Разделы презентаций
- Разное
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Геометрия
- Детские презентации
- Информатика
- История
- Литература
- 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
F -тест точности подбора для всего уравнения 1 Эта последовательность описывает
Содержание
- 1. F -тест точности подбора для всего уравнения 1 Эта последовательность описывает
- 2. 2Рассмотрим общий случай, когда имеются k -
- 3. 3Конечно, мы надеемся опровергнуть это и сделать
- 4. 4Модель не будет иметь объясняющей силы, если
- 5. 5Альтернативная гипотеза состоит в том, что хотя
- 6. 6В модели множественной регрессии существует разница между
- 7. 7В простой модели регрессии тест F был
- 8. 8F-тест точности подбора для всего уравненияСтатистика F
- 9. 9Его можно выразить через R2, разделив числитель
- 10. 10F-тест точности подбора для всего уравненияESS /
- 11. 11В качестве примера будет использована модель образовательного
- 12. 12Нулевой гипотезой для F-критерия точности подбора является
- 13. 13F-тест точности подбора для всего уравнения Вот
- 14. 14F-тест точности подбора для всего уравненияВ этом
- 15. 15F-тест точности подбора для всего уравненияЧислителем статистики
- 16. 16F-тест точности подбора для всего уравненияЗнаменатель -
- 17. 17F-тест точности подбора для всего уравненияСледовательно, статистика
- 18. 18F-тест точности подбора для всего уравненияКритическое значение
- 19. 19F-тест точности подбора для всего уравненияЭтот результат
- 20. 20F-тест точности подбора для всего уравненияНеобязательно, чтобы
- 21. 21F-тест точности подбора для всего уравненияОднако, если
- 22. 22F-тест точности подбора для всего уравненияС другой
- 23. 23F-тест точности подбора для всего уравненияОднако, если
- 24. 24В этой ситуации вы бы знали, что
- 25. Скачать презентанцию
2Рассмотрим общий случай, когда имеются k - 1 пояснительных переменных. Для F-критерия точности подбора уравнения в целом нулевая гипотеза, она состоит в том, что модель вообще не имеет объясняющей способности.F-тест точности
Слайды и текст этой презентации
Слайд 22
Рассмотрим общий случай, когда имеются k - 1 пояснительных переменных.
Для F-критерия точности подбора уравнения в целом нулевая гипотеза, она
состоит в том, что модель вообще не имеет объясняющей способности.F-тест точности подбора для всего уравнения
Слайд 33
Конечно, мы надеемся опровергнуть это и сделать вывод, что модель
имеет некоторую объяснительную силу.
F-тест точности подбора для всего уравнения
Слайд 44
Модель не будет иметь объясняющей силы, если окажется, что Y
не связано ни с одной из объясняющих переменных. Поэтому математически
нулевая гипотеза состоит в том, что все коэффициенты b2, ..., bk равны нулю. b2, ..., bk.F-тест точности подбора для всего уравнения
Слайд 55
Альтернативная гипотеза состоит в том, что хотя бы один из
этих b коэффициентов отличен от нуля.
F-тест точности подбора для всего
уравнения
Слайд 66
В модели множественной регрессии существует разница между ролями тестов F
и t. Тест F проверяет общую объясняющую силу переменных, в
то время как t-тесты проверяют их объясняющую силу отдельно.F-тест точности подбора для всего уравнения
Слайд 77
В простой модели регрессии тест F был эквивалентен (двухстороннему) t-критерию
по коэффициенту наклона, потому что «группа» состояла только из одной
переменной.F-тест точности подбора для всего уравнения
Слайд 88
F-тест точности подбора для всего уравнения
Статистика F для теста была
определена в последней последовательности в главе 2. ESS - это
объясненная сумма квадратов, а RSS - остаточная сумма квадратов.
Слайд 99
Его можно выразить через R2, разделив числитель и знаменатель на
TSS, общую сумму квадратов.
F-тест точности подбора для всего уравнения
Слайд 1010
F-тест точности подбора для всего уравнения
ESS / TSS - это
определение R2. RSS / TSS равно (1 - R2). (См.
Последнюю последовательность в главе 2.)
Слайд 1111
В качестве примера будет использована модель образовательного уровня. Мы будем
предполагать, что S зависит от ASVABC, оценки способности и SM,
и SF, высшего класса, завершенного матери и отцом респондента, соответственно.F-тест точности подбора для всего уравнения
Слайд 1212
Нулевой гипотезой для F-критерия точности подбора является то, что все
три коэффициента наклона равны нулю. Альтернативная гипотеза состоит в том,
что хотя бы одна из них отлична от нуля.F-тест точности подбора для всего уравнения
at least one
Слайд 1313
F-тест точности подбора для всего уравнения
Вот результат регрессии с
использованием набора данных 21.
at least one
. reg S ASVABC SM
SF----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
S | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-----------+----------------------------------------------------------------
ASVABC | 1.242527 .123587 10.05 0.000 .999708 1.485345
SM | .091353 .0459299 1.99 0.047 .0011119 .1815941
SF | .2028911 .0425117 4.77 0.000 .1193658 .2864163
_cons | 10.59674 .6142778 17.25 0.000 9.389834 11.80365
----------------------------------------------------------------------------
Слайд 1414
F-тест точности подбора для всего уравнения
В этом примере k -
1, количество объясняющих переменных, равно 3 и n - k,
число степеней свободы, равно 496.at least one
. reg S ASVABC SM SF
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
Слайд 1515
F-тест точности подбора для всего уравнения
Числителем статистики F является объясненная
сумма квадратов, деленная на k - 1. В выводе Stata
эти числа приведены в строке model.at least one
. reg S ASVABC SM SF
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
Слайд 1616
F-тест точности подбора для всего уравнения
Знаменатель - это остаточная сумма
квадратов, деленная на количество оставшихся степеней свободы.
at least one
. reg
S ASVABC SM SF----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
Слайд 1717
F-тест точности подбора для всего уравнения
Следовательно, статистика F - 81,1.
Все серьезные регрессионные пакеты вычисляют его как часть диагностики в
регрессионном выпуске.at least one
. reg S ASVABC SM SF
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
Слайд 1818
F-тест точности подбора для всего уравнения
Критическое значение для F (3,496)
не указано в таблицах F, но оно должно быть очень
близко к F (3500). На уровне 0,1% это 5,51. Следовательно, мы легко отвергаем H0 на уровне 0,1%.at least one
. reg S ASVABC SM SF
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
Слайд 1919
F-тест точности подбора для всего уравнения
Этот результат можно было бы
ожидать, так как ASVABC и SF имеют очень значительную статистику
t. Поэтому b2 и b4 не равны нулю.at least one
. reg S ASVABC SM SF
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
Слайд 2020
F-тест точности подбора для всего уравнения
Необязательно, чтобы статистика F не
была значительной, если некоторые статистические данные были значительными. Предположим, что
мы выполнили регрессию с 40 объясняющими переменными, ни одна из которых не является истинным детерминантом зависимой переменной.at least one
. reg S ASVABC SM SF
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
Слайд 2121
F-тест точности подбора для всего уравнения
Однако, если мы выполним t-тесты
коэффициентов наклона на уровне 5% с 5% -ной вероятностью ошибки
типа I, в среднем 2 из 40 переменных могут иметь «значимые» коэффициенты.at least one
. reg S ASVABC SM SF
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
Слайд 2222
F-тест точности подбора для всего уравнения
С другой стороны, предположим, что
у вас есть множественная регрессионная модель, которая правильно указана, а
R2 высока. Вы ожидаете очень значительную статистику F.at least one
. reg S ASVABC SM SF
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
Слайд 2323
F-тест точности подбора для всего уравнения
Однако, если объясняющие переменные сильно
коррелированы и модель подвержена серьезной мультиколлинеарности, стандартные ошибки коэффициентов наклона
могут быть настолько большими, что ни одна из статистических данных t не является значительной.at least one
. reg S ASVABC SM SF
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
Слайд 2424
В этой ситуации вы бы знали, что ваша модель хорошая,
но вы не в состоянии точно определить вклад, создаваемый объясняющими
переменными отдельно.F-тест точности подбора для всего уравнения
at least one
. reg S ASVABC SM SF
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 3, 496) = 81.06
Model | 1235.0519 3 411.683966 Prob > F = 0.0000
Residual | 2518.9701 496 5.07856875 R-squared = 0.3290
-----------+------------------------------ Adj R-squared = 0.3249
Total | 3754.022 499 7.52309018 Root MSE = 2.2536
----------------------------------------------------------------------------
