- 1
- 2
- 3
- 4
- 5
- . . .
- последняя »
математической статистики и методов обработки данных. Регрессионный анализ базируется на ряде предположений и предпосылок, нарушение которых приводит к некорректному его использованию и ошибочной интерпретации результатов.
Если F-критерий и показал, что подгонка модели в целом является удовлетворительной; целесообразно провести анализ остатков для проверки соблюдений предпосылок и предположений.
В этом случае исследуется набор отклонений между экспериментальными и предсказанными значениями зависимой переменной, . Проверка предпосылок и предположений регрессионного анализа включает в себя следующие задачи:
1) оценка случайности зависимой переменной;
2) оценка стационарности и эргодичности зависимых и независимых переменных;
3) Проверка гипотезы о нормальности распределения ошибок E;
4) Обнаружение выбросов;
5) Проверка постоянства математического ожидания и дисперсии ошибок;
6) Оценка коррелированности остатков;
7) Обнаружение мультиколлинеарности. 1.2.1 Проверка случайности
Построение моделей методом множественного регрессионного анализа требуется выполнение предположения случайности и в нормальной линейной модели видагде – вектор наблюдений зависимой переменной;
– матрица наблюдений независимых переменных;
– вектор неизвестных коэффициентов;
– вектор ошибок.Задача проверки случайности может быть разбита на 2 подзадачи:
1) проверка случайности собственной величины Y;
2) проверка случайности выборки, то есть допущения об отсутствии существенного смещения средней величины во времени.
Первая подзадача решается с использованием критерия серий. Для этой цели последовательность наблюдений величины Y представляют последовательностью нулей и единиц, где единицей обозначают значение, превышающее среднее или медиану, и нулем, собственно, значение меньшее медианы. После обозначения вектор наблюдений преобразуется в последовательность серий где – количество подряд идущих элементов одного вида, i – номер серии.
Доказано, что при распределение величины r близится к нормальному с характеристикамиТогда с вероятностью 0,954 теоретическое число серий r будет находиться в пределах Если фактическое значение попадает в указанные пределы, то Y можно считать случайной величиной.
Серией называется последовательность наблюдаемых значений, перед которыми и после которых расположены наблюдаемые значения другой категории. Если последовательность N наблюдений представляет собой независимые наблюденные значения одной и той же случайной величины, т.е. вероятность знаков (+) и (–) не меняется от одного наблюдения к другому, то выборочное распределение числа серий в последовательности есть случайная величина r со средним значением (3.1) и дисперсией (3.2) Здесь – число наблюдений со знаком (+), – число наблюдений со знаком (–).
Когда соотношения (3.1) и (3.2) принимают видДля решения второй подзадачи используется метод последовательных разностей. Элементы исследуемой выборки располагаются в порядке получения наблюдений и для них вычисляются выборочные среднее и дисперсияОпределяют разности между соседними наблюдениямии математическое ожидание квадрата разностигде – оценка генеральной дисперсии.
Фактическая величина критерия
- 1
- 2
- 3
- 4
- 5
- . . .
- последняя »
Похожие работы
Тема: Основы практического использования прикладного регрессионного анализа |
Предмет/Тип: Экономика отраслей (Курсовая работа (т)) |
Тема: Методика регрессионного анализа |
Предмет/Тип: Математика (Контрольная работа) |
Тема: Выполнение корреляционного и регрессионного анализа |
Предмет/Тип: Финансовый менеджмент, финансовая математика (Контрольная работа) |
Тема: Проведение регрессионного и дисперсионного анализа |
Предмет/Тип: Эктеория (Курсовая работа (т)) |
Тема: Cтатистическая надежность регрессионного моделирования |
Предмет/Тип: Экономика отраслей (Контрольная работа) |
Интересная статья: Основы написания курсовой работы