Среди мер по устранению или уменьшению мультиколлинеарности отметим следующие 1) построение уравнений регрессии по отклонениям от тренда или конечным разностям 2) преобразование множества независимых переменных в несколько ортогональных множеств при помощи методов многомерного статистического анализа (факторного анализа или метода главных компонент) 3) исключение из рассмотрения одного или нескольких линейно связанных аргументов. [c.71]
Для получения подобных показателей используются методы многомерного статистического анализа. [c.168]
Ковалев В.В., Смирнов В.Н. Многомерный статистический анализ научно-технического прогресса в торговле Учеб. пособие. — Л. ЛИСТ, 1988. [c.556]
В итоге, на основе данных, содержащихся в большинстве стандартных отчетов, руководство RS могло сравнить эффективность функционирования своей компании с деятельностью основных соперников не только в масштабе страны или Европы, но и по отдельным важным отраслям, отраженным в отчетах MAR 2 и MAR 22. При многомерном статистическом анализе, например сбыта, доли рынка и доли отрасли (сегмента) в бизнесе фирмы-поставщика легко могли быть проанализированы и прослежены во времени его сильные и слабые стороны в каждой отрасли (сегменте). На основе регулярных отчетов были выявлены некоторые тенденции, относящиеся к RS и остальным участникам рынка, и предприняты соответствующие действия. Например, потеря рыночной доли в конкретном сегменте привела к решению увеличить рекламу в публикациях, охватывающих соответствующую отрасль промышленности, и сконцентрировать на этом секторе большую долю ресурсов сбыта компании. [c.77]
Когда совокупность анализируется по одному признаку, имеем дело с т. н. одномерной статистикой, когда же рассматривается несколько признаков — с многомерным статистическим анализом. [c.184]
Многомерный статистический анализ 199 [c.474]
Монография содержит систематическое и полное изложение аппарата матричной алгебры и матричного дифференциального исчисления. Она уникальна по органичности связи изложенных в ней результатов с актуальнейшими теоретическими и прикладными задачами эконометрики и многомерного статистического анализа. Книга адресована в первую очередь специалистам, работающим в области теории и приложений матричной алгебры, эконометрики и многомерного статистического анализа, преподающим и изучающим эти дисциплины в высших учебных заведениях. Она, бесспорно, займет свое место в ряду самых необходимых учебных пособий по продвинутым курсам этих дисциплин в программах российских вузов. [c.4]
Для преподавателей и специалистов по эконометрике, многомерному статистическому анализу и прикладной статистике, а также студентов и аспирантов соответствующих специальностей. [c.4]
Предлагаемая вниманию русскоязычного читателя книга адресована, в первую очередь, специалистам, работающим в области теории и приложений матричной алгебры, эконометрики и многомерного статистического анализа, преподающим и изучающим эти дисциплины в высших учебных заведениях. Она, бесспорно, займет свое место в ряду самых необходимых учебных пособий по продвинутым курсам этих дисциплин в программах российских вузов. [c.13]
Основные сведения из матричной алгебры (включая ряд оригинальных результатов Я.Р. Магнуса) представлены в части первой книги (гл. 1-3). Содержание этой части, акценты и логика изложения нацелены на потребности в этом инструментарии эконометрики и многомерного статистического анализа. [c.13]
Наконец, третья тема — это линейные модели и метод максимального правдоподобия в эконометрике и многомерном статистическом анализе и решение возникающих здесь оптимизационных задач с помощью методов матричного дифференциального исчисления (части 5—6 книги, гл. 12—17). В этой связи мне представляется, что 29—32 гл. 11, посвященные различным версиям метода наименьших квадратов, было бы логичнее рассмотреть именно в рамках этой последней темы, т. е. в рамках части 5 — Линейная модель . [c.14]
Возвращаясь к способу чтения книги, можно рекомендовать, например, специалистам в области эконометрики и/или многомерного статистического анализа основным объектом изучения выбрать части 5 и 6 данного издания, обращаясь к остальным частям книги лишь по мере необходимости и в режиме справочной литературы. [c.14]
Положительную роль в замысле и содержании книги сыграли постоянные контакты авторов со своими коллегами по научному семинару Многомерный статистический анализ и вероятностное моделирование реальных процессов (действующему в рамках Научного совета АН СССР по комплексной проблеме Оптимальное планирование и управление народным хозяйством и Совета по автоматизации научных исследований при Президиуме АН СССР), а также по Всесоюзному научно-методическому семинару Вычислительные вопросы математической статистики , действующему в Московском государственном университете им. М. В. Ломоносова под руководством Ю. В. Прохорова. [c.8]
Методы статистического исследования зависимостей составляют содержание отдельных частей многомерного статистического анализа, который можно определить [8, с. 731] как раз- [c.22]
Аппарат статистического исследования зависимостей — составная часть многомерного статистического анализа — нацелен на решение основной проблемы естествознания как на основании частных результатов статистического наблюдения за анализируемыми событиями или показателями выявить и описать существующие между ними стохастические взаимосвязи. [c.53]
А и в а з я н С. А. Многомерный статистический анализ. — В кн. Математическая энциклопедия. М., 1982, т. 3, с. 731—72> . [c.459]
Алгоритмы многомерного статистического анализа и их применения. — М. ротапринт ЦЭМИ, 1975. — 176 с. [c.460]
Д у к а р с к и и О. М., Л е в и т Б. Я. Некоторые применения непараметрических оценок регрессии. — В кн. Многомерный статистический анализ в социально-экономических исследованиях. М., 1974, с. 31—37. [c.461]
Карапетян К. А. Об одном статистическом критерии проверки гипотезы о структуре многомерных наблюдений. — В кн. Многомерный статистический анализ в социально-экономических исследованиях. М., 1974, с. 294—308. [c.462]
Мешалкин Л. Д. Использование весовой функции при оценке регрессионной зависимости. — В кн. Многомерный статистический анализ в социально-экономических исследованиях. М., 1974, с. 25—30. [c.463]
Енюков И. С. Методы - алгоритмы - программы многомерного статистического анализа. - М. Финансы и статистика, 1986. [c.155]
Конечная задача статистического исследования — отыскание закономерностей динамики явления. Закономерности причинно-следственных связей общественных процессов и явлений устанавливаются с помощью корелляционно-регрессионного анализа, а также методов многомерного статистического анализа. Взаимосвязи явлений также изучаются с помощью статистических группировок, параллельных рядов, взаимосвязанных индексов и т.д. Широкое применение в статистике находят графические методы, позволяющие в наглядной формы представлять результаты статистических исследований. [c.8]
Кендалл М., Стьюарт А. Многомерный статистический анализ и временные [c.143]
ПРИКЛАДНАЯ СТАТИСТИКА [applied statisti s] — научная дисциплина, разрабатывающая и систематизирующая понятия, приемы, математические методы и модели, предназначенные для организации сбора, стандартной записи, систематизации и обработки (в том числе с помощью ЭВМ) статистических данных с целью их удобного представления, интерпретации и получения научных и практических выводов65. Если рассматривать математическую статистику как науку, изучающую лишь данные вероятностной природы (таково распространенное толкование), то П.с. надо считать дисциплиной, использующей ее методы и приемы в качестве рабочего инструментария по отношению к данным не обязательно вероятностной природы, а при более широком понимании предмета математической статистики — одним из разделов последней (см. Многомерный статистический анализ). Определение "прикладная" здесь не вполне точно прикладными являются, безусловно, и такие дисциплины, как экономическая [c.281]
ФАКТОРНЫЙ АНАЛИЗ [fa torial analysis] — область математической статистики (один из разделов многомерного статистического анализа), объединяющая вычислительные методы, которые в ряде случаев позволяют получить компактное описание исследуемых явлений на основе обработки больших массивов информации. От других средств подобного "сжатия информации" (напр., распространенных методов статистической группировки объектов) Ф.а. отличается тем, что не опирается на заранее заданный, априорный перечень факторов, влияющих на изучаемые переменные, а наоборот, при соблюдении определенных правил и предосторожностей помогает обнаружить наиболее важные из этих факторов, причем скрытые (латентные). Скажем, экономист непосредственно наблюдает множество различных показателей статистического учета деятельности предприятий, чтобы выявить закономерности, влияющие на рост производительности труда (об- [c.374]
Ровно пятнадцать лет прошло с момента выхода в свет первого издания этой книги. И хотя в 1991 и в 1999 гг. выходили ее дополненные и переработанные варианты, основное содержание монографии осталось прежним и при этом ничуть не потеряло своей актуальности, научной и методологической ценности Подобная проверка временем позволяет отнести книгу известных в мире специалистов профессоров Я.Р. Магнуса и X. Нейдёккера к образцам классической научно-педагогической литературы, в своем роде — уникальным. Я говорю об уникальности этой книги, несмотря на весьма большое число книг и статей, посвященных теории и приложениям матричного дифференциального исчисления (см., например, перечисление подобных работ в предисловии авторов этой книги к первому изданию). Однако ни одна из этих работ не может сравниться с книгой Я.Р. Магнуса и X. Нейдёккера не только по полноте и логичной стройности содержащегося в ней материала по матричному дифференцированию, но и по органичности связи изложенных в ней результатов с актуальнейшими теоретическими и прикладными задачами эконометрики и многомерного статистического анализа. [c.13]
Выход в свет русского перевода книги Я.Р. Магнуса и X. Нейдеккера Матричное дифференциальное исчисление с приложениями к статистике и эконометрике я отношу к знаменательным событиям в отечественной издательской деятельности в области научно-педагогической литературы. Я полагаю, что мои коллеги в России, так же как и студенты, осваивающие продвинутые курсы по эконометрике, статистике, многомерному статистическому анализу, по достоинству оценят высокий научный уровень и методологическое мастерство, свойственные этому изданию. Мое же личное удовлетворение от знакомства с этим трудом усиливается еще и тем обстоятельством, что в нем особенно убедительно продемонстрирована та естественная и неразрывная связь, которая существует между эконометрикой и инструментарием многомерного статистического анализа и которая, увы, игнорируется или замалчивается в большинстве канонических изданий по эконометрике. [c.14]
В русскоязычной литературе эту тематику принято относить к многомерному статистическому анализу. Однако исторически рассматриваемые здесь методы произошли из психологических измерений, и в западной литературе их часто относят к психометрике. (Примеч. ред.) [c.442]
Андерсон Г. Введение в многомерный статистический анализ. М., Физматгиз, 1963. [c.201]
Разделы многомерного статистического анализа, составляющие математический аппарат статистического исследования зависимостей, формировались и развивались с учетом специфики анализируемых моделей, обусловленной в первую очередь природой исследуемых переменных. Так, изучение зависимостей между количественными переменными обслуживается регрессионным и корреляционным анализами и анализом временных рядов (гл. 1 —12, 14), изучение зависимостей количественного результирующего показателя от неколичественных или разнотипных объясняющих переменных — дисперсионным и ковариационным анализами, моделями типологической регрессии (гл. 13) для исследования зависимостей в условиях активного эксперимента служит теория оптимального планирования экспериментов [2, 3, 136] наконец, для исследования системы зависимостей, в которых одни и те же [c.54]
Вернемся к общему (негауссовскому) случаю. Практика многомерного статистического анализа показала, что частные коэффициенты корреляции, определенные соотношениями (1.22) — (1.23 ), являются, как правило, удовлетворительными измерителями очищенной линейной связи между х(1) и при фиксированных значениях остальных переменных и в случае, когда распределение анализируемых показателей ( (0), x(l . .., х(р>) отличается от нормального. Определив с помощью формулы (1.22) частный коэффициент корреляции в случае любого исходного распределения признаков (х(0 х(1 . .., х(р)), включим его в общий математический инструментарий корреляционного анализа линейных моделей. При этом их можно интерпретировать как показатели тесноты очищенной связи, усредненные по всевозможным значениям фиксируемых на определенных уровнях мешающих переменных. 1.2.3. Статистические свойства выборочных частных коэффициентов корреляции (проверка на статистическую значимость их отличия от нуля, доверительные интервалы). При исследовании статистических свойств выборочного частного коэффициента корреляции порядка k (т. е. при исключении опосредованного влияния k мешающих переменных) следует воспользоваться тем (см., например, [20, теорема 4.3.4]), что он распределен точно так же, как и обычный (парный) выборочный коэффициент корреляции между теми же переменными с единственной поправкой объем выборки надо уменьшить на k единиц, т. е. полагать его равным п — , а не я. Поэтому [c.84]
А и в а з я н С. А. Об опыте применения экспертно-статистичес-кого метода построения неизвестной целевой функции. — В кн. Многомерный статистический анализ в социально-экономических исследованиях. М., 1974, с. 56—86. [c.459]
А н д е р с о н Т. Введение в многомерный статистический анализ. Пер. с англ. —М. Физматгиз, 1963. —500 с. [c.460]
Бухштабер В. М., М а с л о в К. В., Маркин В. Г. Обратные задачи прикладной статистики и томография. — В кн. II Всесоюз. школа-семинар Программно-алгоритмическое обеспечение прикладного многомерного статистического анализа (сент. 1983 г.) Тез. докл. М., 1983, с. 26—33. [c.460]
Д е е в А. Д., БурлуцкийГ. И. О распределении условной невязки прогноза в модели множественной регрессии и отборе информативных признаков. — В кн. II Всесоюз. науч.-техн. конференция Применение многомерного статистического анализа в экономике и оценке качества продукции Тез. докл. Тарту, 1981, с. 208—213. [c.461]
Кендалл М. Дж., Стьюарт А. Многомерный статистический анализ и временные ряды. Пер. с англ. —М. Наука, 1976. — 736 с. [c.462]
Мельников Н. Н., Малолеткин Г. Н. Стандартное математическое обеспечение ЕС ЭВМ для анализа регрессионных экспериментов. — В кн. II Всесоюз. научн.-техн. конференция Применение многомерного статистического анализа в экономике и оценке качества продукции Тез. докл. Тарту, 1981, с. 379—382. [c.463]