Линейный коэффициент корреляции изменяется в пределах от -1 до +1. Знаки коэффициентов регрессии и корреляции совпадают. При этом интерпретацию значений коэффициента корреляции можно представить следующим образом. [c.123]
ПАРНАЯ РЕГРЕССИЯ И КОРРЕЛЯЦИЯ [c.5]
Оценить статистическую значимость параметров регрессии и корреляции. [c.16]
МНОЖЕСТВЕННАЯ РЕГРЕССИЯ И КОРРЕЛЯЦИЯ [c.49]
Как уже отмечалось, в эконометрике широко используются методы статистики. Ставя цель дать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции. [c.34]
Методам простой или парной регрессии и корреляции, возможностям их применения в эконометрике посвящена данная глава. [c.34]
ЛИНЕЙНАЯ РЕГРЕССИЯ И КОРРЕЛЯЦИЯ СМЫСЛ И ОЦЕНКА ПАРАМЕТРОВ [c.41]
ОЦЕНКА СУЩЕСТВЕННОСТИ ПАРАМЕТРОВ ЛИНЕЙНОЙ РЕГРЕССИИ И КОРРЕЛЯЦИИ [c.48]
В парной зависимости стандартизованный коэффициент регрессии есть не что иное, как линейный коэффициент корреляции fa Подобно тому, как в парной зависимости коэффициенты регрессии и корреляции связаны между собой, так и во множественной регрессии коэффициенты чистой регрессии й, связаны со стандартизованными коэффициентами регрессии / ,-, а именно [c.107]
Статистические проверки параметров регрессии, показателей корреляции основаны на непроверяемых предпосылках распределения случайной составляющей б,. Они носят лишь предварительный характер. После построения уравнения регрессии проводится проверка наличия у оценок б, (случайных остатков) тех свойств, которые предполагались. Связано это с тем, что оценки параметров регрессии должны отвечать определенным критериям. Они должны быть несмещенными, состоятельными и эффективными. Эти свойства оценок, полученных по МНК, имеют чрезвычайно важное практическое значение в использовании результатов регрессии и корреляции. [c.155]
При применении метода исключения переменных уравнение рефессии желательно представить сразу в полной квадратичной или кубичной форме с предварительным вычислением коэффициентов регрессии и корреляции и проверкой линейности модели по / -критерию. Исключение начинают с фактора, имеющего наименьший t-критерий. На каждом этапе после исключения каждого фактора для нового уравнения регрессии вычисляется множественный коэффициент корреляции, остаточная дисперсия и F-критерий. Для прекращения исключения факторов следует следить за изменением остаточной дисперсии. Как только она начнет увеличиваться — исключение факторов следует прекратить. Используется также метод контроля значений /-критерия. Для исключения следующего фактора мы сравниваем его значение ( ) с /-критерием предыдущего исключенного фактора и, если они отличаются незначительно, то фактор исключается. Если же различия /-критериев значительны, то исключение факторов прекращают. [c.121]
Анализ информации (данных). Начинается с преобразования исходных данных (введение в компьютер, проверка на наличие ошибок, кодирование, представление в матричной форме). Это позволяет перевести массу необработанных данных в осмысленную информацию. Далее проводится статистический анализ (рассчитываются средние величины, частоты, коэффициенты регрессии и корреляции, осуществляется анализ трендов и т.д.). [c.68]
Наконец, необходимо отметить еще две особенности задач социально-экономического анализа, значительно сужающие сферу применения методов теории регрессии и корреляции в их современном виде. [c.6]
Таким образом, парная регрессия и парная корреляция по существу являются логическим развитием методов парной группировки. Показатели парной регрессии и корреляции дают возможность количественно измерить степень взаимосвязи между признаками. Этой возможностью парная группировка не располагает. [c.89]
Первый представляет собой математические модели для отыскания средних зависимостей между двумя или более параметрами. При этом применяют соответственно уравнения простой либо множественной регрессии. Регрессионные связи между параметрами во времени могут быть положительными или отрицательными. Первые характеризуются возрастанием анализируемых параметров во времени (например, растут затраты и объем производства), а вторые — уменьшением одного параметра при возрастании другого (например, при повышении концентрации, основного вещества в сырье удельный его расход на единицу продукции снижается). С помощью уравнений регрессии и корреляции выявляют эмпирические зависимости между различными параметрами. Затем такие зависимости исследуют с помощью специальных точных наук. Выявленные при ФСА закономерности в связях между параметрами используют посредством их экстраполяции (т. е. распространения) на условия и среды планируемого периода. [c.173]
Вексель В. В. Интегральная регрессия и корреляция Статистическое моделирование рядов динамики. — М. Финансы и статистика, 1983. — 223 с. [c.196]
В зависимости от формы связи случайных величин различают линейную и нелинейную регрессию и корреляцию. От того, сколько входных переменных (одна или более) используется для оценки выходной переменной, различают соответственно парную и множественную регрессию и корреляцию. [c.250]
Исследование мотивов Исследование операций Многофакторная регрессия и корреляция Экспериментальные исследования Инструменты записи изменений [c.111]
Нелинейная регрессия и корреляция [c.375]
Глава 16 Нелинейная регрессия и корреляция [c.376]
Глава 16 Нелинейная регрессия и корреляция Результаты вычислении приведены в таблице [c.382]
Для оценки статистической значимости коэффициентов регрессии и корреляции рассчитываются t-критерий Стъюдента и доверительные интервалы каждого из показателей. Выдвигается гипотеза Но о случайной природе показателей, т.е. о незначимом их отличии от нуля. Оценка значимости коэффициентов регрессии и корреляции с помощью f-критерия Стьюдента проводится путем сопоставления их значений с величиной случайной ошибки [c.8]
Таким образом, проверка гипотез о значимости кбэффйциен-тов регрессии и корреляции равносильна Проверке гийотезьго существенности линейного уравнения регрессии. [c.55]
В предыдущих разделах мы останавливались на формальных проверках статистической достоверности коэффициентов регрессии и корреляции с помощью /-критерия Стьюдента, F-крте-рия Фишера и Z-преобразования (для коэффициентов корреляции). При использовании этих критериев делаются предположения относительно поведения остатков е,- — остатки представляют собой независимые случайные величины и их среднее значение равно 0 они имеют одинаковую (постоянную) дисперсию и подчиняются нормальному распределению. [c.155]
Смотреть страницы где упоминается термин Регрессия и корреляция
: [c.90] [c.4] [c.171] [c.184] [c.387]Смотреть главы в:
Организация и планирование кислородного производства -> Регрессия и корреляция