Прогноз, полученный подстановкой в уравнение регрессии ожидаемого значения фактора, называют точечным прогнозом. Вероятность точной реализации такого прогноза крайне мала. Необходимо сопроводить его значением средней ошибки прогноза или доверительным интервалом прогноза с достаточно большой вероятностью. Средняя ошибка положения линии регрессии в генеральной совокупности при значении факторного признака, равном xh вычисляется для линии регрессии по формуле (8.20) [c.252]
Использование регрессионной модели для прогнозирования состоит в подстановке в уравнение регрессии ожидаемых значений факторных признаков для расчета точечного прогноза результативного признака или (и) его доверительного интервала с заданной вероятностью, как уже сказано в 8.2. Сформулированные там же ограничения прогнозирования по уравнению регрессии сохраняют свое значение и для многофакторных моделей. Кроме того, необходимо соблюдать системность между подставляемыми в модель значениями факторных признаков. [c.289]
Путем подстановки значений а и b в общее уравнение у а + Ьх получаем уравнение линии регрессии у = 1 + 2х. Это уравнение можно использовать для вычисления значений у при заданных значениях х. Например, если мы хотим найти значение у при х = 6, то, подставив заданное значение в уравнение регрессии, получаем [c.120]
Необходимо а) найти множественный коэффициент детерминации и пояснить его смысл 6) найти уравнение множественной регрессии Y по Х и Xi, оценить значимость этого уравнения и его коэффициентов на уровне а=0,05 в) сравнить раздельное влияние на зависимую переменную каждой из объясняющих переменных, используя стандартизованные коэффициенты регрессии и коэффициенты эластичности г) найти 95%-ные доверительные интервалы для коэффициентов регрессии, а также для среднего и индивидуальных значений себестоимости 1 т литья в цехах, в которых выработка литья на одного работающего составляет 40 т, а брак литья — 5%. [c.107]
Поскольку при заданном объеме наблюдений пол и у факторная сумма квадратов при линейной регрессии зависит только от одной константы коэффициента регрессии Ь, то данная сумма квадратов имеет одну степень свободы. К этому же выводу придем, если рассмотрим содержательную сторону расчетного значения признака у, т. е. ух. Величина ух определяется по уравнению линейной регрессии ух = а + Ь х. Параметр а можно определить как а = у — b х . Подставив выражение параметра а в линейную модель, получим [c.50]
Построение уравнения множественной регрессии начинается с решения вопроса о спецификации модели. Суть проблемы спецификации рассматривалась применительно к парной зависимости в п. 2.1. Она включает в себя два круга вопросов отбор факторов и выбор вида уравнения регрессии. Их решение при построении модели множественной регрессии имеет некоторую специфику, которая рассматривается ниже. [c.91]
Включаемые во множественную регрессию факторы должны объяснить вариацию независимой переменной. Если строится модель с набором р факторов, то для нее рассчитывается показатель детерминации ir, который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии р факторов. Влияние других не учтенных в модели факторов оценивается как 1 — R2 с соответствующей остаточной дисперсией S2. [c.93]
Так, подставляя в уравнение регрессии Z — 1, z% — 0, получим У =у ] = 35 для каждого завода первой группы по уровню автоматизации производства, что является средней величиной для данной группы (см. табл. 3.5). Соответственно подставляя в уравнение регрессии Z — 0, z% — 1, получим у2 = Ji = 46,5. [c.152]
Парная регрессия — регрессия между двумя переменными у и х, то есть [c.7]
Множественная регрессия - регрессия между переменными у и хь х2,. . . , хт [c.15]
На основе ее сделан вывод о том, что изменение размера основных фондов на одну тысячу рублей в год приводит к изменению объема выпуска цемента на 138 т в среднем по предприятиям. Однако ясно, что приведенной выше характеристики недостаточно. Очевидно, что если бы все наблюденные величины совпадали с вычисленными по теоретической линии регрессии, то это никак не отразилось бы на параметрах уравнения регрессии. В то же время взаимозависимость в этом случае была бы более тесной. На основании этих соображений можно ввести дополнительную характеристику связи, определяющую, насколько велик разброс наблюденных величин вокруг выбранной нами теоретической линии регрессии. Пусть [c.80]
X) для неизвестной истинной функции регрессии / (X) = = Е (т] -- Лг), исследователь должен по возможности определить ту гарантированную (с заданной доверительной вероятностью Р) величину погрешности, за пределы которой он не выйдет, восстанавливая неизвестные значения параметров Оу-, истинной функции регрессии / (X) или анализируемого результирующего показателя г (X) = (т] = X) по значениям [c.360]
О = (90, 9t,. .., 9m) — вектор-столбец неизвестных параметров, от которых зависит уравнение искомой функции регрессии /(X в) 9 — статистическая оценка векторного параметра в о >(Х) = (г )0(Х), г г(Х),. .., if>m (X) — вектор-столбец базисных функций фо(Х),. .., г )т (X), по которым разложена функция регрессии /(X в) /(X в) = t > (X). в = 90г )0(Х) + егг )г(Х) +. .. + 9т - г )т(Х) - функ-ция регрессии, разложенная в системе базисных функций г )(Х), линейная по параметрам [c.458]
Проектное финансирование с ограниченным регрессом на заемщика предполагает оценку всех рисков, связанных с реализацией проекта. Они распределяются между участниками таким образом, чтобы последние могли принять на себя все зависящие от них риски. Например, заемщик берет на себя все риски, связанные с эксплуатацией предприятия поставщики оборудования принимают на себя риски, связанные с комплектностью и качеством поставок подрядчик несет ответственность за окончание строительства предприятия и т. д. Преимуществом данного способа проектного финансирования является его умеренная стоимость и максимальное распределение рисков между всеми участниками проекта. Стороны, заинтересованные в реализации проекта, принимают на себя конкретные коммерческие обязательства вместо предоставления гарантий. Разновидностью проектного финансирования с ограниченным регрессом на заемщика является финансовое обеспечение проекта, не затрагивающее баланс заемщика и других участников. В данном случае заемщик должен предоставить кредиторам определенные гарантии и частично заложить свои активы. Кроме того, заемщик может получить следующие дополнительные преимущества [c.206]
В настоящее время вопрос обеспечения финансирования проекта и связанных с ним проектных рисков — краеугольный камень, одна из центральных проблем системы управления проектами. Наиболее перспективная форма финансирования проектов — проектное финансирование, основной особенностью которого (в отличие от других форм, которые будут рассматриваться далее) является учет и управление рисками, распределение рисков между участниками проекта, оценка затрат и доходов с учетом этого. Проектное финансирование называют также финансированием с определением регресса (регресс — это требование о возмещении предоставленной в заем суммы). Проектное финансирование требует солидной законодательно-нормативной базы, развитой рыночной инфраструктуры, а также целенаправленных мер государственного стимулирования и поддержки инвестиций в этой принятой во всем мире форме организации проектных инвестиций. [c.186]
Основной особенностью проектного финансирования, в отличие от акционерного и государственного, является учет и управление рисками, распределение рисков между участниками проекта, оценка затрат и доходов с учетом этого. Проектное финансирование называют также финансированием с определением регресса (регресс — это требование о возмещении предоставленной в заем суммы). [c.218]
Направленность развития имеет свою определенность только в той или иной системе координат, т. е. по отношению к тому или иному критерию. Если эта направленность положительная, то говорят о прогрессе, если отрицательная — то о регрессе или о деградации. В частности, по динамике продолжительности жизни в стране, регионе и городе можно определить направленность развития если динамика положительная, то имеет место прогресс. Если продолжительность жизни падает, то можно констатировать регресс в развитии данного сообщества людей. Любое развитие может быть положительным (прогрессивным) относительно одних целей и критериев и отрицательным (регрессивным) относительно других целей и критериев. Ярким примером такой относительности развития может служить экономическое развитие, связанное с расширением металлургического комбината в том или ином городе. С точки зрения экономических параметров происходит положительное развитие, в частности увеличивается валовой внутренний региональный продукт. В то же время с точки зрения экологии может наблюдаться регресс, поскольку при увеличении объема производства увеличивается количество вредных выбросов. [c.39]
Классификационные алгоритмы. К данным опроса для получения сегментов рынка могут быть применены, в частности, дискриминант-ный анализ и множественная регрессия. Дискриминантный анализ на практике используется для определения признаков разницы двух и более категорий объектов. Метод регрессионного анализа применяется для изучения зависимости результативного показателя от нескольких независимых переменных. Наиболее широко распространены методы множественной регрессии. [c.82]
У от общего уравнения регрессии (рис. 11.3, а). Пусть есть основание предполагать, что целесообразно общую выборку разбить на две под-выборки объемами п и П2 соответственно (п + П2 = п) и построить для каждой из выборок уравнение регрессии (рис. 11.3, б). Через Si и 82 [c.264]
Линейная регрессия в нашем случае — наиболее простой метод анализа взаимосвязи между двумя переменными. Это по сути дела метод построения линии наилучшего соответствия для набора точек. Как мы увидим в гл. 20, метод линейной регрессии может применяться и в других областях деятельности бухгалтера-аналитика. Поэтому важно отметить некоторые ограничения этого метода (кроме предположения о линейной зависимости). [c.313]
Описать специализированные методы, используемые в рамках множественного регрессионного анализа, особенно пошаговую регрессию, регрессию с фиктивными переменными, а также и ковариационный анализ с регрессией. [c.640]
Если нулевую гипотезу отклоняют, то один или несколько частных коэффициентов регрессии в совокупности имеют значение, отличное от нуля. Чтобы определить, какие из конкретных коэффициентов Отличны от нуля, выполним дополнительные проверки. Проверку значимости Д выполним тем же способом, что и в случае парной регрессии, т.е. используя г статистику. Значимость частного коэффициента для переменной — погодные условия — можно выполнить с помощью уравнения 0.5887 [c.664]
Есть и еще один метод использования линии регрессии. Он заключается том, что с ее помощью можно определить, кто сильнее в данный момент — быки или медведи . Дело в том, что линию линейной регрессии можно представить как линию, точки которой соответствуют равновесию спроса и предложения на данную валюту в данный момент времени. То есть можно считать, что если цена находится на линии регрессии, то она оптимальна для рынка и по большому счету устраивает и покупателей, и продавцов одновременно. В таком случае любое отклонение реальной цены вверх или вниз от точки равновесия (от линии линейной регрессии) показывает перевес силы быков или медведей . Ушли цены вверх — шалят быки , стремятся поднять курс падают цены ниже — это медведи качают свои права, играя на понижение. [c.27]
Коэффициенты регрессии в уравнении связи имеют разные единицы измерения, что делает их несопоставимыми, если возникает вопрос о сравнительной силе воздействия факторов на результативный показатель. Чтобы привести их в сопоставимый вид, все переменные уравнения регрессии выражают в долях среднеквадратического отклонения, другими словами, рассчитывают стандартизированные коэффициенты регрессии. Их еще называют бетта-коэффициентами по символу, который принят для их обозначения (р). [c.150]
Регрессия и государственные облигации. Второй подход к оценке лямбды связан с выведением регрессий доходности акций для каждой фирмы на формирующемся рынке — в сопоставлении с доходностью государственных облигаций, выпущенных данной страной. Например, в Бразилии это предполагало бы составление регрессии доходности по каждой бразильской акции в сопоставлении с доходностью бразильской государственной облигации. Наклон линии регрессии должен измерять, насколько чувствительна акция к изменениям в суверенном риске (поскольку доходы по государственным облигациям являются прямой мерой суверенного риска) и, таким образом, этот наклон обеспечивает измерение лямбды. Например, если предположить, что регрессия доходности акций компании Embraer в сопоставлении с доходностью бразильских суверенных облигаций ( -bond) дает наклон в 0,30, а так как средний наклон для бразильских акций равен 0,75, то лямбда будет равна 0,40 (0,30/0,75). [c.270]
Соотношение истинной (/ (X)), теоретической аппроксимирующей (fa (X)) и выборочной аппроксимирующей (fa (X)) регрессий существенно зависит от выбора критерия адекватности Д (fa) (определяемого природой регрессионных остатков е) и класса допустимых решений F. В частности, даже при удачном выборе критерия адекватности Д в ситуациях, когда истинная функция регрессии / (X) не накрывается классом допустимых решений F (т. е. когда / (X) Ё F), выборочная аппроксимирующая функция регрессии fa (X) не будет стремиться к истинной при неограниченном росте объема выборки (отсутствие свойства состоятельности у fa (X), объясняемое неустранимостью ошибки аппроксимации). [c.174]
Конечно, статистический анализ построенной регрессии является достаточно сложным и многоступенчатым процессом, имеющим определенную специфику в каждом конкретном случае. Однако базовыми пунктами такого анализа, отраженными во всех эконометрических пакетах, являются описанные в данной главе проверка статистической значимости коэффициентов регрессии и коэффициента детерминации, анализ статистики Дарбина-Уотсона. [c.168]
Данное уравнение регрессии приемлемо по всем параметрам и может рассматриваться как конечный результат нашего исследования. Все коэффициенты в нем статистически значимы даже наименьшая из /-статистик (у коэффициента при переменной GNP) близка к трем. Уравнение регрессии объясняет 94% дисперсии зависимой переменной, а близкая к двум статистика Дарбина-Уотсона не позволяет отвергнуть гипотезу об отсутствии автокорреляции остатков первого порядка. Добавление какой-либо новой объясняющей переменной уже практически не сможет улучшить качества уравнения регрессии. [c.364]
Возникает естественный вопрос, при каких обстоятельствах можно пользоваться описанным выше методом. Ниже будут описаны некоторые процедуры, позволяющие выявлять гетероскеда-стичность того или иного рода (тесты на гетероскедастичность). Здесь мы ограничимся лишь практическими рекомендациями. Если есть предположение о зависимости ошибок от одной из независимых переменных, то целесообразно расположить наблюдения в порядке возрастания значений этой переменной, а затем провести обычную регрессию и получить остатки. Если размах их колебаний тоже возрастает (это хорошо заметно при обычном визуальном исследовании), то это говорит в пользу исходного предположения. Тогда надо сделать описанное выше преобразование, вновь провести регрессию и исследовать остатки. Если теперь их колебание имеет неупорядоченный характер, то это может служить показателем того, что коррекция на гетероскедастичность прошла успешно. Естественно, следует сравнивать и другие параметры регрессии (значимость оценок, сумму квадратов отклонений и т. п.) и только тогда принимать окончательное решение, какая из моделей более приемлема. [c.170]
Если страны или регионы сходятся к различным положениям устойчивого равновесия, тогда обычная парная регрессия некорректно специфицирована и член уравнения, отражающий равновесное значение дохода, включен в ошибку регрессии. В свою очередь, если он коррелирован с переменной начального дохода страны или региона, оценка коэффициента конвергенции Д будет смещена. Например, если богатые страны имеют более высокое значение равновесного дохода, то оценка коэффициента конвергенции будет смещена к нулю, что приведет к неправильным выводам об отсутствии конвергенции, несмотря на то что условная конвергенция будет иметь место. Таким образом, приведенный пример демонстрирует необходимость включения в уравнение парной регрессии прокси для дохода в состоянии устойчивого равновесия для получения состоятельной оценки коэффициента конвергенции Д. В случае независимости ошибки уравнения регрессии и начального уровня дохода оценка парной зависимости позволит получить состоятельную оценку Д. Наконец, если все страны или регионы имеют одинаковое положение устойчивого равновесия, то [c.37]
Модели линейной регрессии (6.4.4-6.4.5), с одной стороны, очень просты и это является их достоинством, но с другой стороны их простота оборачивается потерей точности предсказаний из-за не учёта ведущего фактора (состояния рынка в целом) и других факторов, влияющих в той или иной степени на эффективность ценных бумаг. Учёт нескольких факторов, безусловно, можно осуществить в рамках моделей множественной линейной или же нелинейной регрессии, но это усложнит для конечного пользователя вид моделей и обозримость результатов. Поэтому для того, чтобы повысить точность предсказания модели линейной регрессии для всего спектра ценных бумаг, функционирующих на рынке США, пошли не по пути усложнения моделей, а путём введения дополнительных поправок к коэффициентам линейной регрессии в моделях (6.4.4 - 6.4.5). Статистические исследования рынка США[8] показали, например, что эффективной для коррекции коэффициента/ , в выражении (6.4.5) является формула [c.124]
Из рисунка 5,3 явствует, что спред играет более важную роль, чем рост, и возможно даже, рост не имеет вовсе никакого значения. Но согласно теории, при высоких значениях спреда рост становится гораздо важнее для создания стоимости. (Это отчетливо видно на рис. 5 2,) Поэтому в качестве следующего шага мы разбили нашу выборку из 340 компаний на группы в соответствии величиной спреда и провели в каждой группе отдельную регрессию коэффициента рыночная/балансовая стоимость по темпам роста. Как показывает таблица 5.1, для компаний с большим ел ре дом рост приобретает огромное значение - вполне сообразно с теорией У таких компаний кривая регрессии имеет крутой наклон (высокий угловой коэффициент), тогда как у компаний с малым спредом наклон кривой регрессии сравнительно пологий, сгатистически не отличающейся от нулевого. [c.93]
Виды финансирования Финансирование под государственные риски Финансирование под корпоративные риски сфщшюяравшю полным регрессом, регрессом на заемщика или (Seepe a [c.53]
Регрессия у на матрицу [D X], где D —матрица групповых риктивных переменных порядка п X (р — 1), специфицированная 6.32). Здесь предполагается, что у каждой группы данных имеется вой собственный свободный член в регрессии, в то время как век-гор коэффициентов наклона общий для всех групп. Сумма квадратов этклонений от этой регрессии была обозначена е е. [c.202]
Коэффициенты регрессии в уравнении связи имеют разные единицы измерения, что делает их несопоставимыми, если возникает вопрос о сравнительной силе воздействия факторов на результативный показатель. Чтобы привести их в сопоставимый вид, все переменные уравнения регрессии выражают в долях среднеквад-ратического отклонения — другими словами, рассчитывают стан- [c.141]
Нормы численности инженерно-технических работников на трубопроводном транспорте и, в частности, на предприятиях транспорта и хранения газа устанавливаются по методике НИИтруда путем определения коэффициентов регрессии уравнений типа [c.88]
Смотреть страницы где упоминается термин Эв-регрессия (А,-регрессия)
: [c.56] [c.233] [c.359] [c.298] [c.139] [c.139] [c.265] [c.324] [c.348] [c.203] [c.100] [c.189] [c.329]Смотреть главы в:
Прикладная статистика Исследование зависимостей -> Эв-регрессия (А,-регрессия)