Чаще всего для прогнозов применяются многофакторные математические модели на основе корреляционно-регрессионного анализа-исследования взаимозависимости признаков в генеральной совокупности, являющихся случайными величинами, имеющими нормальное многомерное распределение, и статистических выводов относительно полученных уравнений и коэффициентов регрессии. [c.146]
Как и любое статистическое суждение, вывод о величине коэффициента ранговой корреляции необходимо дополнять значением вероятности того, что этот вывод неверен. Эту вероятность называют уровнем значимости, обозначая его греческой буквой а. Естественно стремление к тому, чтобы уровень значимости был приемлемо мал. [c.148]
Распределение выборочного коэффициента корреляции и проверка гипотезы о статистической значимости линейной связи. Какую величину выборочного коэффициента корреляции следует считать достаточной для статистически обоснованного вывода о наличии корреляционной связи между исследуемыми переменными Ведь надежность статистических [c.66]
Вывод о возможности и целесообразности использования показателей d . и, dn. т и ук. п при определении размера средств, отчисляемых предприятиям из единого фонда развития науки и техники на финансирование мероприятий научно-технического прогресса, получение положительных статистически значимых коэффициентов корреляции между величиной Ке. Ф и факторными признаками явились основанием для включения независимых переменных dH. и, dn. т, УК. п в уравнение регрессии, представленное выражением (3.7). [c.55]
Предположим, что имеется набор экспериментальных данных - значения x1,x2,...xN временного ряда в равноотстоящие моменты времени t1,t2...tN. С помощью специальных программ (см. выше) по этим данным можно вычислить приближение г к точному значению г коэффициента корреляции (это приближение называют оценкой). Назовем это значение г экспериментальным. Общая идея метода статистической проверки гипотез такова. Выдвигается некоторая гипотеза, в нашем случае это гипотеза о равенстве нулю коэффициенте корреляции. Далее, задается некоторый уровень вероятности а. Смысл этой величины заключается в том, что она является вероятностной мерой допустимой ошибки. А именно, мы допускаем, что сделанный нами вывод о справедливости или несправедливости гипотезы на основании заданного массива экспериментальных данных может оказаться ошибочным, ибо абсолютно точного вывода на основании лишь частичной информации ожидать, конечно, не стоит. Однако мы можем потребовать, чтобы вероятность этой ошибки не превосходилв некоторой заранее выбранной величины а (уровня вероятности). Обычно берут ее значение равным 0.05 (т.е. 5%) или 0.10, иногда берут и 0.01. Событие, вероятность которого меньше, чем а, считается настолько редким, что мы берем на себя смелость им пренебрегать. Для временных рядов разной природы эту величину выбирают по-разному. Если речь идет о ряде цен на акции какой-то небольшой фирмы, то риск ошибиться не несет катастрофических последствий (для независимых от этой фирмы участников торгов) и потому а можно взять не очень маленьким. Если же речь идет о крупной сделке, то последствия ошибки могут быть очень тяжелыми и значение а берут поменьше. [c.32]
При обычных предположениях о распределении возмущения и и о независимости между X и и в принципе не возникают новые проблемы, связанные с оцениванием этой модели. Если спецификация модели выбрана правильно, то метод наименьших квадратов обеспечивает получение лучших линейных несмещенных оценок. Однако некоторые трудности могут возникнуть при практической реализации этого метода. Прежде всего нельзя ожидать, что теория позволит нам сколько-нибудь точно определить длину максимального лага, который должен быть включен в уравнение. Поэтому остается попытаться определить этот лаг, выбрав вначале его достаточно большим и изучив впоследствии значимость коэффициентов при значениях X, отвечающих различным сдвигам во времени. Однако -такая попытка приводит к появлению двух существенных статистических трудностей. Одна трудность связана с тем, что при большой длине лага процедура оценивания проводится при сильно уменьшенном числе степеней свободы, а другая, типичная для подобных моделей, состоит в том, что из-за высокой корреляции между разными лаговыми значениями X падает точность оценок лаговых коэффициентов, что мешает сделать определенные выводы об их величине. [c.292]
Смотреть страницы где упоминается термин Статистические выводы о величине коэффициента
: [c.4] [c.7] [c.664] [c.292] [c.669]Смотреть главы в:
Статистика для трейдеров -> Статистические выводы о величине коэффициента