Эконометрический анализ при нарушении классических модельных предположений
Парная регрессия и корреляция 21.Рассматривая линейную зависимость между признаками, прежде всего, выделяют типы связей: - Функциональные – характеризуются полным соответствием между изменением факторного признака и изменением результативной величины: каждому значению признака-фактора соответствует вполне определенные значения результативного признака. - Корреляционные – между изменением двух признаков нет полного соответствия, воздействия отдельных факторов проявляется лишь в среднем, при массовом наблюдении фактических данных. 22. К показателям, значения которых свидетельствуют о присутствии или отсутствии линейной связи между переменными относятся коэффициенты линейной (парной) и множественной корреляции. 23. Основная задача корреляционного анализа заключается в выявлении взаимосвязи между случайными переменными путем: точечной и интервальной оценки парных коэффициентов корреляции, вычисления и проверки значимости множественных коэффициентов корреляции и детерминации. 24. Ковариация – это статистическая мера взаимодействия двух переменных. 25. Дисперсия (оценка дисперсии) характеризуют: 26. Для качественной оценки коэффициента корреляции применяются различные шкалы, наиболее известной из которых является специальная шкала значений коэффициентов корреляции – шкала Чеддока. 27. В зависимости от объема выборочной совокупности различают методы оценки существенности линейного коэффициента корреляции: при малых объемах выборки выполняется с использованием t-критерия Стьюдента. 28. В многомерном корреляционном анализе рассматривается задачи: 1) Определение тесноты связи одной случайной величины с совокупностью остальных величин, включенных в анализ. 2) Определение тесноты связи между двумя величинами при фиксировании или исключении влияния остальных величин. 29. Квадрат коэффициента множественной корреляции принято называть: выборочным множественным коэффициентом детерминации. 30. Коэффициент множественной корреляции принимает значения от 0 до 1. 31. Проверка значимости коэффициента детерминации осуществляется путем сравнения с табличным Fтабл.: расчетного значения F – критерия Фишера. 32. При отклонении парной статистической зависимости от линейной коэффициент корреляции оценивается измерителем связи: индекс корреляции (корреляционное отношение). Модели множественной линейной регрессии 33. Для оценки параметров регрессионного уравнения используют: метод наименьших квадратов (МНК) дает оценки, имеющие наименьшую дисперсию в классе всех линейных оценок. 34. Для того чтобы регрессионный анализ давал наилучшие из всех возможных результаты, должны выполняться условия: условия Гаусса-Маркова. 35. Для оценки качества регрессионных моделей используется: коэффициент множественной корреляции (индекс корреляции). Эконометрический анализ при нарушении классических модельных предположений 36. Процесс, при котором факторы одновременно воздействуют друг на друга, определяется как: 37. Для определения наличия или отсутствия мультиколлинеарности применяют следующие способы: анализ матрицы коэффициентов парной корреляции; исследование матрицы. 38. Методы устранения или уменьшения мультиколлинеарности являются использование стратегии шагового отбора. 39. Содержательная оценка качества уравнения модели множественной регрессии состоит в проверке наличия экономического смысла в размере и характере влияния на исследуемый показатель каждого из объясняющих факторов, является самым ответственным этапом, завершающим регрессионный анализ. 40. Проверка статистического качества полученного уравнения модели множественной регрессии предполагает оценку : общего качества уравнения; статистической зависимости каждого параметра уравнения; наличие автокорреляции остатков. 41. Качество модели множественное регрессии оценивается по следующим направлениям: · проверка качества уравнения регрессии; · проверка значимости уравнения регрессии; · анализ статистической значимости параметров модели; · проверка выполнения предпосылок МНК. 42. При проверке адекватности уравнения множественной регрессии исследуемому процессу возможны следующие варианты:стр.62 43. Наличие (отсутствие) автокорреляции в отклонениях модели проверяют с помощью:dw-критерия Дарбина-Уотсона(стр.63) 44. При сравнении расчетного значения dw-статистики с табличным могут возникнуть такие ситуации:с 64 45. Тест Дарбина − Уотсона можно применять только в том случае, если выполняются следующие условия: 1) в регрессионном уравнении присутствует свободный член; 2) регрессоры являются нестохастическими; 3) в регрессионном уравнении нет лаговых значений зависимой переменной. 46. Для обнаружения гетероскедастичности обычно используют тесты о зависимости между дисперсией случайного члена и объясняющей переменной: ü тест Голдфельда-Квандта; ü тест ранговой корреляции Спирмена; ü двусторонний критерий Фишера; ü тест Глейзера и др.
Популярное: Как распознать напряжение: Говоря о мышечном напряжении, мы в первую очередь имеем в виду мускулы, прикрепленные к костям ... Генезис конфликтологии как науки в древней Греции: Для уяснения предыстории конфликтологии существенное значение имеет обращение к античной... Как построить свою речь (словесное оформление):
При подготовке публичного выступления перед оратором возникает вопрос, как лучше словесно оформить свою... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (418)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |