PPt4Web Хостинг презентаций

Главная / Обществознания / Множественный регрессионный анализ
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: Множественный регрессионный анализ


Скачать эту презентацию

Презентация на тему: Множественный регрессионный анализ


Скачать эту презентацию

№ слайда 1 необъясненная часть значения у (или возмущение) Множественная регрессия – это ур
Описание слайда:

необъясненная часть значения у (или возмущение) Множественная регрессия – это уравнение связи с несколькими независимыми переменными: Множественный регрессионный анализ часть значения у, которая объяснена уравнением регрессии с несколькими факторами

№ слайда 2 Построение уравнения регрессии 1. Постановка задачи Данные наблюдений xpn … x2n
Описание слайда:

Построение уравнения регрессии 1. Постановка задачи Данные наблюдений xpn … x2n x1n yn n … … … … … … xp2 … x22 x12 y2 2 xp1 … x21 x11 y1 1 xp … x2 x1 y По имеющимся данным n наблюдений за совместным изменением параметров y, xj и ((yi,xj,i); j=1, 2, ..., p; i=1, 2, ..., n) необходимо определить аналитическую зависимость ŷ = f(x1,x2,...,xp), наилучшим образом описывающую данные наблюдений. Критерий качества выбранной зависимости:

№ слайда 3 2.1. Отбор факторов, подлежащих включению в модель Требования к отбираемым факто
Описание слайда:

2.1. Отбор факторов, подлежащих включению в модель Требования к отбираемым факторам Факторы не должны быть взаимно коррелированы Факторы должны быть количественно измеримы целесообразность включения каждого нового фактора оценивается с помощью коэффициента детерминации; при возникновении необходимости добавить в уравнение качественный фактор вводится «фиктивная» переменная Пример: y – себестоимость единицы продукции x – заработная плата работника z – производительность труда 2. Спецификация модели

№ слайда 4 Парная коллинеарность и мультиколлинеарность Две переменные считаются явно колли
Описание слайда:

Парная коллинеарность и мультиколлинеарность Две переменные считаются явно коллинеарными, т.е. находятся между собой в линейной зависимости, если коэффициент интеркорреляции (корреляции между двумя объясняющими переменными) ≥ 0,7. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из уравнения. Мультиколлинеарность – линейная зависимость между более чем двумя переменными, т.е. совокупное воздействие факторов друг на друга.

№ слайда 5 Включение в модель мультиколлинеарных факторов нежелательно по следующим причина
Описание слайда:

Включение в модель мультиколлинеарных факторов нежелательно по следующим причинам: затрудняется интерпретация параметров множественной регрессии; параметры линейной регрессии теряют экономический смысл; оценки параметров не надежны, имеют большие стандартные ошибки и меняются с изменением количества наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.

№ слайда 6 Оценка мультиколлинеарности Для оценки мультиколлинеарности используется определ
Описание слайда:

Оценка мультиколлинеарности Для оценки мультиколлинеарности используется определитель матрицы парных коэффициентов интеркорреляции: (!) Если факторы не коррелируют между собой, то матрица коэффициентов интеркорреляции является единичной, поскольку в этом случае все недиагональные элементы равны 0. Например, для уравнения с тремя переменными

№ слайда 7 (!) Если между факторами существует полная линейная зависимость и все коэффициен
Описание слайда:

(!) Если между факторами существует полная линейная зависимость и все коэффициенты корреляции равны 1, то определитель такой матрицы равен 0. Чем ближе к 0 определитель матрицы коэффициентов интеркорреляции, тем сильнее мультиколлинеарность и ненадежнее результаты множественной регрессии. Чем ближе к 1 определитель матрицы коэффициентов интеркорреляции, тем меньше мультиколлинеарность факторов.

№ слайда 8 Способы преодоления мультиколлинеарности факторов: исключение из модели одного и
Описание слайда:

Способы преодоления мультиколлинеарности факторов: исключение из модели одного или нескольких факторов; переход к совмещенным уравнениям регрессии, т.е. к уравнениям, которые отражают не только влияние факторов, но и их взаимодействие. Например, если , то можно построить следующее совмещенное уравнение: переход к уравнениям приведенной формы (в уравнение регрессии подставляется рассматриваемый фактор, выраженный из другого уравнения).

№ слайда 9 2. Спецификация модели 2.2. Выбор формы уравнения регрессии Линейная регрессия Л
Описание слайда:

2. Спецификация модели 2.2. Выбор формы уравнения регрессии Линейная регрессия Линеаризуемые регрессии Степенная регрессия Экспоненциальная регрессия Гиперболическая регрессия

№ слайда 10 Например, зависимость спроса на товар (Qd) от цены (P) и дохода (I) характеризуе
Описание слайда:

Например, зависимость спроса на товар (Qd) от цены (P) и дохода (I) характеризуется следующим уравнением: Qd = 2,5 - 0,12P + 0,23 I. Коэффициенты данного уравнения говорят о том, что при увеличении цены на единицу, спрос уменьшится в среднем на 0,12 единиц, а при увеличении дохода на единицу, спрос возрастет в среднем 0,23 единицы. Например, зависимость выпуска продукции Y от затрат капитала K и труда L: говорит о том, что увеличение затрат капитала K на 1% при неизменных затратах труда вызывает увеличение выпуска продукции Y на 0,23%. Увеличение затрат труда L на 1% при неизменных затратах капитала K вызывает увеличение выпуска продукции Y на 0,81%.

№ слайда 11 или Отсюда получаем систему уравнений: 3. Оценка параметров модели 3.1. МНК
Описание слайда:

или Отсюда получаем систему уравнений: 3. Оценка параметров модели 3.1. МНК

№ слайда 12 где ∆ – определитель системы: ∆a, ∆b1, ∆bp – частные определители (∆j) , которые
Описание слайда:

где ∆ – определитель системы: ∆a, ∆b1, ∆bp – частные определители (∆j) , которые получаются из основного определителя путем замены j-го столбца на столбец свободных членов Решение системы уравнений с помощью метода определителей:

№ слайда 13 3. Оценка параметров модели 3.2. Метод оценки параметров через стандартизованные
Описание слайда:

3. Оценка параметров модели 3.2. Метод оценки параметров через стандартизованные коэффициенты β Уравнение регрессии в стандартизованном (нормированном) масштабе: где , - стандартизованные переменные β - стандартизованные коэффициенты регрессии. β-коэффициенты показывают, на сколько сигм (средних квадратических отклонений) изменится в среднем результат за счет изменения соответствующего фактора xi на одну сигму при неизменном среднем уровне других факторов.

№ слайда 14 или Параметр a определяется как: Коэффициенты β определяются при помощи МНК из с
Описание слайда:

или Параметр a определяется как: Коэффициенты β определяются при помощи МНК из следующей системы уравнений методом определителей: Взаимосвязь bi и β Связь коэффициентов «чистой» регрессии bi с коэффициентами βi описывается соотношением:

№ слайда 15 yi = ŷi + εi D(y) = D(ŷ) + D(ε) (остаточная) сумма квадратов отклонений, не объя
Описание слайда:

yi = ŷi + εi D(y) = D(ŷ) + D(ε) (остаточная) сумма квадратов отклонений, не объясненная регрессией + сумма квадратов отклонений, объясненная регрессией = полная (общая) сумма квадратов отклонений 4. Проверка качества уравнения регрессии Н0: уравнение статистически не значимо

№ слайда 16 где m – число независимых переменных в уравнении регрессии; n – число единиц сов
Описание слайда:

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. F-критерий Фишера:

№ слайда 17 Частный F-критерий: - оценивает статистическую значимость присутствия каждого из
Описание слайда:

Частный F-критерий: - оценивает статистическую значимость присутствия каждого из факторов в уравнении.

Скачать эту презентацию

Презентации по предмету
Презентации из категории
Лучшее на fresher.ru