В литературе представлены примеры сравнения моделей множественной регрессии. Для сравнения факторных моделей разработаны методы трансформационного анализа. К сожалению, последние не нашли применения в экономическом анализе. [c.117]
С помощью модели множественной регрессии получаем для этого набора данных следующее уравнение рефессии [c.127]
Построение моделей множественной регрессии включает несколько этапов [c.117]
Классическая нормальная линейная модель множественной регрессии [c.82]
Как уже отмечено в 4.1, модель (4.2), удовлетворяющая приведенным предпосылкам 1—6, называется классической нормальной линейной моделью множественной регрессии если же среди приведенных не выполняется лишь предпосылка 5 о нормальном законе распределения вектора возмущений е, то модель (4.2) называется просто классической линейной моделью множественной регрессии. [c.87]
Как и в случае парной регрессионной модели (см 3.6), в модели множественной регрессии общая вариация Q — сумма квадратов отклонений зависимой переменной от средней (3.41) может быть разложена на две составляющие [c.102]
В предыдущих главах была изучена классическая линейная модель регрессии, приведена оценка параметров модели и проверка статистических гипотез о регрессии. Однако мы не касались некоторых проблем, связанных с практическим использованием модели множественной регрессии. К их числу относятся мультиколлинеарность, ее причины и методы устранения использование фиктивных переменных при включении в регрессионную модель качественных объясняющих переменных, линеаризация модели, вопросы частной корреляции между переменными. Изучению указанных проблем посвящена данная глава. [c.108]
Обобщенная линейная модель множественной регрессии [c.150]
Убедимся в том, что модель (7.11) удовлетворяет всем требованиям классической линейной модели множественной регрессии ( 4.2) [c.153]
Как было отмечено в 7.1, b — несмещенная и состоятельная оценка параметра р для обобщенной линейной модели множественной регрессии следовательно, и в частном случае, когда мо- [c.156]
Сводный расчет всех коэффициентов модели множественной регрессии для I, II и III групп управлений приведен в табл. 90. [c.182]
Величина среднего лага модели множественной регрессии определяется по формуле средней арифметической взвешенной [c.141]
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]
Назовите, в чем состоит спецификация модели множественной регрессии. [c.175]
Сформулируйте требования, предъявляемые к факторам для включения их в модель множественной регрессии. [c.175]
Каково назначение частной корреляции при построении модели множественной регрессии [c.176]
Зная величины р -, с помощью стандартных формул можно определить еще две важные характеристики модели множественной регрессии величину среднего лага и медианного лага. Средний лаг определяется по формуле средней арифметической взвешенной , [c.293]
Лаг 19, 230, 291, 293, 297, 307, 309 Лаговые переменные 291, 307, 311 Линеаризация 62-63, 66, 69-71, 103 Линейная модель множественной регрессии 90 Линейность 15-16, 70-71 Ложная корреляция 19, 222 [c.339]
Тема 3. Модель множественной регрессии. [c.15]
Фиктивные переменные в модели множественной регрессии. [c.15]
F-критерий Фишера модели множественной регрессии [c.17]
Частный F-критерий Фишера модели множественной регрессии для [c.17]
Почему необходимо часто строить модель множественной регрессии [c.18]
Пример построения модели множественной регрессии и оценка ее [c.18]
Рассчитайте модель множественной регрессии и оцените спрос на деньги [c.22]
Расчетно-статистическим методом нормы определяются путем анализа статистических фактических данных о расходе ТЭР и факторов, влияющих на их использование. Основным недостатком используемых экономико-статистических моделей (экстраполяция динамических рядов и модели множественной регрессии) является невозможность в прямом виде учесть глубокие структурные изменения в перспективе. В последнее время сделано несколько попыток в направлении дополнения классических экономико-статистических моделей способами, позволяющими заложить в модели качественную информацию о перспективе поведения того или иного экономического показателя [27, 9]. [c.119]
Таким образом, мы имеем пять уравнений с пятью неизвестными. Решим эту систему уравнений, используя ту же матричную алгебру, что и в гл. 6 при решении систем уравнений для модели множественной регрессии. Однако здесь задача более проста, так как матрица П симметрична, она имеет размер 5x5. [c.449]
В главе 7 представлены обобщенная линейная модель множественной регрессии и обобщенный метод наименьших квадратов. Исследуется комплекс вопросов, связанных с нарушением предпосылок классической модели регрессии — гетероскедастично-стью и автокоррелированностью остатков временного ряда, их тестированием и устранением, идентификацией временного ряда. [c.4]
Как уже отмечалось выше, равенство дисперсий возмущений (ошибок) регрессиии е/ (гомоскедастичность) является существенным условием линейной классической регрессионной модели множественной регрессии, записываемым в виде У е [c.155]
Как и в случае любой обобщенной модели множественной регрессии, метод наименьших квадратов при наличии коррели-рованности ошибок регрессии дает несмещенные и состоятельные (хотя, разумеется, неэффективные) оценки коэффициентов [c.169]
Значения -коэффициента заключены в интервале [—<ю, оо]. Положительное значение / -коэффициента указывает на то, что фактор Xj влияет на х, таким образом, что при изменении Xj в одном направлении (допустим, увеличении) признак х, изменяется в этом же направлении. Отрицательное значение показывает, что Xj и Xj изменяются противоположно. Знак коэффициента влияния получается автоматически в результате решения системы уравнений, связывающей ГуНрд. Содержательная интерпретация коэффициентов влияния Райта как показателей интенсивности влияния по дуге графа аналогична интерпретации / -коэффициентов (как показателей сравнительной силы воздействия факторов) в обычных моделях множественной регрессии. [c.218]
Классическая линейная модель множественной регрессии (КЛММР). Оценка неизвестных параметров КЛММР, статистические свойства оценок. Отбор наиболее существенных объясняющих переменных в КЛММР. Признаки и причины мультиколлинеарности. Методы устранения мультиколлинеарности. Множественная корреляция. Частная корреляция. Оценка [c.3]
Обобщённая линейная модель множественной регрессии (ОЛММР). [c.4]
Общий вывод таков лучше использовать несколько методов прогнозирования, а не ограничиваться каким-то одним. В первую очередь, стоит подумать о Делъфи, подкрепляя этот метод анализом временных рядов и скользящими средними. Чтобы объяснить некоторые из полученных тенденций, можно воспользоваться барометрическим подходом (чтобы специально посмотреть, как продажи продукта связаны с покупками потребителей, как-то продажи экскаваторов и строительство новых домов). В несколько более длительной перспективе по причине использования ресурсов выгоднее один раз построить простую модель множественной регрессии и использовать ее с помощью любого табличного процессора, такого как Lotus 1-2-3. [c.211]
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]
Смотреть страницы где упоминается термин Модель множественной регрессии
: [c.38] [c.82] [c.150] [c.63] [c.15] [c.18] [c.20] [c.20] [c.20] [c.21] [c.33] [c.223]Смотреть главы в:
Эконометрика начальный курс -> Модель множественной регрессии