Для получения уравнения регрессии достаточно предпосылок 1 — 4. Требование выполнения предпосылки 5 (т. е. рассмотрение нормальной регрессии ) необходимо для оценки точности уравнения регрессии и его параметров. [c.61]
Аналогично находим и другие нормальные уравнения. В результате получаем систему п+1 нормальных уравнений с л+1 неизвестными коэффициентами регрессии [c.199]
При использовании расчетно-статистического метода нормы расхода топлива устанавливают на основе анализа статистических данных фактических удельных расходов топлива, а также факторов, влияющих на изменение нормальных условий эксплуатации. В качестве математического аппарата используют модели множественной регрессии. [c.74]
Очень важными для понимания природы, содержания и особенностей Р.к.р. в РФ являются понятия прогресса, регресса, стагнации, кризиса и стабилизации кадровой работы. Рассмотрение этих понятий позволяет лучше попять причины нововведений в кадровой сфере, роль развития кадров в условиях любых соц.-экон. систем и структур (будь то кадры страны, региона, министерства, производственной, научной организации). Все эти системы и их кадры в разное время могут переживать различные состояния (от полного благополучия до кризиса), знание которых необходимо для принятия верных для каждого состояния решений, выработки соответствующей стратегии, тактики и методов развития и обновления персонала. Прогресс кадровой работы — это переход ее к более совершенным и эффективным формам, целям, структуре и методам на базе постоянного поиска, разработки и реализации кадровых нововведений. Регресс кадровой работы — это ее застой, снижение достигнутого ранее уровня, способности обеспечивать новые задачи деятельности, деградация кадров (переход классных специалистов в сферу более простых, но прибыльных видов труда), возврат к изжившим себя методам кадровой работы. Кризис кадровой работы — глубокое расстройство и дезориентация наиболее существенных ее целей, функций, структуры, форм и методов функционирования и развития, имеющее результатом утрату или угрозу утраты ключевых кадров. Стагнация кадровой работы — замедление ее функционирования и развития, не соответствующее целям и потребностям системы в данный период времени. Стабилизация кадровой работы — приведение кадров, целей, функций, структуры, форм и методов в постоянное устойчивое состояние, обеспечивающее нормальное функционирование и развитие организации. К числу основных закономерностей развития кадров, кадровой работы и кадровых нововведений можно отнести закономерности качественных и количественных изменений в кадрах в соответствии с развитием общих соц.-экон. и научно-технологических фак- [c.299]
Параметры уравнений регрессии находят решением системы нормальных уравнений, отвечающих требованию способа наименьших квадратов. [c.390]
Это условие приводит к системе нормальных уравнений, решение которых позволяет определить параметры уравнения регрессии. Эти уравнения имеют вид [c.99]
Коэффициенты регрессии показывают интенсивность влияния факторов на результативный показатель. Если проведена предварительная стандартизация факторных показателей, то Ь0 равняется среднему значению результативного показателя в совокупности. Коэффициенты Ь,, Ь2. .... Ьл показывают, на сколько единиц уровень результативного показателя отклоняется от своего среднего значения, если значения факторного показателя отклоняются от среднего, равного нулю, на одно стандартное отклонение. Таким образом, коэффициенты регрессии характеризуют степень значимости отдельных факторов для повышения уровня результативного показателя. Конкретные значения коэффициентов регрессии определяют по эмпирическим данным согласно методу наименьших квадратов (в результате решения систем нормальных уравнений). [c.282]
Нормальные уравнения МНК для прямой линии регрессии являются системой двух уравнений с двумя неизвестными а и Ь. Все остальные величины, входящие в систему, определяются по исходной информации. Таким образом, однозначно вычисляются при решении этой системы уравнений оба параметра уравнения линейной регрессии. [c.239]
По уравнению (8.6) обычно на практике вычисляется свободный член уравнения регрессии а. Параметр Ь вычисляется по преобразованной формуле, которую можно вывести, решая систему нормальных уравнений относительно Ь [c.239]
Коэффициенты регрессии для представления (4.16) находятся с помощью системы нормальных уравнений (чтобы не загромождать запись, индекс k, по которому идет суммирование у результативного и факторных признаков, подразумевается, но не приводится k - 1,2,. .., п). [c.125]
Система нормальных уравнений для нахождения параметров линейной парной регрессии методом наименьших квадратов имеет следующий вид [c.115]
Первая причина если случайная величина (X, Y) имеет совместное нормальное распределение, то, как известно, уравнения регрессии линейные (см. 2.5). Предположение о нормальном распределении является вполне естественным и в ряде случаев может быть обосновано с помощью предельных теорем теории вероятностей (см. 2.6). [c.18]
В практике экономических исследований имеющиеся данные не всегда можно считать выборкой из многомерной нормальной совокупности, когда одна из рассматриваемых переменных не является случайной или когда линия регрессии явно не прямая и т. п. В этих случаях пытаются определить кривую (поверхность), которая дает наилучшее (в смысле метода наименьших квадратов) приближение к исходным данным. Соответствующие методы приближения получили название регрессионного анализа. [c.50]
Следует отметить, что мы ввели выборочный коэффициент корреляции г исходя из оценки близости точек корреляционного поля к прямой регрессии Y по X. Однако г является непосредственно оценкой генерального коэффициента корреляции р между X и У лишь в случае двумерного нормального закона распределения случайных величин X и У В других случаях (когда распределения Хи У отклоняются от нормального, одна из исследуемых величин, например X, не является случайной и т.п.) выборочный коэффициент корреляции не следует рассматривать как строгую меру взаимосвязи переменных. [c.59]
Классическая нормальная линейная модель множественной регрессии [c.82]
Как уже отмечено в 4.1, модель (4.2), удовлетворяющая приведенным предпосылкам 1—6, называется классической нормальной линейной моделью множественной регрессии если же среди приведенных не выполняется лишь предпосылка 5 о нормальном законе распределения вектора возмущений е, то модель (4.2) называется просто классической линейной моделью множественной регрессии. [c.87]
К модели (5.13) уже можно применять обычные методы исследования линейной регрессии, изложенные в гл. 4. Однако следует подчеркнуть, что критерии значимости и интервальные оценки параметров, применяемые для нормальной линейной регрессии, требуют, чтобы нормальный закон распределения в моделях (5.11), (5.12) имел логарифм вектора возмущений (т. е. In e Nn (О, <з2Е ), а вовсе не Е. Другими словами, [c.126]
На уровне значимости а=0,05 проверить гипотезу о том, что функция потребления одна и та же для мужчин и женщин, если выполнены все предпосылки классической нормальной линейной регрессии. [c.132]
При решении задачи можно было не выписывать систему нормальных уравнений, а представить уравнение регрессии в виде (3.12), т. е. yt-y=b (t-t), где [c.142]
В этом случае гипотеза о гомоскедастичности будет равносильна тому, что значения е, ..., ет и en-m+i,..., е (т. е. остатки е, регрессии первых и последних т наблюдений) представляют собой выборочные наблюдения нормально распределенных случайных величин, имеющих одинаковые дисперсии. [c.159]
При рассмотрении нормальной обобщенной модели регрессии, т. е. в случае нормального закона распределения возмущений, т. е. е Nn(Q a2Q.0), оценка Ь также распределена нормально [c.186]
Применяя метод максимального правдоподобия (см. 2.7, 3.4) для оценки нормальной обобщенной линейной модели регрессии, можно показать, что оценки максимального правд опо- [c.187]
Если случайные величины Е, имеют нормальное распределение, то уравнение (8.34) может быть оценено методом максимального правдоподобия (см. 2.7). Так как в случае нормального распределения ошибок регрессии оценки максимального правдоподобия совпадают с оценками метода наименьших квадратов, на практике применение этого метода к модели (8.15) сводится к нелинейной задаче минимизации по а, р, у и Р функции [c.205]
Как известно, оценки, получаемые методом максимального правдоподобия, оказываются наиболее эффективными, однако применение этого метода требует знания вида распределения ошибок регрессии. Так, минимизируя функцию (8.35), мы получим наиболее точные оценки параметров, но лишь в том случае, если эта функция действительно является логарифмом функции правдоподобия, т. е. ошибки , действительно имеют нормальное распределение. [c.205]
В некоторых случаях нормальное распределение ошибок регрессии может следовать из некоторых теоретических соображений, — например, может использоваться центральная предельная теорема. Однако чаще всего нормальное распределение ошибок является модельным допущением, которое принимается в силу того лишь, что ему нет явных противоречий. В этом случае использование метода максимального правдоподобия требует определенной осторожности, и лучше использовать его в сочетании с другими методами. [c.205]
Однако теория Мальтуса, как известно, самым блестящим образом — и притом по всем пунктам — окончательно провалилась. При Мальтусе, в 1800 г., население Англии составляло 16,2 млн. человек геометрическая прогрессия удвоения через каждые 25 лет дала бы к 1950 г. при нормальной смертности свыше 1 млрд. душ, арифметическая за счет повышения смертности дала бы 113,4 млн., а фактически, несмотря на резкое снижение смертности, население Соединенного королевства к 1950 г. едва достигло 50 млн. душ, А между тем Англия 1950 г. не беднее, а богаче Англии 1800 г. из расчета на душу населения. Оказалось, что именно средства существования в наше время способны возрастать много быстрее, чем население. Их относительное перепроизводство в капиталистическом мире то и дело достигает таких масштабов, что в порядке борьбы с кризисами перепроизводства буржуазия очень ревностно добивается резкого сокращения посевных площадей и продуктивного животноводства, а уже готовые продукты литания во избежание снижения на них рыночных цен целыми горами сжигаются или выбрасываются в море. И тем не менее, несмотря на столь явное, казалось бы, перепроизводство средств существования, в динамике населения капиталистических стран не только не выявляется никаких тенденций к геометрическим темпам роста, но, более того, здесь не приходится уже говорить даже об арифметической прогрессии. Следует же здесь говорить только разве о прямой регрессии ряда ежегодных приростов населения и о столь существенном их сокращении, при котором далеко не всегда обеспечивается даже простое его воспроизводство. И это несмотря на повсеместное — вопреки предпосылкам теории Мальтуса — сокращение смертности. Ежегодные приросты населения падают при этом, несмотря на сокращение смертности потому, что еще быстрее падают тоже наперекор основной предпосылке Мальтуса коэффициенты рождаемости во всех странах, И в этом теперь основной гвоздь проблемы. [c.127]
Линия тренда линейной регрессии показывает равновесное значение цены, а регрессионный канал — нормальный диапазон отклонения цен от линии тренда линейной регрессии. [c.110]
Данный пример иллюстрирует нормальную взаимосвязь динамики цен и объема, характерную для устойчивой восходящей тенденции. Когда цены росли — что видно по восходящим линиям тренда линейной регрессии — рос и осциллятор объема. Когда цены падали, он также падал. [c.139]
Рассмотрим статистика, который строит модель прогнозирования фондового рынка. Один из самых распространенных и эффективных методов решения этой задачи — строить модель с помощью регрессионного анализа. В рамках этого метода статистик настраивает прямую линию на данные фондового рынка. После того как это сделано, для получения прогноза вычисляется следующая точка на линии регрессии. Такая модель будет давать прямолинейную проекцию. Хотя эта проекция может не быть очень точной с точки зрения трейдинга, это нормальная статистическая процедура. [c.162]
С помощью инструмента анализа данных Регрессия, помимо результатов регрессионной статистики, дисперсионного анализа и доверительных интервалов, можно получить остатки и графики подбора линии регрессии, остатков и нормальной вероятности. Порядок действий следующий [c.26]
Для оценки параметров уравнения множественной регрессии применяют метод наименьших квадратов (МНК). Для линейных уравнений и нелинейных уравнений, приводимых к линейным, строится следующая система нормальных уравнений, решение которой позволяет получить оценки параметров регрессии [c.49]
Параметры уравнения множественной регрессии оцениваются, как и в парной регрессии, методом наименьших квадратов (МНК). При его применении строится система нормальных уравнений, решение которой и позволяет получить оценки параметров регрессии. [c.105]
Несмотря на кажущуюся надежность уравнения регрессии для всей выборочной совокупности НГДУ, использовать его для практических целей нельзя, так как проверка на нормальность распределения у показала, что р=1,043 значительно больше табличного значения, что свидетельствует о ненормальном распределении у. Поэтому необходимо рассмотреть вопрос о правомерности использования данной совокупности НГДУ для корреляционного и регрессионного анализа. Для этого проведено попарное сравнение дисперсий о2 отдельных групп НГДУ. [c.88]
Регрессионный анализ — один из наиболее разработанных методов математической статистики. Строго говоря, для реализации регресси-онногс анализа необходимо выполнение ряда специальных требований (в частности, Х1,Х2,...х , у должны быть независимыми, нормально распределенными случайными величинами с постоянными дисперсиями). В реальной жизни строгое соответствие требованиям регрессионного и корреляционного анализа встречается очень редко, однако оба эти метода весьма распространены в экономических исследованиях. [c.122]
Тест Голдфелда—Квандта. Этот тест применяется в том случае, если ошибки регрессии можно считать нормально распределенными случайными величинами. [c.159]
Предполагая, что ошибки регрессии представляют собой нормально распределенные случайные величины, проверить гипотезу о гомоскедастичности, используя тест Голдфедда— Квандта. [c.188]
Модели AR H и GAR H удовлетворяют всем условиям классической модели, и метод наименьших квадратов позволяет получить оптимальные линейные оценки. В то же время можно получить более эффективные нелинейные оценки методом максимального правдоподобия. В отличие от модели с независимыми нормально распределенными ошибками регрессии в AR H-модели оценки максимального правдоподобия отличаются от оценок, полученных методом наименьших квадратов. [c.217]
Более тщательный и систематический анализ многомерных корреляций и множественных регрессий этого множества факторов не показывает ясной причины, вызывающей крах [30]. Наиболее четкое утверждение, хотя в чем-то и самоповторяющееся, заключается в том, что наиболее статистически значимая переменная в октябрьском крушении может быть приписана нормальной реакции рынка акций каждой страны на движение мирового рынка. Таким образом, был сконструирован индекс мирового рынка [30], путем равного взвешивания местных индексов упомянутых ранее 23 основных индустриальных стран и нормировании его на уровне 100 в день 30 сентября. Он упал до 73,6 к 30 октября. Важным результатом было обнаружение статистических соотношений между ним и месячным доходом каждой страны в период с 1981 года до месяца, предшествующего краху, хотя и со значимыми разбросами величины этого соответствия от страны к стране [30]. Такая корреляция снимает влияние институциональных характеристик рынка, что сигнализирует о возможном существовании тонкой, но, тем не менее, значимой в мировом масштабе, кооперативности во времени, предшествующем краху. [c.22]