Общие условия выбора системы дренажа: Система дренажа выбирается в зависимости от характера защищаемого...
Поперечные профили набережных и береговой полосы: На городских территориях берегоукрепление проектируют с учетом технических и экономических требований, но особое значение придают эстетическим...
Топ:
Особенности труда и отдыха в условиях низких температур: К работам при низких температурах на открытом воздухе и в не отапливаемых помещениях допускаются лица не моложе 18 лет, прошедшие...
Оценка эффективности инструментов коммуникационной политики: Внешние коммуникации - обмен информацией между организацией и её внешней средой...
Интересное:
Наиболее распространенные виды рака: Раковая опухоль — это самостоятельное новообразование, которое может возникнуть и от повышенного давления...
Принципы управления денежными потоками: одним из методов контроля за состоянием денежной наличности является...
Уполаживание и террасирование склонов: Если глубина оврага более 5 м необходимо устройство берм. Варианты использования оврагов для градостроительных целей...
Дисциплины:
2017-11-28 | 588 |
5.00
из
|
Заказать работу |
|
|
Не включенные в модель и, соответственно, неучтенные в ней прочие факторы могут составить значительную долю в общей вариации результативного признака. Эта недостача в определенной мере учитывается коэффициентом .
Многофакторный регрессионный анализ решает три задачи:
1) определяет специфику модели – вид функции неслучайных переменных , включенных в модель;
2) выявляет тесноту связи между факторами;
3) устанавливает влияние отдельных факторов на результативный признак.
При отборе факторов модели представляет интерес матрица коэффициентов парной корреляции
В случае линейной зависимости множественной регрессии исследуется так же расширенная матрица
Элементы матриц и позволяют сделать отбор факторов и определить их минимальное, но достаточное количество для описания результативной переменной.
Многофакторная модель линейной регрессии может быть представлена как
или в матричном виде , где
Факторы, включаемые в модель, должны быть количественно измеримы. Так, если фактор изначально качественный, то ему нужно придать количественную определенность. Подобная ситуация возникает, когда при построении регрессионных моделей помимо количественных переменных необходимо отразить и некоторые атрибутивные признаки (регион, образование, пол и т.д.). Такого рода переменные называются качественными или фиктивными. Они отражают неоднородность статистической совокупности и используются для более качественного моделирования по совокупности неоднородных объектов наблюдения. Учет влияния фиктивных переменных осуществляется с помощью булевых переменных, которые могут принимать только одно из двух возможных значений: 0 или 1.
|
Однако в некоторых случаях бывает целесообразно разделить неоднородную совокупность на однородные и применять моделирование к отдельным однородным совокупностям данных.
Пример. Пусть эконометрическая модель включает такие факторы: а) пол работника (мужской, женский); б) уровень образования (среднее, высшее); в) категория жилья (общежитие, отдельная квартира); г) социальный статус (замужем, не замужем); д) стаж работы (лет, месяцев); е) среднемесячная зарплата; ж) величина прожиточного минимума в регионе. Какие из этих факторов являются количественными, а какие качественными?
Ответ. Первые четыре фактора являются качественными, поскольку не могут быть измерены. Последние три, напротив, могут быть измерены и потому являются количественными.
Пример. При продаже-покупке квартиры в городе ее цена y может зависеть от полезной площади x и таких качественных факторов как: – дом кирпичный, – дом панельный. Придадим качественным (фиктивным) переменным количественное значение:
Теперь уравнение регрессии можно представить в виде . Пусть теоретическая функция регрессии (цена квартиры) имеет вид тогда цены отдельных типов квартир даются формулами: – дом кирпичный; – дом панельный.
Важное требование, предъявляемое к эффективности линейной эконометрической модели, состоит в том, что взаимодействия фактора x и фиктивных переменных быть не должно. В противном случае анализ зависимости результата от факторов сильно усложняется, а уравнение регрессии принимает вид Аппроксимация зависимости при корреляции и фиктивной переменной весьма затрудняется. Эту ситуацию можно проиллюстрировать, см. рис. а) и б).
На рисунке а) схематически представлена зависимость результативного признака y от x при отсутствии связи между x и z, а на рисунке б) – при наличии такой связи.
|
Отбор факторов модели осуществляется в два этапа:
1) включаются факторы, исходя из экономической природы явления, а экономически немотивированное включение в модель факторов – нецелесообразно;
2) на основе анализа корреляционной матрицы исключаются дублирующие факторы, т.е. факторы, имеющие неслучайную связь с уже отобранными.
Следует понимать, что матрица коэффициентов парной корреляции позволяет исключить лишь явнуюколлинеарность двух факторов.
В случае линейной зависимости между факторами и результативной переменной анализ корреляционной матрицы и выборочных коэффициентов множественной корреляции исчерпывает анализ мультиколлинеарности.
|
|
Семя – орган полового размножения и расселения растений: наружи у семян имеется плотный покров – кожура...
Архитектура электронного правительства: Единая архитектура – это методологический подход при создании системы управления государства, который строится...
Наброски и зарисовки растений, плодов, цветов: Освоить конструктивное построение структуры дерева через зарисовки отдельных деревьев, группы деревьев...
Типы сооружений для обработки осадков: Септиками называются сооружения, в которых одновременно происходят осветление сточной жидкости...
© cyberpedia.su 2017-2024 - Не является автором материалов. Исключительное право сохранено за автором текста.
Если вы не хотите, чтобы данный материал был у нас на сайте, перейдите по ссылке: Нарушение авторских прав. Мы поможем в написании вашей работы!