|
|
КОЭФФИЦИЕНТЫ МНОЖЕСТВЕННОЙ ДЕТЕРМИНАЦИИ И КОРРЕЛЯЦИИ. СКОРРЕКТИРОВАННЫЙ КОЭФФИЦИЕНТ МНОЖЕСТВЕННОЙ ДЕТЕРМИНАЦИИ
· для однофакторной регрессии: · для двухфакторной регрессии: Лекция №19 ОЦЕНКА ЗНАЧИМОСТИ УРАВНЕНИЯ МНОЖЕСТВЕННОЙ РЕГРЕССИИ. ОЦЕНКА ЗНАЧИМОСТИ ФАКТОРА, ДОПОЛНИТЕЛЬНО ВКЛЮЧЕННОГО В МОДЕЛЬ РЕГРЕССИИ. ОБЩИЙ И ЧАСТНЫЙ F-КРИТЕРИИ
Тогда:
Fнабл =41,9> Fкр, следовательно, уравнение регрессии (4) статистически значимо и может быть использовано на практике.
Лекция №20 ФИКТИВНЫЕ ПЕРЕМЕННЫЕ МНОЖЕСТВЕННОЙ РЕГРЕССИИ Рассмотрим применение фиктивных переменных на примере. Пусть по данным о 20 рабочих цеха оценивается регрессия заработной платы рабочего за месяц у ($) от количественного фактора х1 – возраст рабочего (лет) и качественного фактора х2 – пол. Мы предполагаем, что у мужчин зарплата выше, чем у женщин. Введем в модель: Построим модель:
Исходные данные приведены в табл. 8. Таблица 8
Для оценки параметров модели (5) используем обычный МНК. Построим систему нормальных линейных уравнений:
В результате решения системы получим оценки:
(1,63) (6,14) (0,541);
В скобках указаны значения t -критерия.
(4,29) (4,104)
а) б)
Таблица 9
Модель регрессии будет иметь вид:
• «до 8 классов»: • «среднее»: • «специальное»: Лекция №21 ТЕСТ ЧОУ
Рис. 5. Применение теста Чоу а – объединенная регрессия; б – отдельные регрессии подвыборок
Рассмотрим применение теста Чоу на примере. Воспользуемся данными табл. 8. Пусть мы решили, что следует построить 2 отдельных уравнения регрессии для рабочих-мужчин и рабочих-женщин. Тогда оценивание объединенной регрессии и регрессий для подвыборок дает результаты, приведенные в табл. 10.
Таблица 10
Соответствующая F -статистика будет равна:
Лекция №22 НЕЛИНЕЙНАЯ МНОЖЕСТВЕННАЯ РЕГРЕССИЯ. ПРОИЗВОДСТВЕННАЯ ФУНКЦИЯ Лекция №23 ГЕТЕРОСКЕДАСТИЧНОСТЬ
Рис. 6. Корреляционное поле. Случаи гетероскедастичности
Рис. 7. Графики зависимости остатков от теоретических значений результата. Случаи гетероскедастичности
Лекция №24 АВТОКОРРЕЛЯЦИЯ
Рис. 8. Пример положительной автокорреляции Рассмотрим способы обнаружения автокорреляции остатков (а следовательно, и случайных составляющих).
Рис. 9. Обнаружение автокорреляции остатков
Для проверки основной гипотезы используется статистика критерия Дарбина-Уотсона – DW:
Рис. 10. Тест Дарбина-Уотсона на автокорреляцию Лекция №25 УСТРАНЕНИЕ АВТОКОРРЕЛЯЦИИ СЛУЧАЙНЫХ СОСТАВЛЯЮЩИХ Лекция №26 ОБОБЩЕННЫЙ МЕТОД НАИМЕНЬШИХ КВАДРАТОВ –ОМНК (GLS)
где h – число оцениваемых параметров; n – объем выборки. Лекция №27 СТОХАСТИЧЕСКИЕ ОБЪЯСНЯЮЩИЕ ПЕРЕМЕННЫЕ. ОБНАРУЖЕНИЕ КОРРЕЛЯЦИИ ОБЪЯСНЯЮЩИХ ПЕРЕМЕННЫХ И СЛУЧАЙНОЙ СОСТАВЛЯЮЩЕЙ.
Лекция №28 СИСТЕМЫ ЗКОНОМЕТРИЧЕСКИХ УРАВНЕНИЙ. ИХ ВИДЫ. СТРУКТУРНАЯ И ПРИВЕДЕННАЯ ФОРМА МОДЕЛИ
Лекция №29 ПРОБЛЕМА ИДЕНТИФИКАЦИИ. НЕОБХОДИМОЕ И ДОСТАТОЧНОЕ УСЛОВИЕ ИДЕНТИФИКАЦИИ Лекция №30   Что делать, если нет взаимности? А теперь спустимся с небес на землю. Приземлились? Продолжаем разговор...  Что вызывает тренды на фондовых и товарных рынках Объяснение теории грузового поезда Первые 17 лет моих рыночных исследований сводились к попыткам вычислить, когда этот...  ЧТО ТАКОЕ УВЕРЕННОЕ ПОВЕДЕНИЕ В МЕЖЛИЧНОСТНЫХ ОТНОШЕНИЯХ? Исторически существует три основных модели различий, существующих между...  Что способствует осуществлению желаний? Стопроцентная, непоколебимая уверенность в своем... Не нашли то, что искали? Воспользуйтесь поиском гугл на сайте:
|
.
,
;
,
.
. (4)
.
.
фиктивную переменную z, которая принимает 2 значения: 1 — если пол рабочего мужской; 0 — если пол женский.
(5)
; 
4; 
.
; 
; 
.
.
; 
; 
.
при z =1 (рабочий – мужчина);
при z =0 (рабочий – женщина).
'.
;
;
.
.
Тнабл (4,29) (4,104)
Тнабл (1,39) (6,88)
Тнабл (1,43) (6,48)
.
и 
.
X(доход)
, где 
.
.
,
где 
– дисперсия случайной составляющей, оценкой которой служит величина:
,
Рис. 11. Обнаружение корреляции x и u
