PPt4Web Хостинг презентаций

Главная / Алгебра / Проверка качества уравнения регрессии
X Код для использования на сайте:

Скопируйте этот код и вставьте его на свой сайт

X

Чтобы скачать данную презентацию, порекомендуйте, пожалуйста, её своим друзьям в любой соц. сети.

После чего скачивание начнётся автоматически!

Кнопки:

Презентация на тему: Проверка качества уравнения регрессии


Скачать эту презентацию

Презентация на тему: Проверка качества уравнения регрессии


Скачать эту презентацию



№ слайда 1 Проверка качества уравнения регрессии Коэффициент множественной корреляции: прин
Описание слайда:

Проверка качества уравнения регрессии Коэффициент множественной корреляции: принимает значения в диапазоне 0 ≤ R ≤ 1. Чем ближе он к 1, тем теснее связь результативного признака со всем набором исследуемых факторов. Линейный коэффициент множественной корреляции (совокупный): Нелинейный квази-коэффициент детерминации:

№ слайда 2 Скорректированный (улучшенный) коэффициент множественной детерминации где n – чи
Описание слайда:

Скорректированный (улучшенный) коэффициент множественной детерминации где n – число наблюдений, m – число параметров при переменных х. Чем больше величина m, тем больше различия между коэффициентом множественной детерминации и скорректированным коэффициентом. Чем больше объем совокупности, по которой исчислена регрессия, тем меньше различия между данными коэффициентами.

№ слайда 3 Оценка значимости уравнения множественной регрессии (F-критерий): Н0: уравнение
Описание слайда:

Оценка значимости уравнения множественной регрессии (F-критерий): Н0: уравнение статистически не значимо где m – число независимых переменных в уравнении регрессии; n – число единиц совокупности. Если Fфакт > Fтабл, то Н0 о случайной природе связи отклоняется и признается статистическая значимость и надежность уравнения. Если Fфакт < Fтабл, то Н0 не отклоняется и признается статистическая незначимость уравнения регрессии.

№ слайда 4 Частный F-критерий: оценивает статистическую значимость присутствия каждого из ф
Описание слайда:

Частный F-критерий: оценивает статистическую значимость присутствия каждого из факторов в уравнении - коэффициент множественной детерминации для модели с полным набором факторов; - тот же показатель, но без включения в модель фактора х1; n – число наблюдений; m – число параметров при переменных х.

№ слайда 5 t-критерий Стьюдента: где mbi – средняя квадратическая ошибка коэффициента регре
Описание слайда:

t-критерий Стьюдента: где mbi – средняя квадратическая ошибка коэффициента регрессии bi, она может быть определена по формуле: или

№ слайда 6 Частная корреляция Частные коэффициенты (или индексы) корреляции характеризуют т
Описание слайда:

Частная корреляция Частные коэффициенты (или индексы) корреляции характеризуют тесноту связи между результатом и соответствующим фактором при устранении влияния других факторов, включенных в модель: При i=1 формула примет вид:

№ слайда 7 Частная корреляция первого порядка – когда фиксируется теснота связи двух переме
Описание слайда:

Частная корреляция первого порядка – когда фиксируется теснота связи двух переменных при устранении влияния одного фактора: (точка отделяет фактор, значение которого элиминируется (закрепляется на неизменном уровне)). Частная корреляция второго и т.д. порядка – когда фиксируется теснота связи двух переменных при устранении влияния двух и более факторов, например: - частная корреляция второго порядка при постоянном действии факторов х2 и х3; - частная корреляция четвертого порядка при постоянном действии факторов х2, х3, х4, х5.

№ слайда 8 Коэффициенты частной корреляции более высоких порядков можно найти через коэффиц
Описание слайда:

Коэффициенты частной корреляции более высоких порядков можно найти через коэффициенты частной корреляции более низких порядков по рекуррентной формуле: При i=1 и двух факторах формула примет вид: При i=2 и двух факторах:

№ слайда 9 Предпосылки метода наименьших квадратов Требования, предъявляемые к ε: Несмещенн
Описание слайда:

Предпосылки метода наименьших квадратов Требования, предъявляемые к ε: Несмещенность – означает, что математическое ожидание остатков равно нулю: т.е. при большом числе наблюдений остатки не будут накапливаться и найденный параметр регрессии b можно рассматривать как среднее значение из возможного большого количества несмещенных оценок. Если оценки обладают свойством несмещенности, то их можно сравнивать по разным выборкам. 2.Эффективность – оценки считаются эффективными, если они характеризуются наименьшей дисперсией. 3.Состоятельность – характеризует увеличение точности оценок с увеличением объема выборки.

№ слайда 10 Предпосылки метода наименьших квадратов: случайный характер остатков; нулевая ср
Описание слайда:

Предпосылки метода наименьших квадратов: случайный характер остатков; нулевая средняя величина остатков, не зависящая от х; гомоскедастичность; отсутствие автокорреляции остатков; нормальное распределение остатков.

№ слайда 11 1. Случайный характер остатков Если на графике нет направленности в расположении
Описание слайда:

1. Случайный характер остатков Если на графике нет направленности в расположении точек, то остатки представляют собой случайные величины и МНК оправдан.

№ слайда 12 Остатки не случайны: Остатки не имеют постоянной дисперсии: Остатки носят систем
Описание слайда:

Остатки не случайны: Остатки не имеют постоянной дисперсии: Остатки носят систематический характер:

№ слайда 13 2. Нулевая средняя величина остатков, не зависящая от х: Если расположение остат
Описание слайда:

2. Нулевая средняя величина остатков, не зависящая от х: Если расположение остатков на графике не имеет направленности, то они независимы от значений х. Если же график показывает наличие зависимости, то модель неадекватна.

№ слайда 14 3. Гомоскедастичность Гомоскедастичность – это однородность относительно дисперс
Описание слайда:

3. Гомоскедастичность Гомоскедастичность – это однородность относительно дисперсии, т.е. дисперсия остатков одинакова для каждого значения х. Если это условие применения МНК не соблюдается, то имеет место гетероскедастичность (неоднородность относительно дисперсии). Дисперсия остатков растёет по мере увеличения х: Дисперсия остатков достигает максимальной величины при средних значениях х Максимальная дисперсия остатков при малых значениях х

№ слайда 15 Методы проверки предпосылки МНК о гомоскедастичности остатков: Тест Гольдфельда-
Описание слайда:

Методы проверки предпосылки МНК о гомоскедастичности остатков: Тест Гольдфельда-Квандта Тест ранговой корреляции Спирмена Тест Глейзера и другие.

№ слайда 16 4. Отсутствие автокорреляции остатков Под автокорреляцией остатков понимают зави
Описание слайда:

4. Отсутствие автокорреляции остатков Под автокорреляцией остатков понимают зависимость распределения значений остатков друг от друга. Это означает наличие корреляции между остатками текущих и предыдущих (последующих) наблюдений. Если этот коэффициент окажется существенно отличным от нуля, то остатки автокоррелированны.

№ слайда 17 Обобщенный метод наименьших квадратов (ОМНК)
Описание слайда:

Обобщенный метод наименьших квадратов (ОМНК)

№ слайда 18
Описание слайда:

№ слайда 19
Описание слайда:

Скачать эту презентацию


Презентации по предмету
Презентации из категории
Лучшее на fresher.ru