МНОЖЕСТВЕННЫЙ РЕГРЕССИОННЫЙ АНАЛИЗ презентация

Содержание

МНОЖЕСТВЕННЫЙ РЕГРЕССИОННЫЙ АНАЛИЗ ПЛАТА ASVABC S β1 Смещение β1 буквально означает, какую плату получает респондент с нулевым образованием и нулевым интеллектом. Поскольку мера интеллекта всегда отлична от

Слайд 1МНОЖЕСТВЕННЫЙ РЕГРЕССИОННЫЙ АНАЛИЗ

ПЛАТА
ASVABC



S
β1
Геометрическая интерпретация множественной регрессионной модели с двумя объясняющими переменными.


Слайд 2МНОЖЕСТВЕННЫЙ РЕГРЕССИОННЫЙ АНАЛИЗ

ПЛАТА
ASVABC



S
β1
Смещение β1 буквально означает, какую плату получает респондент с

нулевым образованием и нулевым интеллектом. Поскольку мера интеллекта всегда отлична от 0, то значение функции никогда не будет равно смещению. Буквальная интерпретация β1 - неуместна.

Слайд 3

МНОЖЕСТВЕННЫЙ РЕГРЕССИОННЫЙ АНАЛИЗ


ПЛАТА
ASVABC





Вклад образования S. Один год учебы S увеличивает

ПЛАТУ на β2 долларов, если считать способности ASVABC постоянными.

S

β1

эффект образования S

β1 + β2S


Слайд 4

эффект ASVABC
МНОЖЕСТВЕННЫЙ РЕГРЕССИОННЫЙ АНАЛИЗ
S
β1
β1 + β3ASVABC


ПЛАТА
ASVABC



Третий член дает вклад

ASVABC. Увеличение ASVABC на 1 пункт увеличивает ПЛАТУ на β3 $, если S постоянна.

Слайд 5
ASVABC эффект
S эффект
МНОЖЕСТВЕННЫЙ РЕГРЕССИОННЫЙ АНАЛИЗ

S
β1
β1 + β3ASVABC
β1 + β2S +

β3ASVABC





ПЛАТА

ASVABC


β1 + β2S




Общий эффект S и ASVABC



Общий вклад обеих компонент. Это неслучайные компоненты. U – случайное возмущение.
Вклад обеих компонент аддитивен и независим друг от друга. Что оказывает большее влияние пока неизвестно.

β1 + β2S + β3ASVABC + u

u



Слайд 6МНОЖЕСТВЕННЫЙ РЕГРЕССИОННЫЙ АНАЛИЗ
Регрессионные коэффициенты вычисляются по принципу МНК. Оценка Y в

наблюдении i зависит от выбора b1, b2, и b3. Остатки ei в наблюдении i есть разница между наблюдаемым и оцененным значением Y.

Слайд 7

МНОЖЕСТВЕННЫЙ РЕГРЕССИОННЫЙ АНАЛИЗ
Вычисление минимума RSS.


Слайд 8

МНОЖЕСТВЕННЫЙ РЕГРЕССИОННЫЙ АНАЛИЗ
Значения коэффициентов для двух переменных. Зависимости для коэффициентов b

– более сложные, чем в простых регрессионных моделях.

Слайд 9




СВОЙСТВА РЕГРЕССИОННЫХ КОЭФФИЦИЕНТОВ
Cov(X2, β1) = Cov(X3, β1) =0.


Слайд 10










СВОЙСТВА РЕГРЕССИОННЫХ КОЭФФИЦИЕНТОВ
Отличие оценки от действительного значения β.


Слайд 11










СВОЙСТВА РЕГРЕССИОННЫХ КОЭФФИЦИЕНТОВ
Коэффициенты при β3 сокращаются.


Слайд 12




СВОЙСТВА РЕГРЕССИОННЫХ КОЭФФИЦИЕНТОВ
Несмещенность коэффициентов. Предположим X2 and X3 – неслучайные переменные.

Тогда E[Cov(X2, u)] and E[Cov(X3, u)] равны 0. То есть E(b2) = β2 и b2 есть несмещенная оценка. То же и для b3.

Слайд 13




СВОЙСТВА РЕГРЕССИОННЫХ КОЭФФИЦИЕНТОВ
b1 есть несмещенная оценка β1.


Слайд 14


ТОЧНОСТЬ РЕГРЕССИОННЫХ КОЭФФИЦИЕНТОВ
Значения выборочных отклонений. Первый сомножитель идентичен простой регрессии.

Второй сомножитель есть функция коэффициента корреляции X1 и X2. Чем больше корреляция, тем менее эффективна оценка, тем хуже уравнение объясняет Y.

Слайд 15

ТОЧНОСТЬ РЕГРЕССИОННЫХ КОЭФФИЦИЕНТОВ
Вычисление стандартной ошибки. Чем выше корреляция, тем менее эффективными

являются значения коэффициентов регрессии.

Слайд 16ТОЧНОСТЬ РЕГРЕССИОННЫХ КОЭФФИЦИЕНТОВ
Оценка выборочного отклонения равна RSS, деленной на n-k.


Слайд 17ТОЧНОСТЬ РЕГРЕССИОННЫХ КОЭФФИЦИЕНТОВ
Доверительные интервалы коэффициентов определяются так же, как и для

простой регрессии на основании t-теста
Так же определяется состоятельность R2 на основе F-критерия Фишера.
Оценки МНК являются состоятельными

Пример парной регрессии в Excel.

Обратная связь

Если не удалось найти и скачать презентацию, Вы можете заказать его на нашем сайте. Мы постараемся найти нужный Вам материал и отправим по электронной почте. Не стесняйтесь обращаться к нам, если у вас возникли вопросы или пожелания:

Email: Нажмите что бы посмотреть 

Что такое ThePresentation.ru?

Это сайт презентаций, докладов, проектов, шаблонов в формате PowerPoint. Мы помогаем школьникам, студентам, учителям, преподавателям хранить и обмениваться учебными материалами с другими пользователями.


Для правообладателей

Яндекс.Метрика