- Главная
- Разное
- Дизайн
- Бизнес и предпринимательство
- Аналитика
- Образование
- Развлечения
- Красота и здоровье
- Финансы
- Государство
- Путешествия
- Спорт
- Недвижимость
- Армия
- Графика
- Культурология
- Еда и кулинария
- Лингвистика
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Детские презентации
- Информатика
- История
- Литература
- Маркетинг
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Обобщенная линейная модель множественной регрессии с автокоррелированными остатками. (Лекция 5) презентация
Содержание
- 1. Обобщенная линейная модель множественной регрессии с автокоррелированными остатками. (Лекция 5)
- 2. Автокорреляция регрессионных остатков – корреляционная зависимость текущих и предыдущих значений регрессионных остатков.
- 3. Виды автокорреляции Рис. 1 Положительная автокорреляция Рис. 2 Отрицательная автокорреляция
- 4. Пример влияния автокорреляции на случайную выборку Рассмотрим
- 5. Пример влияния автокорреляции на случайную выборку
- 6. Пример влияния автокорреляции на случайную выборку
- 7. Пример влияния автокорреляции на случайную выборку
- 8. Пример влияния автокорреляции на случайную выборку
- 9. Пример влияния автокорреляции на случайную выборку
- 10. Пример влияния автокорреляции на случайную выборку
- 11. Пример влияния автокорреляции на случайную выборку
- 12. Пример влияния автокорреляции на случайную выборку
- 13. Пример влияния автокорреляции на случайную выборку
- 14. Пример влияния автокорреляции на случайную выборку
- 15. Пример влияния автокорреляции на случайную выборку
- 16. Пример влияния автокорреляции на случайную выборку
- 17. Пример влияния автокорреляции на случайную выборку
- 18. Пример влияния автокорреляции на случайную выборку
- 19. Пример влияния автокорреляции на случайную выборку
- 20. Автокорреляция первого порядка
- 21. Автокорреляция первого порядка
- 22. Обнаружение автокорреляции 1. Графический анализ статистической информации
- 23. Обнаружение автокорреляции 2. Статистика Дарбина-Уотсона
- 25. Пример исследования регрессионных остатков на автокорреляции
- 26. Исходные данные
- 27. Оценка функции регрессии
- 28. График разброса наблюдённых значений относительно линии регрессии
- 30. Вычисление статистики Дарбина-Уотсона
- 31. Рекламная пауза Контрольная работа У группы Р06-201
- 32. Дополнительные тесты Тест серий (Runs test
- 33. Тест серий Анализируем U U
- 34. Тест серий (пример реализации)
- 35. Дополнительные тесты Общий тест Бройша-Годфри
- 36. Общий тест Бройша-Годфри Шаг 1 Находим МНК-оценки
- 37. Методы устранения автокорреляции Процедура Кохрейна-Оркатта
- 38. Методы устранения автокорреляции Процедура Кохрейна-Оркатта
- 39. Методы устранения автокорреляции Процедура Кохрейна-Оркатта
- 40. Методы устранения автокорреляции Процедура Кохрейна-Оркатта
- 41. Методы устранения автокорреляции Процедура Кохрейна-Оркатта
- 43. Точечный прогноз для условного среднего и индивидуального значений результативного признака
- 44. При работе с пространственной статистической информацией,
- 45. Построим функцию регрессии в следующей форме Изменение спецификации модели как метод устранения автокорреляции
Автокорреляция регрессионных остатков – корреляционная зависимость текущих и предыдущих значений регрессионных остатков.
Слайд 2
Автокорреляция регрессионных остатков – корреляционная зависимость текущих и предыдущих значений регрессионных
остатков.
Слайд 4Пример влияния автокорреляции на случайную выборку
Рассмотрим выборку из 50 независимых
нормально распределенных
с нулевым
средним значений εi.
С целью ознакомления с влиянием
автокорреляции будем вводить в нее
положительную, а затем отрицательную
автокорреляцию.
средним значений εi.
С целью ознакомления с влиянием
автокорреляции будем вводить в нее
положительную, а затем отрицательную
автокорреляцию.
Слайд 25
Пример исследования регрессионных остатков на автокорреляции
На основе наблюдений по десяти семьям
требуется исследовать зависимость между ежегодным потреблением бананов и годовым семейным доходом.
Результативный признак:
Y – Потребление бананов в год (в фунтах)
Факторный признак:
X – Семейный доход (в 10000 $)
Слайд 31Рекламная пауза
Контрольная работа
У группы Р06-201 – 30 марта
У группы Р06-203-204 –
25 марта
У группы Р06-205 – 6 апреля
У группы Р06-206 – 30 марта
У группы Р06-205 – 6 апреля
У группы Р06-206 – 30 марта
Слайд 32Дополнительные тесты
Тест серий (Runs test [Geary test])
Серия – последовательность подряд
идущих регрессионных остатков одного знака (даже единичной длины). Длина серии – количество элементов серии. Количество серий являтся случайной величиной со своим математическим ожиданием (средним числом серий) и дисперсией.
При отрицательной автокорреляции количество серий будет велико, а при положительной – слишком мало.
При отрицательной автокорреляции количество серий будет велико, а при положительной – слишком мало.
Слайд 36Общий тест Бройша-Годфри
Шаг 1 Находим МНК-оценки исходной модели,
оценки регрессионных остатков
и Qost1
Шаг 2 Оцениваем регрессию
Находим оценку R^2 и Qost2
Шаг 3а Используем статистику
Шаг 3б Используем статистику
Делаем выводы
Тест множителей Лагранжа
(LM-тест)
Слайд 44
При работе с пространственной статистической информацией, наличие автокоррелированных регрессионных остатков, как
правило, обусловлено неправильной спецификацией модели.
Поэтому в некоторых практических задачах методом устранения автокорреляции является изменение спецификации (вида функции) регрессионной модели
Поэтому в некоторых практических задачах методом устранения автокорреляции является изменение спецификации (вида функции) регрессионной модели
Слайд 45Построим функцию регрессии в следующей форме
Изменение спецификации модели как метод устранения
автокорреляции
