АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Требования к факторам, включаемым в модель множественной регрессии

Читайте также:
  1. C) екі факторлы модель
  2. GAP модель: (модель разрывов)
  3. I. Значение владения движимыми вещами (бумагами на предъявителя и правами требования как вещами)
  4. II Требования к содержанию и оформлению работ
  5. II. Общие требования безопасности
  6. II. Общие требования и правила оформления текстов исследовательских работ.
  7. II. Требования к структуре образовательной программы дошкольного образования и ее объему
  8. III. Основные требования, предъявляемые к документам
  9. III. Требования к оформлению
  10. III. ТРЕБОВАНИЯ К РЕЗУЛЬТАТАМ ОСВОЕНИЯ СОДЕРЖАНИЯ ДИСЦИПЛИНЫ
  11. IV. Единые требования к использованию и сохранности учебников для учеников и их законных представителей
  12. V. Требования к подготовке и оформлению конкурсной работы

Простейшая функция для построения множественной регрессионной модели – линейная: y = a + b1x1 + b2x2 +…+ bkxk +ε. Множественная регрессия широко используется в решении проблем спроса, доходности акций, при изучении функции издержек производства, в макроэкономических расчетах и целого ряда других вопросов эконометрики. В настоящее время множественная регрессия – один из наиболее распространенных методов в эконометрике. Основная цель – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также их совокупное воздействие на моделируемый показатель. Требования, предъявляемые к факторам, для включения в модель:1. Они должны быть количественно измеримы. Если необхо­димо включить в модель качественный фактор, не имеющий количественного измерения, то ему нужно придать количествен­ную определенность. 2. Факторы не должны быть интеркоррелированы и тем более находиться в точной функциональной связи.Включение в модель факторов с высокой интеркорреляцией, когда Ryx1<Rx1x2 для зависимости y = a + b1x1 + b2x2 + ε может привести к нежелательным последствиям - система нормальных уравнений может оказаться плохо обусловленной и повлечь за собой неустойчивость и ненадежность оценок коэффициентов регрессии.Если между факторами существует высокая корреляция, то нельзя определить их изолированное влияние на результативный показатель и параметры уравнения регрессии оказываются неинтерпретируемыми. 3. Включаемые во множественную регрессию факторы должны объяснить вариацию независимой переменной. Если строится модель с набором р факторов, то для нее рассчитывается показатель детерминации R2, который фиксирует долю объясненной ва­риации результативного признака за счет рассматриваемых в ре­грессии р факторов. Влияние других, не учтенных в модели фак­торов, оценивается как 1— R2 с соответствующей остаточной дисперсией S2.При дополнительном включении в регрессию р+1 фактора коэффициент детерминации должен возрастать, а остаточная дисперсия уменьшаться:

R2p+1 R2p и S2p+1 S2p. Если же этого не происходит и данные показатели практиче­ски мало отличаются друг от друга, то включаемый в анализ фак­тор xp+1 не улучшает модель и практически является лишним фактором.

 


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |

Поиск по сайту:

Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.003 сек.)