Множественная линейная регрессия [c.88]
Множественная линейная регрессия [c.122]
Модели множественной линейной регрессии [c.91]
Обозначим /-е наблюдение зависимой переменной у/, а объясняющих переменных — хц, хд,..., xip. Тогда модель множественной линейной регрессии можно представить в виде [c.82]
Найдите уравнение множественной линейной регрессии в стандартизованном масштабе и сделайте выводы. [c.81]
Там, где предполагается, что на зависимую переменную существенно влияет более чем одна независимая переменная, используется метод множественной линейной регрессии. [c.5]
Как было показано выше, ранжирование факторов, участвующих в множественной линейной регрессии, может быть проведено через стандартизованные коэффициенты регрессии (/ -коэффициенты). Эта же цель может быть достигнута с помощью частных коэффициентов корреляции — для линейных связей. При нелинейной взаимосвязи исследуемых признаков эту функцию выполняют частные индексы детерминации. Кроме того, частные показатели корреляции широко используются при решении проблемы отбора факторов целесообразность включения того или иного фактора в модель доказывается величиной показателя частной корреляции. [c.121]
Оценка параметров уравнения множественной линейной регрессии. [c.15]
Опираясь на (6.8), можно предложить следующую процедуру определения оптимального состава и числа предикторов модели множественной линейной регрессии. [c.191]
Множественная линейная регрессия 347 Модель авторегрессии 363 [c.473]
Раздел математической статистики включает подпрограммы отбора и анализа данных, элементарных статистик, корреляционного и регрессионного анализа (корреляция, множественная линейная регрессия, пошаговая линейная регрессия). Пакет разработан на ПЛ/1 для ЕС ЭВМ. [c.183]
Множественная линейная регрессия — это анализ, состоящий в аппроксимации линейной функции с несколькими (более двух) независимыми переменными. [c.219]
В десятой главе анализируются последствия линейной зависимости между объясняющими переменными в модели множественной линейной регрессии - мультиколлинеарности. Приводятся способы обнаружения и преодоления мультиколлинеарности. [c.8]
МНОЖЕСТВЕННАЯ ЛИНЕЙНАЯ РЕГРЕССИЯ 6.1. Определение параметров уравнения регрессии [c.141]
Рассмотрим самую употребляемую и наиболее простую из моделей множественной регрессии — модель множественной линейной регрессии. [c.141]
Самым распространенным методом оценки параметров уравнения множественной линейной регрессии является метод наименьших квадратов (МНК). Напомним, что его суть состоит в минимизации суммы квадратов отклонений наблюдаемых значений зависимой переменной Y от ее значений Y, получаемых по уравнению регрессии. [c.143]
Для случая множественной линейной регрессии существенной является еще одна предпосылка. [c.143]
Как показано выше, эмпирические коэффициенты множественной линейной регрессии определяются по формуле (6.18) [c.150]
Как определяется модель множественной линейной регрессии [c.173]
Опишите алгоритм определения коэффициентов множественной линейной регрессии по МНК в матричной форме. [c.173]
Последнее уравнение множественной линейной регрессии является удовлетворительным по рассматриваемым критериям. Оно может быть использовано для более глубокого понимания движущих сил исследуемого явления, а также краткосрочного прогноза. [c.304]
Мы будем говорить о линейной зависимости у от х, то есть о множественной линейной регрессии. Теоретическое уравнение регрессии имеет вид [c.307]
Задача построения множественной линейной регрессии состоит в нахождении (т+1)-мерного вектора а, элементы которого есть оценки соответствующих элементов вектора а. Критерии оценивания, как и в случае парной регрессии, могут быть различными мы будем вновь использовать метод наименьших квадратов (МНК). [c.308]
Для анализа статистической значимости полученных коэффициентов множественной линейной регрессии необходимо, как и в случае парной регрессии, оценить дисперсию и стандартные отклонения коэффициентов а. [c.309]
Если (п-т- ), то есть число степеней свободы, достаточно велико (не менее 8-10), то при 5%-ном уровне значимости и двусторонней альтернативной гипотезе критическое значение f-статистики приблизительно равно двум. Здесь, как и в случае парной регрессии, можно приближенно считать оценку незначимой, если /-статистика по модулю меньше единицы, и весьма надежной, если модуль t-статистики больше трех. Другие критерии качества полученного уравнения регрессии будут рассмотрены в следующей главе. Там же будут приведены и примеры статистического анализа значимости коэффициентов множественной линейной регрессии. [c.309]
Множественная линейная регрессия Полином третьей степени . .... 0,22833 009175 0,9498 0,949В 1,428 6,009 [c.95]
Множественная линейная регрессия. Обобщим модель (11.4 ) на случай р (р > 1) предикторных переменных X = = (л 1), <2>,. .., х<р) У. Запишем исследуемую модель т] = = QO + 6ii(1) +. .. + 9Р > + б в терминах центрированных наблюденных переменных,- т. е. [c.347]
В шестой главе описывается метод наименьших квадратов нахождения оценок параметров уравнения множественной линейной регрессии. Рассматриваются узловые моменты анализа качества построенного уравнения регрессии (эконометрической модели). Приводится схема оценки значимости коэффициентов регрессии. Исследуются различные аспекты использования коэффициента детерминации. Обозначается достаточно острая проблема, встречающаяся в эконометри-ческих моделях, - проблема автокорреляции остатков. [c.8]
X на Хь X на Х2,. .., Хт на Хт, получаем вместо (7.18) модель множественной линейной регрессии с m переменными Х15Х2,..., Хт [c.187]
Если в уравнении регрессии присутствует несколько объясняющих переменных, можно поступить следующим образом. Вместо конкретной объясняющей переменной Xj используется Y исходного уравнения множественной линейной регрессии Y= Ь0 + biXi +. .. + bmXm, т. е. фактически линейная комбинация объясняющих переменных. В этом случае получают следующую регрессию [c.221]
При выполнении предпосылок 1)-4) относительно ошибок е( оценки параметров множественной линейной регрессии являются несмещенными, состоятельными и эффективными. Отклонение зависимой переменной у ву-м наблюдении от линии регрессии, ер записывается следующим образом е = у - а0 - atx - a fl -. .. - amxjm. Обозначим сумму квадратов этих величин, которую нужно минимизировать в соответствии с методом наименьших квадратов, через Q. [c.308]
Смотреть страницы где упоминается термин Множественная линейная регрессия
: [c.82] [c.22] [c.429] [c.139] [c.144] [c.147] [c.159] [c.174] [c.215] [c.245]Смотреть главы в:
Вводный курс эконометрики -> Множественная линейная регрессия
Математические методы в экономике Издание 2 -> Множественная линейная регрессия
Статистика курс лекций -> Множественная линейная регрессия
Экономико-математические модели и методы -> Множественная линейная регрессия