Что такое findslide.org?

FindSlide.org - это сайт презентаций, докладов, шаблонов в формате PowerPoint.


Для правообладателей

Обратная связь

Email: Нажмите что бы посмотреть 

Яндекс.Метрика

Презентация на тему Проверка качества уравнения регрессии

Содержание

Скорректированный (улучшенный) коэффициент множественной детерминации где n – число наблюдений, m – число параметров при переменных х. Чем больше величина m, тем больше различия между коэффициентом множественной детерминации и скорректированным коэффициентом.Чем больше объем совокупности,
Проверка качества уравнения регрессии Коэффициент множественной корреляции:			принимает значения в диапазоне 0 ≤ Скорректированный (улучшенный) коэффициент множественной детерминации где n – число наблюдений, Оценка значимости уравнения множественной регрессии (F-критерий): Н0: уравнение статистически не значимогде m Частный F-критерий: оценивает статистическую значимость присутствия каждого из факторов в уравнении t-критерий Стьюдента: 	где mbi – средняя квадратическая ошибка коэффициента регрессии bi, она Частная корреляция		Частные коэффициенты (или индексы) корреляции характеризуют тесноту связи между результатом и Частная корреляция первого порядка – когда фиксируется теснота связи двух переменных при Коэффициенты частной корреляции более высоких порядков можно найти через коэффициенты частной корреляции Предпосылки метода наименьших квадратов      Требования, предъявляемые к Предпосылки метода наименьших квадратов:случайный характер остатков;нулевая средняя величина остатков, не зависящая от 1. Случайный характер остатковЕсли на графике нет направленности в расположении точек, то Остатки не случайны:Остатки не имеют постоянной дисперсии: Остатки носят систематический характер: 2. Нулевая средняя величина остатков, не зависящая от х: 	Если расположение остатков 3. Гомоскедастичность		Гомоскедастичность – это однородность относительно дисперсии, т.е. дисперсия остатков одинакова для Методы проверки предпосылки МНК о гомоскедастичности остатков:Тест Гольдфельда-КвандтаТест ранговой корреляции СпирменаТест Глейзераи другие. 4. Отсутствие автокорреляции остатков		Под автокорреляцией остатков понимают зависимость распределения значений остатков друг Обобщенный метод наименьших квадратов (ОМНК)
Слайды презентации

Слайд 2 Скорректированный (улучшенный) коэффициент множественной детерминации
где n –

Скорректированный (улучшенный) коэффициент множественной детерминации где n – число наблюдений,

число наблюдений,
m – число параметров

при переменных х.

Чем больше величина m, тем больше различия между коэффициентом множественной детерминации и скорректированным коэффициентом.
Чем больше объем совокупности, по которой исчислена регрессия, тем меньше различия между данными коэффициентами.

Слайд 3 Оценка значимости уравнения множественной регрессии (F-критерий):
Н0: уравнение

Оценка значимости уравнения множественной регрессии (F-критерий): Н0: уравнение статистически не значимогде

статистически не значимо

где m – число независимых переменных в

уравнении регрессии;
n – число единиц совокупности.

Если Fфакт > Fтабл, то Н0 о случайной природе связи отклоняется и признается статистическая значимость и надежность уравнения.
Если Fфакт < Fтабл, то Н0 не отклоняется и признается статистическая незначимость уравнения регрессии.


Слайд 4 Частный F-критерий:
оценивает статистическую значимость присутствия каждого из

Частный F-критерий: оценивает статистическую значимость присутствия каждого из факторов в уравнении

факторов в уравнении
- коэффициент множественной детерминации для

модели с полным набором факторов;
- тот же показатель, но без включения в модель фактора х1;
n – число наблюдений;
m – число параметров при переменных х.



Слайд 5 t-критерий Стьюдента:
где mbi – средняя квадратическая ошибка

t-критерий Стьюдента: 	где mbi – средняя квадратическая ошибка коэффициента регрессии bi,

коэффициента регрессии bi, она может быть определена по формуле:
или



Слайд 6 Частная корреляция
Частные коэффициенты (или индексы) корреляции характеризуют тесноту

Частная корреляция		Частные коэффициенты (или индексы) корреляции характеризуют тесноту связи между результатом

связи между результатом и соответствующим фактором при устранении влияния

других факторов, включенных в модель:

При i=1 формула примет вид:


Слайд 7 Частная корреляция первого порядка – когда фиксируется теснота

Частная корреляция первого порядка – когда фиксируется теснота связи двух переменных

связи двух переменных при устранении влияния одного фактора:

(точка отделяет фактор, значение которого элиминируется (закрепляется на неизменном уровне)).

Частная корреляция второго и т.д. порядка – когда фиксируется теснота связи двух переменных при устранении влияния двух и более факторов, например:
- частная корреляция второго порядка при постоянном действии факторов х2 и х3;
- частная корреляция четвертого порядка при постоянном действии факторов х2, х3, х4, х5.

Слайд 8 Коэффициенты частной корреляции более высоких порядков можно найти

Коэффициенты частной корреляции более высоких порядков можно найти через коэффициенты частной

через коэффициенты частной корреляции более низких порядков по рекуррентной

формуле:

При i=1 и двух факторах формула примет вид:



При i=2 и двух факторах:


Слайд 9 Предпосылки метода наименьших квадратов

Предпосылки метода наименьших квадратов   Требования, предъявляемые к ε: Несмещенность

Требования, предъявляемые к ε:

Несмещенность – означает, что

математическое ожидание остатков равно нулю:
т.е. при большом числе наблюдений остатки не будут накапливаться и найденный параметр регрессии b можно рассматривать как среднее значение из возможного большого количества несмещенных оценок. Если оценки обладают свойством несмещенности, то их можно сравнивать по разным выборкам.

2.Эффективность – оценки считаются эффективными, если они характеризуются наименьшей дисперсией.

3.Состоятельность – характеризует увеличение точности оценок с увеличением объема выборки.



Слайд 10 Предпосылки метода наименьших квадратов:
случайный характер остатков;
нулевая средняя величина

Предпосылки метода наименьших квадратов:случайный характер остатков;нулевая средняя величина остатков, не зависящая

остатков, не зависящая от х;
гомоскедастичность;
отсутствие автокорреляции остатков;
нормальное распределение остатков.


Слайд 11 1. Случайный характер остатков
Если на графике нет направленности

1. Случайный характер остатковЕсли на графике нет направленности в расположении точек,

в расположении точек, то остатки представляют собой случайные величины

и МНК оправдан.

Слайд 12 Остатки не случайны:
Остатки не имеют постоянной дисперсии:
Остатки

Остатки не случайны:Остатки не имеют постоянной дисперсии: Остатки носят систематический характер:

носят систематический характер:


Слайд 13 2. Нулевая средняя величина остатков, не зависящая от

2. Нулевая средняя величина остатков, не зависящая от х: 	Если расположение

х:
Если расположение остатков на графике не имеет направленности,

то они независимы от значений х. Если же график показывает наличие зависимости, то модель неадекватна.

Слайд 14 3. Гомоскедастичность
Гомоскедастичность – это однородность относительно дисперсии, т.е.

3. Гомоскедастичность		Гомоскедастичность – это однородность относительно дисперсии, т.е. дисперсия остатков одинакова

дисперсия остатков одинакова для каждого значения х. Если это

условие применения МНК не соблюдается, то имеет место гетероскедастичность (неоднородность относительно дисперсии).

Дисперсия остатков растёет по мере увеличения х:

Дисперсия остатков достигает максимальной величины при средних значениях х

Максимальная дисперсия остатков при малых значениях х


Слайд 15 Методы проверки предпосылки МНК о гомоскедастичности остатков:
Тест Гольдфельда-Квандта
Тест

Методы проверки предпосылки МНК о гомоскедастичности остатков:Тест Гольдфельда-КвандтаТест ранговой корреляции СпирменаТест Глейзераи другие.

ранговой корреляции Спирмена
Тест Глейзера
и другие.



Слайд 16 4. Отсутствие автокорреляции остатков
Под автокорреляцией остатков понимают зависимость

4. Отсутствие автокорреляции остатков		Под автокорреляцией остатков понимают зависимость распределения значений остатков

распределения значений остатков друг от друга. Это означает наличие

корреляции между остатками текущих и предыдущих (последующих) наблюдений.




Если этот коэффициент окажется существенно отличным от нуля, то остатки автокоррелированны.

Слайд 17 Обобщенный метод наименьших квадратов (ОМНК)

Обобщенный метод наименьших квадратов (ОМНК)

  • Имя файла: proverka-kachestva-uravneniya-regressii.pptx
  • Количество просмотров: 127
  • Количество скачиваний: 0