Среднее квадратическое отклонение (стандартная ошибка) коэффициента регрессии bj примет вид [c.97]
Стандартная ошибка коэффициента регрессии определяется по формуле [c.53]
Для нашего примера величина стандартной ошибки коэффициента регрессии составила [c.53]
Стандартная ошибка коэффициента регрессии 0,015188 [c.244]
Стандартная ошибка коэффициента регрессии 0,225556 [c.249]
Константа 5,071428 Коэффициент регрессии 1,261904 Стандартная ошибка коэффициента регрессии 0,101946 Л-квадрат 0,962315 Число наблюдений 8 Число степеней свободы 6 [c.267]
Стандартная ошибка коэффициента регрессии 0,117946 [c.268]
Стандартная ошибка коэффициента регрессии 0,184967 [c.270]
Коэффициент регрессии 0,922212. Стандартная ошибка коэффициента регрессии 0,012837 [c.287]
Стандартная ошибка коэффициента регрессии 0,126806 [c.287]
Хотя коэффициент детерминации по модели, параметры которой были рассчитаны обычным МНК, несколько выше, однако стандартные ошибки коэффициентов регрессии в модели, полученной с учетом ограничений на полиномиальную структуру лага, значительно снизились. Кроме того, модель, полученная обычным МНК, обладает более существенным недостатком коэффициенты регрессии при лаговых переменных этой модели xt и х, 3 нельзя считать статистически значимыми. [c.305]
Стандартные ошибки коэффициентов регрессии [c.9]
Стандартные ошибки коэффициентов регрессии о 0 и О вычисляются по следующим формулам Q [c.184]
Как и в случае парной регрессии, S = л/S2 называется стандартной ошибкой регрессии. Sb =Л/8Ь. называется стандартной ошибкой коэффициента регрессии. [c.151]
На рис. 16.2а отклонения в значениях переменной у от линии рефессии отсутствуют, и через три точки проводится та же прямая, что и через любые две из них. На рис. 16.2Ь через три точки проводится такая же линия регрессии, но колебания значений переменной у вокруг этой линии значительны. Поэтому через пары точек ( 1, 2) и ( 1, 3) проходят совершенно разные прямые, отличные от общей прямой. Следовательно, стандартные ошибки коэффициентов регрессии в этом случае будут значительными. [c.299]
В скобках приведены стандартные ошибки коэффициентов регрессии. Соответствующие t-статистики равны 19.96 и 30.81, т. е. коэффициенты статистически достоверно отличаются от нуля. Однако значение коэффициента детерминации Д2 невелико. Это объясняется, конечно, разнородностью семей как по составу, так и по другим факторам, таким, как место проживания, структура расходов, [c.57]
Отсюда вытекает, что стандартная ошибка тр зависит от ошибки У и ошибки коэффициента регрессии Ь, т. е. [c.57]
В скобках указаны стандартные ошибки коэффициентов (ta, tbi) регрессии. Нанесем полученные значения на фафик (рис. 7.2). [c.304]
Стандартные ошибки коэффициентов уравнения регрессии, t - критерий [c.7]
Тогда стандартная ошибка регрессии S = 1.7407. Следовательно, дисперсии и стандартные ошибки коэффициентов равны [c.170]
При оценке значимости коэффициента линейной регрессии можно использовать следующее грубое правило. Если стандартная ошибка коэффициента больше его модуля (t < 1), то он не может быть признан хорошим (значимым), поскольку доверительная вероятность здесь при двусторонней альтернативной гипотезе составляет лишь менее, чем приблизительно 0,7. Если стандартная ошибка меньше модуля коэффициента, но больше его половины (1 < t < 2), то сделанная оценка может рассматриваться как более или менее значимая. Доверительная вероятность здесь примерно от 0,7 до 0,95. Значение t от 2 до 3 свидетельствует о весьма значимой связи (дове- [c.303]
Следующий этап корреляционного анализа — расчет уравнения связи (регрессии). Решение проводится обычно шаговым способом. Сначала в расчет принимается один фактор, который оказывает наиболее значимое влияние на результативный показатель, потом второй, третий и т.д. И на каждом шаге рассчитываются уравнение связи, множественный коэффициент корреляции и детерминации, /""-отношение (критерий Фишера), стандартная ошибка и другие показатели, с помощью которых оценивается надежность уравнения связи. Величина их на каждом шаге сравнивается с предыдущей. Чем выше величина коэффициентов множественной корреляции, детерминации и критерия Фишера и чем ниже величина стандартной ошибки, тем точнее уравнение связи описывает зависимости, сложившиеся между исследуемыми показателями. Если добавление следующих факторов не улучшает оценочных показателей связи, то надо их отбросить, т.е. остановиться на том уравнении, где эти показатели наиболее оптимальны. [c.149]
Проверим значимость коэффициентов регрессии Ь и Ь . В примере 4.1 получены Ъ = 0,854 и >2=0,367. Стандартная ошибка s в соответствии с (4.22) равна [c.101]
В скобках указаны средние квадратические отклонения (стандартные ошибки) sb. коэффициентов регрессии Ь,-, вычисленные по [c.113]
Стандартная ошибка для бета -коэффициента при простой линейной регрессии [c.1001]
Найдите стандартную ошибку оценки коэффициента регрессии. [c.36]
Величина стандартной ошибки совместно с Г-распределением Стьюдента при я — 2 степенях свободы применяется для проверки существенности коэффициента регрессии и для расчета его доверительных интервалов. [c.53]
Для оценки существенности коэффициента регрессии его величина сравнивается с его стандартной ошибкой, т. е. определя- [c.53]
На каждом шаге рассматриваются уравнение регрессии, коэффициенты корреляции и детерминации, F-критерий, стандартная ошибка оценки и другие оценочные показатели. После каждого шага перечисленные оценочные показатели сравниваются с [c.39]
Последний показатель, достойный упоминания, — это стандартная ошибка оценки коэффициента бета. Наклон линии регрессии, подобно любой статистической оценке, может отличаться от действительного значения, и стандартная ошибка показывает, насколько ошибочной может быть полученная оценка. Стандартную ошибку можно также использовать для получения доверительного интервала для истинной величины коэффициента бета, основываясь на оценке угла наклона. [c.240]
В скобках указаны стандартные ошибки коэффициентов регрессии. "Коэффициенты детерминации рассчитаны по линеаризованным уравнениям регрессии. [c.237]
Состоятельное оценивание дисперсий. Предположим теперь, что в модели (6.1) с гетероскедастичностью для оценки вектора параметра ft используется обычный метод наименьших квадратов. Как установлено в главе 5, эта оценка является состоятельной и несмещенной, однако стандартная оценка ее матрицы ко-вариаций ((3.8), (ЗД9)) V"(/3OLs) — ff2(X X) l смещена и несостоятельна. Отметим, что компьютерные пакеты при оценивании коэффициентов регрессии вычисляют стандартные ошибки коэффициентов регрессии именно по этой формуле. Можно ли сделать поправку на гетероскедастичность и улучшить оценку матрицы ковариаций Положительный ответ дают приводимые ниже два способа оценивания. [c.173]
Стандартные ошибки предсказания могут быть рассчитаны с помощью добавления в модель фиктивных переменных по методу Сал-кевера. Пусть имеется возможность получения статистических данных за р моментов на прогнозном периоде. Тогда строится такая же регрессия для совокупного набора данных выборки и прогнозного периода, но с добавлением фиктивных переменных Dt+i, Dt+2,. . ., Dt+p. При этом Dt+i = 1 только для момента наблюдения (t + i). Для всех других моментов Dt+i = 0. Доказано, что оценки коэффициентов и их стандартные ошибки для всех количественных переменных Xj в точности совпадают со значениями, полученными по регрессии, построенной только по данным выборки. Коэффициент при фиктивной переменной Dt+i будет равен ошибке предсказания в момент (t + i). A стандартная ошибка коэффициента равна стандартной ошибке предсказания. [c.295]
Для определения профиля посетителей магазинов местного торгового центра, не имеющих определенной цели (browsers), маркетологи использовали три набора независимых переменных демографические, покупательское поведение психологические. Зависимая переменная представляет собой индекс посещения магазина без определенной цели, индекс (browsing index). Методом ступенчатой включающей все три набора переменных, выявлено, что демографические факторы — наиболее сильные предикторы, определяющие поведение покупателей, не преследующих конкретных целей. Окончательное уравнение регрессии, 20 из 36 возможных переменных, включало все демографические переменные. В следующей таблице приведены коэффициенты регрессии, стандартные ошибки коэффициентов, а также их уровни значимости. [c.668]
С помощью парной регрессии устанавливается математическая зависимость (в виде уравнения) между метрической зависимой (критериальной) переменной и метрической независимой переменной (предиктором). Уравнение описывает прямую линиию, и для его вывода используют метод наименьших В случае построения регрессии с нормированными данными отрезок, отсекаемый на оси OY, принимает значение, равное 0, и коэффициенты регрессии называют взвешенными Силу тесноты связи измеряют ко-детерминации который получают, вычисляя отношение к Стандартную ошибку уравнения регрессии используют для оценки точности предсказания, и ее можно интерпретировать как род средней ошибки, сделанной при теоретическом предсказании Y, исходя из уравнения регрессии. [c.678]
Т — год. Для выполнения регрессионного анализа можно использовать средства электронных таблиц MS Ex el. При этом в первый столбец вводят годы, а во второй столбец — соответствующие значения логарифма DPS, и после выполнения операции регрессия получают отчет, включающий значения коэффициентов, а также их стандартные ошибки — среднеквадратические отклонения. Темп прироста дивидендов подсчитывают как q = eb — 1, где е — основание натуральных логарифмов. [c.188]
Смотреть страницы где упоминается термин Стандартная ошибка коэффициента регрессии
: [c.109] [c.118] [c.139] [c.174] [c.353] [c.655] [c.176] [c.650] [c.675] [c.179] [c.40] [c.246] [c.247]Маркетинговые исследования Издание 3 (2002) -- [ c.650 ]