Содержание
- 2. Множественная регрессия – это уравнение статистической связи с несколькими независимыми переменными: y = f(x1, x2, …,
- 3. Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям: Они должны быть количественно измеримы. Если необходимо
- 4. Считается, что две переменные явно коллинеарны, т.е. находятся между собой в линейной зависимости, если Если факторы
- 5. Пусть, например, при изучении зависимости матрица парных коэффициентов корреляции оказалась следующей Очевидно, что факторы х1 и
- 6. Включение в модель мультиколлинеарных факторов нежелательно в силу следующих последствий: 1) Затрудняется интерпретация параметров множественной регрессии
- 7. Если бы факторы не коррелировали между собой, то матрица парных коэффициентов корреляции между факторами была бы
- 8. Одним из путей учета внутренней корреляции факторов является переход к совмещенным уравнениям регрессии, т.е. к уравнениям,
- 9. Наиболее широкое применение получили следующие методы построения уравнения множественной регрессии: Метод исключения – отсев факторов из
- 10. Метод наименьших квадратов (МНК). Свойства оценок на основе МНК В линейной множественной регрессии параметры при Х
- 11. Имеем функцию аргумента: Находим частные производные первого порядка:
- 12. После элементарных преобразований приходим к системе линейных нормальных уравнений для нахождения параметров линейного уравнения множественной регрессии
- 13. МНК применим и к уравнению множественной регрессии в стандартизированном масштабе: (4) где – стандартизированные переменные: для
- 14. Применяя МНК к уравнению множественной регрессии в стандартизированном масштабе, получим систему нормальных уравнений вида (5) Где
- 15. Коэффициенты «чистой» регрессии связаны со стандартизованными коэффициентами регрессии следующим образом: (6) Поэтому можно переходить от уравнения
- 16. При подстановке в эти уравнения средних значений соответствующих факторов они принимают вид парных уравнений линейной регрессии,
- 18. Скачать презентацию