- 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
Специальные приемы моделирования регрессии презентация
Содержание
- 1. Специальные приемы моделирования регрессии
- 2. КАЧЕСТВЕННЫЕ ПРИЗНАКИ и их учет в регрессионных моделях
- 3. РОЛЬ КАЧЕСТВЕННЫХ ПРИЗНАКОВ Качественные признаки приводят к неоднородности совокупности наблюдений по изучаемому признаку
- 4. УЧЕТ НЕОДНОРОДНОСТИ Регрессионная модель 1.
- 5. Тест Чоу (первый путь)
- 7. ПРОВЕРКА
- 8. ФИКТИВНЫЕ ПЕРЕМЕННЫЕ в регрессии (второй путь)
- 9. МОДЕЛИ КОВАРИАЦИОННОГО АНАЛИЗА Модели регрессии, в которых
- 10. ИСПОЛЬЗОВАНИЕ ФИКТИВНЫХ ПЕРЕМЕННЫХ Можно строить регрессию только
- 11. НАГРУЗКА МОДЕЛИ Чем больше градаций у качественной
- 14. Способы ввода dummy variables
- 15. ОБОБЩЕННЫЙ МНК Generalized Least Squares (GLS)
- 16. Ordinary Least Squares (OLS) Традиционный метод наименьших
- 17. ПРЕОБРАЗОВАНИЕ ДАННЫХ Обобщенный МНК (GLS) применяется к
- 18. Предпосылки применения GLS Для гетероскедастичности Если известна
- 19. ПРИМЕНЕНИЕ GLS при наличии гетероскедастичности остатков
- 27. ПРИМЕНЕНИЕ GLS при наличии автокорреляции остатков
- 30. Thank You !
КАЧЕСТВЕННЫЕ ПРИЗНАКИ
и их учет в регрессионных моделях
Слайд 3РОЛЬ КАЧЕСТВЕННЫХ ПРИЗНАКОВ
Качественные признаки приводят к неоднородности совокупности наблюдений по изучаемому
признаку
Слайд 4УЧЕТ НЕОДНОРОДНОСТИ
Регрессионная
модель
1. Регрессия строится для каждой
качественно отличной группы
в
отдельности
Регрессионная
модель с
переменной
структурой
2. Регрессия строится для совокупности в целом,
учитывая неоднородность данных с помощью
ввода фиктивных переменных
Слайд 8ФИКТИВНЫЕ ПЕРЕМЕННЫЕ
в регрессии (второй путь)
(dummy variables)
Это сконструированные переменные, позволяющие
качественные признаки вводить в уравнение регрессии, в литературе их еще называют «структурные переменные»
Они отражают неоднородность данных как в пространстве, так и во времени
Они отражают неоднородность данных как в пространстве, так и во времени
Слайд 9МОДЕЛИ КОВАРИАЦИОННОГО АНАЛИЗА
Модели регрессии, в которых объясняющие переменные носят как количественный,
так и качественный характер, называются
ANCOVA - модели
ANCOVA - модели
Слайд 10ИСПОЛЬЗОВАНИЕ ФИКТИВНЫХ ПЕРЕМЕННЫХ
Можно строить регрессию только для фиктивных переменных
Можно для зависимой
переменной, представленной фиктивной переменной
Можно использовать для учета фактора сезонности
Можно вводить в нелинейные модели, и после преобразовывать их к линейному виду
Можно использовать для учета фактора сезонности
Можно вводить в нелинейные модели, и после преобразовывать их к линейному виду
Слайд 11НАГРУЗКА МОДЕЛИ
Чем больше градаций у качественной переменной, тем большим числом фиктивных
переменных она вводится
Например, m – число градаций, вводится m-1 числом независимых переменных
Значения фиктивной переменной можно менять на противоположные, суть модели от этого не изменится
Напомню, что число независимых переменных должно быть меньше или равно n/6 или n/7, иначе незначимые будут коэффициенты регрессии
Например, m – число градаций, вводится m-1 числом независимых переменных
Значения фиктивной переменной можно менять на противоположные, суть модели от этого не изменится
Напомню, что число независимых переменных должно быть меньше или равно n/6 или n/7, иначе незначимые будут коэффициенты регрессии
Слайд 16Ordinary Least Squares (OLS)
Традиционный метод наименьших квадратов нельзя использовать при наличии
гетероскедастичности и автокорреляции остатков
В этом случае применяют GLS
В этом случае применяют GLS
Слайд 17ПРЕОБРАЗОВАНИЕ ДАННЫХ
Обобщенный МНК (GLS) применяется к преобразованным данным и позволяет получать
оценки параметров регрессии, которые являются эффективными и несмещенными
Слайд 18Предпосылки применения GLS
Для гетероскедастичности
Если известна взаимосвязь остатков модели регрессии с фактором
хi, то есть найдены коэффициенты пропорциональности
