | Населення | Освіта | Охорона безпеки життя | Охорона Праці | Педагогіка | Політика | Право | Програмування | Промисловість | Психологія | Радіо | Регилия | Соціологія | Спорт | Стандартизація | Технології | Торгівля | Туризм | Фізика | Фізіологія | Філософія | Фінанси | Хімія | Юриспунденкция

Вибіркову (емпіричну)модель парної лінійної регресії

Загрузка...

Теоретичну (“канонічну”) модель парної лінійної регресії

; (2.5)

; (2.6)

· вибіркову функціюпарної лінійної регресії

. (2.7)

Рівняння (2.7) представляє собою параметричне рівняння прямої, тому на площині x0y вибірковій функції парної лінійної регресії відповідає вибіркова (емпірична ) пряма регресії. Графічно вибіркова функція регресії і пряма регресії для деякої вибірки представлені на рис. 2.1.

ei
yi
a
b0
y
xn
x1
x
xi

   
x y
x1 y1
x2 y2
xi yi
xn yn

 

Рис. 2.1 - Парна лінійна регресія

Параметри моделі парної лінійної регресії мають спеціальну назву. Параметр b0 називається перетином, а b1нахилом. Математична інтерпретація цих параметрів зрозуміла з наведеного рисунку.

Для побудови загальної лінійної моделі використовують статистичну інформацію щодо діяльності підприємства і здійснюють такі етапи: математико-статистичний аналіз, побудову лінійної регресійної моделі, перевірку побудованої моделі на адекватність, аналіз отриманих результатів.

На етапі математико-статистичного аналізу проводять перевірку основних припущень класичного регресійного аналізу, крім того, здійснють найважливішу процедуру багатофакторного аналізу – перевірку факторів на мультиколінеарність. Термін “мультиколінеарність” означає, що в багатофакторній регресійній моделі дві або більше незалежних змінних (факторів) пов’язані між собою лінійною залежністю або, іншими словами, мають високий ступінь кореляції (rxixj ® 1, i ¹ j).

Для здійснення математико-статистичного аналізу будують матрицю коефіцієнтів парної кореляції. Потім аналізують коефіцієнти парної кореляції між факторами. Результатом етапу математико-статистичного аналізу є знаходження множини основних незалежних між собою факторів, що є базою для побудови регресійної моделі.



Интернет реклама УБС

На другому етапі для побудови лінійної моделі широке використання отримали «покроковий» метод і метод “виключень”. Сутність «покрокового» методу полягає в тому, що фактори по черзі включаються в модель доти, доки вона не стане задовільною. Порядок включення вибирають за допомогою коефіцієнта кореляції як міри важливості факторів (незалежних змінних), які ще не включені в модель. Цей метод передбачає розрахунок часткових F-критеріїв для факторів, що здійснювали значний вплив на результативний показник. Далі визначають показники, які здійснювали найбільший вплив на результативний показник і значення часткових F-критеріїв перевищують нормативні значення.

Метод “виключень” полягає в тому, що вибирається низка факторів, які ймовірно можуть впливати на результативний показник. Потім, почерзі виключаються ті фактори, в яких найменший коефіцієнт кореляції (згідно з матрицею статистики), а значення часткових F-критеріїв не перевищують нормативні значення. Таким чином, залишаться лише ті змінні, які відповідають розглянутим вище умовам.

На наступному етапі аналізу перевіряється адекватність моделі з використанням F-критерію Фішера і t-критерію Стьюдента. Статистична оцінка надійності коефіцієнта регресії здійснюється за допомогою t-критерію Стьюдента. Він застосовується для оцінки тісноти зв'язку між незалежною змінною x і залежною у. При використанні цього критерію формулюється нульова гіпотеза. Потім отримане значення t-розподілу Стьюдента порівнюється з критичним. Якщо фактичне значення t-розподілу Стьюдента перевищує критичне, то спростовується нульова гіпотеза й зв'язок між змінними х і у вважається щільним. Якщо ні, то приймається нульова гіпотеза, а фактори моделі вважаються статистично неадекватними і виключаються з моделі при встановленому рівні значущості в 5% і 1%.

F-тест використовується для оцінки того, чи важливе пояснення, яке дає рівняння в цілому. Якщо фактичне значення F-критерію вище нормативного, то модель адекватна, а її фактори залишаються у рівнянні.

Для перевірки адекватності економетричної моделі використовується тест Дарбіна-Уотсона, який спрямований для перевірки кореляції між залишками використовується. Він включає такі етапи:

1. Розраховуються d-статистики для аналізованої вибірки даних. Як відомо з теорії, значення d-статистики лежать у межах від 0 до 4.

2. Порівнюються отримані d-статистики з табличними d-статистиками при рівні значущості a = 0,05, кількості факторів k, що присутні в моделі, і кількості спостережень n. Якщо розраховане значення d-статистики знаходиться в проміжку від 0 до dL (0< d < dL), то це свідчить про наявність позитивної автокореляції. Якщо значення d потрапляє в зону невизначеності, тобто набуває значення dL £ d £ dU, або 4 - dU £ d £ 4 - dL, то ми можемо зробити висновки ні про наявність, ні про відсутність автокореляції. Якщо 4 - dL < d < 4, то маємо негативну автокореляцію. Нарешті, якщо dU < d < 4 - dU, то автокореляції немає.

Для оцінки адекватності моделі важливе значення має перевірка її на гомо або гетероскедастичність. Суть цього явища полягає в тому, що варіація кожної eі навколо її математичного сподівання не залежить від значення х. Дисперсія кожної eі зберігається сталою незалежно від малих чи великих значень факторів: se2 не є функцією хij, тобто se2 ¹ f (x1i, x2i,…, xpi).

Якщо se2 не є сталою, а її значення залежать від значень х, можемо записати se2 = f (x1i, x2i,…, xpi). У цьому разі маємо справу з гетероскедастичністю. Оцінка моделі на наявність гетероскедастичності полягає в тому, що на першому етапі здійснюється тестування моделі на наявність гетероскедастичності. І якщо підтверджується гіпотеза про її наявність, то на другому етапі модель виключається.

Тестування моделі на гетероскедастичність здійснюється на підставі тесту рангової кореляції Спірмена. Значущість отриманого коефіцієнта рангової кореляції Спірмена перевіряється за допомогою t-критерія Стьюдента при (n-2) кількості ступенів свободи.

Фактичне значення t-критерію Стьюдента зіставляється з tкр. Якщо tф > tкр, то підтверджується гіпотеза про наявність гетероскедастичності. А коли tф < tкр, то приймається гіпотеза про гомоскедастичність.

На етапі аналізу отриманих результатів здійснюється економічна інтерпретація отриманої економетричної моделі. На цьому етапі обгрунтовується економічна доцільність отриманих результатів.

 



Читайте також:

  1. Багатомірна лінійна модель регресії.
  2. Визначати ступінь відповідності обраної регресії відображуваним на діаграмі даним.
  3. Визначення коефіцієнтів рівнянь лінійної регресії для багатофакторної задачі
  4. Виконання лінійної регресії за допомогою функцій Excel
  5. Графоаналітична обробка даних при двох змінних факторах і лінійної залежності
  6. Імпульсна характеристика лінійної стаціонарної системи
  7. Коефіцієнт кореляції та рівняння регресії
  8. Методи і способи відбору одиниць у вибіркову сукупність
  9. Методи кореляції і регресії
  10. Модель парної лінійної регресії
  11. Оцінка достовірності рівняння регресії

Загрузка...



<== попередня сторінка | наступна сторінка ==>
Залежна змінна для такої моделі розглядається, як ендогенна змінна, а незалежні змінні – як екзогенні. | Тема 3. Мультиколінеарність та її вплив на оцінки параметрів моделі

Не знайшли потрібну інформацію? Скористайтесь пошуком google:


 

© studopedia.com.ua При використанні або копіюванні матеріалів пряме посилання на сайт обов'язкове.


Генерація сторінки за: 0.003 сек.