Совместно зависимые переменные 400 [c.488]
Регрессионный анализ - это статистическая процедура для математической усредненной оценки функциональной зависимости между зависимой переменной и независимой переменной (независимыми переменными). Простая регрессия рассматривает одну независимую переменную цену или затраты на рекламу в функции спроса, а множественная регрессия рассматривает две или большее количество переменных, например, цену и затраты на рекламу совместно. В этой главе обсуждается простая (линейная) регрессия, например, Y = а + ЬХ и показывается, как метод наименьших квадратов применяется для расчета коэффициентов регрессии. [c.257]
Поэтому для отбора наиболее важных параметров в начале рассматривается влияние всех отобранных параметров-аргументов, затем постепенно отбрасываются параметры, -несущественно влияющие на зависимый показатель, пока не останутся такие, которые при выбранной форме связи оказывают наиболее существенное совместное влияние на зависимую переменную. Более просто эта проблема решается путем проверки коэффициентов частной корреляции (см. ниже). [c.30]
Пусть, например, рассматривается двухфакторная регрессия вида ух = а + Ьх х, + Ь2 х2, для которой факторы х и х2 обнаруживают высокую корреляцию. Если исключить один из факторов, то мы придем к уравнению парной регрессии. Вместе с тем можно оставить факторы в модели, но исследовать данное двух-факторное уравнение регрессии совместно с другим уравнением, в котором фактор (например, х2) рассматривается как зависимая переменная. Предположим, известно, что х2= А + В у + С х3. Подставляя это уравнение в искомое вместо х2, получим [c.99]
Соответственно для определения цеховой удельной фондоемкости единицы работ РМУ в экономико-математическую модель включены 7 производственных факторов-аргументов х2 х3 Хб Kg, хю Хп Х 2 для инструментального хозяйства 6 х2 х3 х4 х9 хю х 2 и энергетического хозяйства три фактора-аргумента х2 х3 хю Измерение совместного влияния производственных факторов цеховой удельной фондоемкости, осуществляется на основе моделей множественной корреляции, где зависимая переменная у рассматривается как функция от п независимых переменных х , т.е. у = f( , х2... х ). [c.524]
Особенности научного понимания причинно-следственной связи означают, что невозможно доказать, что событие X послужило причиной наступления события 7. В лучшем случае утверждать, что событие одной из причин наступления события Y, т.е. наступление Делает более вероятным наступление . Три условия должны выполняться для того, чтобы можно было говорить о наличии каузальной, или причинно-следственной связи сопутствующая вариация, что означает совместное взаимосвязанное и прогнозируемое наступление событий Хи определенный временной порядок наступления событий, что означает, что X должно предшествовать во времени. исключение других возможных т.е. отсутствие других наступления Y. Эксперимент обеспечивает наиболее надежное соблюдение всех трех условий и имеет место в том случае, если исследователь может изменить одну или несколько независимых переменных, измеряя при этом эффект, оказываемый этими на зависимые переменные. [c.308]
Кросс-табуляция представляет собой процедуру создания таблиц признаков, которые отражают совместное распределение значений двух или больше переменных. В проценты вычисляем по колонкам (к итоговой колонке) или по рядам (к итоговому ряду). Общее правило — вычисление процентов в направлении переменной через зависимую переменную. [c.598]
В совместном анализе зависимая переменная обычно представляет собой предпочтение или намерение совершить покупку. Другими словами, респонденты предоставляют рейтинги или [c.796]
Известны два индексных метода рассмотрения взаимосвязи функции и переменных метод обособленного изучения и метод цепных подстановок. По первому методу изучается поведение функции производительности труда по сравнению с базисным ее значением в зависимости от изменения только одного фактора, уровни остальных факторов остаются неизменными. По методу цепных подстановок принимается, что факторы действуют на изучаемую функцию в определенной последовательности. Например, влияние на производительность труда второго фактора определяется совместно с эффектом изменения первого фактора, влияние третьего — совместно с первыми двумя и т. д. [c.198]
Система взаимозависимых уравнений получила название системы совместных, одновременных уравнений. Тем самым подчеркивается, что в системе одни и те же переменные (у) одновременно рассматриваются как зависимые в одних уравнениях и как независимые в других. В эконометрике эта система уравнений называется также структурной формой модели. В отличие от предыдущих систем каждое уравнение системы одновременных уравнений не может рассматриваться самостоятельно, и для нахождения его параметров традиционный МНК неприменим. С этой целью используются специальные приемы оценивания. [c.180]
Тот факт, что две переменные взаимосвязаны, т. е. совместно изменяются в одном или в противоположных направлениях, еще не является достаточным основанием для вывода о существовании между ними причинной зависимости. Однако отсутствие таких взаимосвязанных изменений дает основание для вывода об отсутствии причинной зависимости, но только при условиях, в которых ведется наблюдение. Вследствие этого наличие связи между переменными может быть использовано для выбора тех из них, которые необходимо изучать для выявления причинных зависимостей. Кроме того, наличие связи между переменными позволяет использовать одну из них только для прогнозирования, но не для объяснения другой. [c.126]
Основное назначение машины — исследование различных систем методом электрического моделирования (в частности, исследования в натуральном масштабе времени совместно с реальными приборами автоматического регулирования). На ней можно решать дифференциальные уравнения, содержащие до шести нелинейных зависимостей функции от одной переменной или перемножения двух переменных (при любом сочетании этих зависимостей по количеству в пределах шеста). [c.125]
Выше, в гл. 2, мы обсуждали корреляцию как меру линейной зависимости между парами переменных. Теперь, когда мы уже ввели понятие стационарности, ясно, что для того, чтобы коэффициент корреляции являлся статистически значимым показателем связи между двумя временными рядами, необходимо выполнение условия их стационарности. Мы говорим, что два временных ряда должны быть совместно ковариационно стационарными. Отдельная переменная является ковариационно стационарными, если и E(Xt) и or2 (Xt) — конечные константы для всех значений /, коэффициент корреляции между Xt и Х,. является гем же самым для всех t, и, таким образом, ковариация двух наблюдений X зависит только от времени между наблюдениями. Чтобы две переменные были совместно ковариационно стационарными, индивидуальные ряды должны быть ковариационно устойчивыми, а ковариация Xt и Yt должна быть неизменной при всех значениях /, т.е. чтобы ov , Yt) не зависела от /. [c.336]
Некоторые графики эмпирических зависимостей не предназначены для иллюстрации изменений во времени, поэтому они не содержат переменной время . Например, чтобы показать, что ВНП и расходы на оборону растут в общем одновременно, можно начертить график, каждая точка которого будет соответствовать значениям ВНП и расходам на оборону (скажем, в миллионах долларов) в конкретном году. Гл. 2 дает примеры графиков такого рода. На всех графиках эмпирических зависимостей каждая точка показывает значения переменных, наблюдаемых совместно. [c.15]
Кросс-табуляция представляет собой процесс объединения распределений частот значений двух или больше переменных в одну таблицу. Она объясняет, как одна переменная, например лояльность торговой марке, связана с другой переменной, такой как пол. В таблицах сопряженности признаков показывается совместное распределение значений двух или больше переменных, ограниченным числом категорий или принимающих определенные значения. Категории одной переменной помешают в таблицу так, чтобы они размещались в ней (сопрягались) в соответствии с категориями другой или другими несколькими переменными. Таким образом, распределение частот одной переменной подразделяется на группы в зависимости от категорий других переменных. [c.569]
Во-первых, отметим, что величина частного коэффициента регрессии независимой переменной, в основном, отличается от коэффициента двумерной регрессии той же переменной. Другими словами, частный коэффициент регрессии отличается от коэффициента регрессии полученного при установлении зависимости от переменной Это происходит потому, что и обычно В парной регрессии не принимают во внимание, и любое изменение вариации в Y, за которую совместно отвечают и относят на счет Однако в случае нескольких независимых переменных это несправедливо. [c.661]
Обычно функциональные зависимости фактов представляются графически в виде деревьев целей или графов "И"-"ИЛИ" (рис. 2.2), в которых каждый зависимый факт представляет собой целевую переменную - корневую вершину, а определяющие его факты-аргументы - связанные с корнем подчиненные вершины, условие конъюнкции (совместности анализа факторов) обозначается пересекающей дугой, а условие дизъюнкции (независимости влияния на цель факторов) никак не обозначается, причем если какой-либо факт-аргумент, в свою очередь, определяется другими фактами-аргументами, то он становится подцелью. [c.52]
Если есть только одна зависимая переменная, используются такие методы как дисперсионный и ковариационный анализ, регрессионный анализ, дискриминантный анализ и совместный анализ. Однако, если имеется больше одной зависимой переменной, следует воспользоваться многомерными методами анализа дисперсионным и ковариационным, методом канонической корреляции и множественным дис-криминантным анализом. При применении методов взаимозависимости (interdependent te hniques) переменные не подразделяются на зависимые и независимые напротив, исследуется весь набор взаимозависимых взаимосвязей. [c.541]
Совместный анализ основан на положении, что относительную важность, которую придают потребители ясно выраженным характеристикам, а также полезности, которые они связывают с уровнями характеристик, можно определить из оценок потребителями профилей торговых марок, с использованием этих характеристик и их уровней. Обычно для конструирования объектов применяют полнопрофильный и попарный методы, данные бывают неметрическими (ранги) или метрическими (рейтинги). Обычно зависимая переменная представляет собой или намерение совершить покупку. [c.809]
Хсийя (Hsieh) подчеркивал, что свидетельства, представленные в главе 2, подтверждают отсутствие корреляции между изменениями цены и высоким постоянством волатильности (то есть амплитудой изменений цены), когда их совместно анализируют. Это не может быть объяснено никакой линейной моделью [201, 202]. Напомним, что линейная модель описывает зависимость, в которой следствие или результат пропорционален причине, его вызвавшей. Нелинейность является обобщением линейной зависимости, описывая такой тип зависимости между причиной и результатом, который существенно более сложен. Нелинейность - это ингредиент хаоса, понятия теории сложных систем, которая интенсивно развивалась в течение нескольких последних десятилетий как возможное описание сложности мира. Теория хаоса, в настоящий момент, широко популяризирована и некоторые исследователи даже отстаивали точку зрения, что он является полезным описанием для фондовых рынков. Это, однако, остается лишь сильным упрощением, поскольку теория хаоса основывается на предположении, что только несколько основных переменных взаимодействуют нелинейно и создают сложные траектории. В действительности фондовому рынку нужно много переменных, чтобы обрести достаточно точное описание. На техническом жаргоне фондовый рынок имеет много степеней свободы, в то время как теория хаоса требует только нескольких.2 Существование множества степеней свободы является важным [c.167]
Анализ маргинального влияния переменных имеет смысл только тогда, когда коэффициент решаемости DE ISIVN велик, а фактическая ошибка классификации ABSERR (равная разности номеров действительного и спрогнозированного классов) мала. Иначе говоря, если классификация оказалась успешной, можно ожидать сильную обратную зависимость между решающей способностью и ошибкой классификации. На рис. 6.4 показано совместное распределение решающей способности (упорядочена по убыванию) и абсолютной ошибки. Хорошо видно, что число случаев неправильной классификации и величина ошибки растут с убыванием решающей способности — что и следовало ожидать. [c.151]
Множественная линейная корреляционная зависимость Рассмотрим отбор факторов для построения множественной линей ной зависимости, когда переменные у, г т, ., х являются случайны ми величинами (обычно предно тглется, что их совместное распреде ление нормальное). [c.387]
Если снова процитировать Патинкина (Patmkm, 1969), то вслед за заявлением Минтса о долговременной зависимости цен говорилось Но в кратковременном плане все переменные обнаруживают тенденцию к совместным изменениям [c.226]