При использовании логарифмически-линейной регрессии возникают аналогичные проблемы, поскольку прибыль на акцию должна быть больше нуля, чтобы стало возможным логарифмическое преобразование. Попытаться получить значимые оценки роста для фирм с отрицательными доходами можно, по меньшей мере, двумя способами. Во-первых, можно вывести линейную регрессию EPS относительно времени, определенного в предыдущей регрессии [c.361]
Модели линейной и логарифмически-линейной регрессии для оценки роста 359-361 Модели риска дефолта 105-110 Модели рыночного риска 102, ПО Модель арбитражной оценки (АРМ) 96, 977-979 Модель диффузных скачков 140 Модель свободных денежных потоков на собственный капитал 465-504 [c.1302]
При этом просматриваются регрессии на линейных областях двойных логарифмических кривых. Фрактальная размерность должна в конце концов сходиться к своей истинной величине, по мере того как будет увеличиваться размерность вложения. [c.198]
Оцените параметры уравнений линейной, степенной, обратной, экспоненциальной, логарифмической, парной регрессии. [c.8]
В рамках множественной корреляции находятся уравнение регрессии, которые бывают линейными, степенными и логарифмическими. В линейных моделях коэффициенты при неизвестных называются коэффициентами регрессии, а в степенных и логарифмических - коэффициентами эластичности. Первые показывают, насколько единиц изменяется функция с изменением соответствующего фактора на одну единицу при неизменных значениях остальных. Вторые - отражают, на сколько процентов изменяется функция с изменением каждого аргумента на 1 % при неизменных значениях остальных. [c.15]
Однофакторный регрессионный анализ предназначен для прогнозирования динамики показателей, заданных в виде динамических рядов по выбранному виду регрессии (основная и остаточная регрессия при наличии линейной, показательной, гиперболической, степенной, параболической или линейно-логарифмической корреляции). [c.60]
Наконец, можно вывести регрессию In (EPS) относительно временной переменной Логарифмически-линейная регрессия In (EPS) = -1,1288 + 0,1335t R2 = 95,8%. [c.361]
Для размерности т мы можем вычислять Ст при увеличении Л. Находя наклон прямой на графике линейной регрессии в двойных логарифмических координатах log( m), log(.R), мЬ1 можем оценить корреляционную размерность D для размерности вложения т. При увеличении ш, размерность D будет в конце концов сходиться к своей истинной величине. По причинам, установленным выше, тот же результат имеет место, если размерность вложения становится больше, чем фрактальная размерность. Обычно сходимость наблюдается, когда размерность вложения на три или более целых чисел выше фрактальной размерности. Фрактал, вложенный в более высокую размерность, сохраняет свою истинную размерность по причине корреляций между точками. Таким образом, корреляционная размерность Грассбергера и Прокаччи является хорошей оценкой для фрактальной размерности. Эти две размерности, как показали названные авторы, прямо соотносятся друг с другом. [c.184]
Файл ORRDIM.TXT должен быть переведен в электронную таблицу. Двойная логарифмическая кривая выходного файла даст график, подобный графику рис. 12.2 для аттрактора Хенона. Линейная регрессия применяется к линейному участку этой двойной логарифмической кривой. Ее наклон есть оценка корреляционной размерности. Для аттрактора Хенона размерность вложения известна, поэтому требуется только один ряд в этой размерности. Однако для экспериментальных данных, подобных рыночному временному ряду, размерность вложения нам не известна. Следовательно, мы должны запускать программу неоднократно, увеличивая величины DIMEN до тех пор, пока регрессия не сойдется к единственной величине, как это описано в гл. 13. Эта конвергенция должна произойти до того, как размерность станет слишком большой. В противном случае можно заключить, что данные слишком разрежены для того, чтобы в линейной области подходила двойная логарифмическая кривая. Если налицо такой случай, значит требуется больше данных для оценки размерности, как об этом было сказано в гл. 12 и 13. [c.277]
Многофакторный регрессионный анализ предназначен для прогнозирования динамики показателей, заданных в виде динамических рядов по выбранному виду регрессии при наличии линейной, степенной или линейно-логарифмической корреляции15. [c.60]