N = 2, M = 3. Для каждого уравнения n = 2. Количество исключенных переменных в первом уравнении m = 2. Тогда уравнение (13.36i) точно идентифицируемо, т. к. для него (N - п) + (М - т) = 1 = N - 1. Для уравнения (13.362) т = 1. Следовательно, для него (N - п) + (М - т) = = 2>1=N-1. Это уравнение является переопределенным. Для однозначной оценки коэффициентов функции предложения в этом случае необходимо использовать другие специальные методы (см. раздел 13.8.2). [c.325]
В уравнении (13.412) переопределенной переменной является процентная ставка г. Ее можно оценить, опираясь лишь на экзогенные переменные (например, вычитая из (13.412) соотношение (13.41i)) [c.327]
Данная замена позволяет преодолеть такую существенную проблему переопределенных моделей, как коррелированность объясняющей переменной со случайным членом (напомним, что такая коррелированность приводит к получению смещенных и несостоятельных оценок). Действительно, оценка г выражается только через экзогенные переменные и, следовательно, не коррелирует со случайным отклонением. Фактически ее можно рассматривать как новую экзогенную переменную. [c.327]
При наличии в модели более одной переопределенной переменной на первом этапе необходимо оценить все такие переменные. [c.327]
Дать определение причин и описать методы статистической корректировки данных умножение на весовой коэффициент, переопределение переменной и преобразование шкалы. [c.519]
Процедуры статистической корректировки данных включают взвешивание, переопределение переменной и преобразования шкалы. Все эти корректировки необязательны, но, применяя их, можно значительно повысить качество анализа. [c.532]
Переопределение переменной, 534 Перепись, 410 План [c.952]
Итерации делятся на большие и малые. Каждая большая итерация начинается с определения нового значения параметра z0. Затем следует серия малых итераций, во время которых значение z0 не меняется. Цель малых итераций — создать условия для возможного снижения этого значения. Ввод и вывод из базиса переменных производится так, чтобы поддерживать неотрицательность вектора q. Эта неотрицательность поддерживается и при переопределении z0. [c.85]
Другая классификация правил денежно-кредитной политики была предложена Ларсом Свенссоном, профессором Стокгольмского университета. Он провел различие между правилом денежно-кредитного инструмента и правилом таргетирования. В первом случае инструмент денежно-кредитной политики выражается как функция от экономических переменных. Классическими примерами правила денежно-кредитного инструмента выступают правило Гудхарта и правило Тэйлора. В случае правила таргетирования центральный банк стремится минимизировать значение функции потерь, которая представляет собой уравнение отклонения целевой переменной от оптимального уровня. Тем самым правило таргетирования повторяет правило денежно-кредитного инструмента, но в неявном виде. Преимущество правила таргетирования перед правилом инструмента состоит в больших дискреционных возможностях. К примеру, структурные изменения трансмиссионного механизма денежно-кредитной политики требуют переопределения правила инструмента, а правила таргетирования — нет, поскольку в последнем случае центральный банк использует инструмент по собственному усмотрению. [c.249]
Уравнение (13.412) является переопределенным (относительно переменной г) и для оценки его коэффициентов рекомендуется использовать метод инструментальных переменных (ИП). Но для этого необходимо найти соответствующие инструментальные переменные. Этот поиск позволяет осуществить деухшагоеый МНК (ДМНК). Суть [c.326]
Другим видом некорректности, грозящим спокойствию содержимого базы знаний, является так называемая переопределенность. При переопределенности одним и тем же интервальным константам, переменным и прочим не-объектам приписываются одновременно и с равным основанием противоречащие друг другу значения. Например, некоторой пропозициональной переменной одновременно приписывается значение истины и лжи. Для работы с подобными переопределенными (абсурдными) объектами также строятся специальные процедуры. Примером такой процедуры может служить четырехзначная логика, в которой каждой пропозициональной переменной приписывается одно из четырех значений истина, ложь, полная неопределенность и истина —ложь (абсурд). В последние годы исследования в области логик такого типа активно развиваются, и есть надежда, что в ближайшем будущем необходимый аппарат будет создан. [c.158]
Процедура переопределения переменной (variable заключается в преобразовании данных для создания новых переменных либо изменения существующих. [c.534]
Цель переопределения состоит в создании переменных, максимально основным задачам исследования. Предположим, что изначальной переменной был использования продукции по 10 категориям ответов. Их можно сократить до четырех категорий пользуюсь часто, средне, редко или никогда. Кроме того, исследователь может разработать индекс информационного поиска (Index of Information Sear h— IIS), представляющий собой сумму информации, которую клиенты стремятся получить от дилеров, менеджеров по продвижению товаров на рынке и из независимых источников. Можно воспользоваться коэффициентом соотношения переменных. Если, например, соизмеряется количество покупок в универмаге и количество покупок в кредит доля покупок в кредит может стать новой переменной после вычисления соотношения двух исходных переменных Другими способами переопределения переменной являются квадратного корня и логарифмические преобразования, которые часто применяются, чтобы точнее "подогнать" оцениваемую модель к основным задачам исследования. [c.534]
К важнейшим процедурам переопределения переменной относится также использование фиктивных переменных для переопределения категорий. Фиктивные переменные (dummy [c.535]
Следующий этап заключается в кодировке данных. Для обозначения конкретного варианта ответа на конкретный вопрос ему присваивается числовой или буквенный код, а также указывается позиция столбца, которую данный код будет занимать. Полезно подготовить кодиро-вочную книгу, содержащую инструкции относительно кодирования и всю необходимую информацию о переменных в этом массиве данных. Закодированные данные переносятся на диски или магнитные ленты либо вводятся в компьютер непосредственно с клавиатуры. Кроме того, для переноса данных применяются методы считывания меток или маркеров с бланков, оптическое сканирование и компьютеризированный сенсорный анализ. Очищение данных заключается в проверке их последовательности и состоятельности и в работе с пропущенными ответами. Эта работа может вестись несколькими способами заменой пропущенных значений нейтральными или условными (вмененными) значениями, методом исключения объекта целиком или попарного исключения переменных. Качество анализа данных нередко можно повысить статистическими корректировками, такими как взвешивание, переопределение переменной и преобразование шкалы. Выбор стратегии анализа данных должен основываться на результатах предыдущих этапов процесса маркетинговых исследований, на известных характеристиках данных, на конкретных свойствах выбранных для использования статистических методов, а также на уровне подготовки исследователя и его философских убеждениях. Статистические методы можно подразделить на одномерные и многомерные, [c.547]
Преобразование данных может быть использовано применительно к любой переменной с целью оценки ее значимости и/или влияния на окончательный результат. Преобразование данных может быть также использовано для выравнивания гистограмм. Наиболее распространенными видами преобразования являются логарифмическое и сигмоидное. В ходе преобразования первого типа производится сжатие масштаба высоких значений переменных, последнее же принимает во внимание выбросы. При использовании преобразований данных происходит переопределение внутреннего представления каждой переменной, и поэтому применять их следует с осторожностью. [c.277]