Презентация Множественный регрессионный анализ часть значения у, которая объяснена уравнением регрессии с несколькими факторами онлайн
На нашем сайте вы можете скачать и просмотреть онлайн доклад-презентацию на тему Множественный регрессионный анализ часть значения у, которая объяснена уравнением регрессии с несколькими факторами абсолютно бесплатно. Урок-презентация на эту тему содержит всего 17 слайдов. Все материалы созданы в программе PowerPoint и имеют формат ppt или же pptx. Материалы и темы для презентаций взяты из открытых источников и загружены их авторами, за качество и достоверность информации в них администрация сайта не отвечает, все права принадлежат их создателям. Если вы нашли то, что искали, отблагодарите авторов - поделитесь ссылкой в социальных сетях, а наш сайт добавьте в закладки.
Оцените презентацию от 1 до 5 баллов!
- Тип файла:ppt / pptx (powerpoint)
- Всего слайдов:17 слайдов
- Для класса:1,2,3,4,5,6,7,8,9,10,11
- Размер файла:153.00 kB
- Просмотров:50
- Скачиваний:0
- Автор:неизвестен
Слайды и текст к этой презентации:
№1 слайд
Содержание слайда: Множественный регрессионный анализ
часть значения у, которая объяснена уравнением регрессии с несколькими факторами
№2 слайд
Содержание слайда: Построение уравнения регрессии
1. Постановка задачи
№3 слайд
Содержание слайда: 2. Спецификация модели
№4 слайд
Содержание слайда: Парная коллинеарность и мультиколлинеарность
Две переменные считаются явно коллинеарными, т.е. находятся между собой в линейной зависимости, если коэффициент интеркорреляции (корреляции между двумя объясняющими переменными) ≥ 0,7.
Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из уравнения.
Мультиколлинеарность – линейная зависимость между более чем двумя переменными, т.е. совокупное воздействие факторов друг на друга.
№5 слайд
Содержание слайда: Включение в модель мультиколлинеарных факторов нежелательно
по следующим причинам:
затрудняется интерпретация параметров множественной регрессии; параметры линейной регрессии теряют экономический смысл;
оценки параметров не надежны, имеют большие стандартные ошибки и меняются с изменением количества наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.
№6 слайд
Содержание слайда: Оценка мультиколлинеарности
Для оценки мультиколлинеарности используется определитель матрицы парных коэффициентов интеркорреляции:
(!) Если факторы не коррелируют между собой, то матрица коэффициентов интеркорреляции является единичной, поскольку в этом случае все недиагональные элементы равны 0.
Например, для уравнения с тремя переменными
№7 слайд
Содержание слайда: (!) Если между факторами существует полная линейная зависимость и все коэффициенты корреляции равны 1, то определитель такой матрицы равен 0.
Чем ближе к 0 определитель матрицы коэффициентов интеркорреляции, тем сильнее мультиколлинеарность и ненадежнее результаты множественной регрессии.
Чем ближе к 1 определитель матрицы коэффициентов интеркорреляции, тем меньше мультиколлинеарность факторов.
№8 слайд
Содержание слайда: Способы преодоления мультиколлинеарности факторов:
исключение из модели одного или нескольких факторов;
переход к совмещенным уравнениям регрессии, т.е. к уравнениям, которые отражают не только влияние факторов, но и их взаимодействие. Например,
если , то можно построить следующее совмещенное уравнение:
переход к уравнениям приведенной формы (в уравнение регрессии подставляется рассматриваемый фактор, выраженный из другого уравнения).
№9 слайд
Содержание слайда: 2. Спецификация модели
2.2. Выбор формы уравнения регрессии
Линейная регрессия
Линеаризуемые регрессии
Степенная регрессия
Экспоненциальная регрессия
Гиперболическая регрессия
№10 слайд
Содержание слайда: Например, зависимость спроса на товар (Qd) от цены (P) и дохода (I) характеризуется следующим уравнением:
Qd = 2,5 - 0,12P + 0,23 I.
Коэффициенты данного уравнения говорят о том, что при увеличении цены на единицу, спрос уменьшится в среднем на 0,12 единиц, а при увеличении дохода на единицу, спрос возрастет в среднем 0,23 единицы.
Например, зависимость выпуска продукции Y от затрат капитала K и труда L:
говорит о том, что увеличение затрат капитала K на 1% при неизменных затратах труда вызывает увеличение выпуска продукции Y на 0,23%. Увеличение затрат труда L на 1% при неизменных затратах капитала K вызывает увеличение выпуска продукции Y на 0,81%.
№11 слайд
Содержание слайда: 3. Оценка параметров модели
3.1. МНК
№12 слайд
Содержание слайда: Решение системы уравнений с помощью метода определителей:
№13 слайд
Содержание слайда: 3. Оценка параметров модели
3.2. Метод оценки параметров через стандартизованные коэффициенты β
Уравнение регрессии в стандартизованном (нормированном) масштабе:
где , - стандартизованные
переменные
β - стандартизованные коэффициенты регрессии.
β-коэффициенты показывают, на сколько сигм (средних квадратических отклонений) изменится в среднем результат за счет изменения соответствующего фактора xi на одну сигму при неизменном среднем уровне других факторов.
№14 слайд
Содержание слайда: Взаимосвязь bi и β
Связь коэффициентов «чистой» регрессии bi с коэффициентами βi описывается соотношением:
№15 слайд
Содержание слайда: 4. Проверка качества уравнения регрессии
Н0: уравнение статистически не значимо
№16 слайд
Содержание слайда: F-критерий Фишера:
№17 слайд
Содержание слайда: Частный F-критерий:
- оценивает статистическую значимость присутствия каждого из факторов в уравнении.
Скачать все slide презентации Множественный регрессионный анализ часть значения у, которая объяснена уравнением регрессии с несколькими факторами одним архивом:
