Разделы презентаций


КОРРЕЛЯЦИОННО-РЕГРЕССИОННЫЙ АНАЛИЗ

Содержание

функциональные и корреляционныекаждому значению одной переменной строго соответствует определенное значение другой переменной одному значению переменной (х) может соответствовать множество значений другой переменной (у)

Слайды и текст этой презентации

Слайд 1КОРРЕЛЯЦИОННО-РЕГРЕССИОННЫЙ АНАЛИЗ
взаимосвязанные показатели
часто связь усложняется наслоением действием других

причин (факторов)
Изучить, насколько изменение одного показателя зависит от изменения

другого (или нескольких), - одна из важнейших задач Статистики
КОРРЕЛЯЦИОННО-РЕГРЕССИОННЫЙ АНАЛИЗ взаимосвязанные показатели часто связь усложняется наслоением действием других причин (факторов) Изучить, насколько изменение одного показателя

Слайд 2 функциональные и корреляционные
каждому значению одной переменной строго соответствует

определенное значение другой переменной
одному значению переменной (х) может соответствовать

множество значений другой переменной (у)
функциональные и корреляционныекаждому значению одной переменной строго соответствует определенное значение другой переменной одному значению переменной

Слайд 3Наиболее простым случаем корреляционной зависимости является парная корреляция, т.е. зависимость

между двумя признаками (результативным и одним из факторных).

Наиболее простым случаем корреляционной зависимости является парная корреляция, т.е. зависимость между двумя признаками (результативным и одним из

Слайд 4Основными задачами при изучении корреляционных зависимостей являются:
1) отыскание формы связи

в виде математической формулы, выражающей эту зависимость
у от х;


2) измерение тесноты такой зависимости
Основными задачами при изучении корреляционных зависимостей являются:1) отыскание формы связи в виде математической формулы, выражающей эту зависимость

Слайд 5Возможны различные формы связи:
прямолинейная:
криволинейная в виде:
а) параболы второго порядка (или высших

порядков);

б) гиперболы
в) показательной функции

Возможны различные формы связи:прямолинейная:криволинейная в виде:а)	параболы второго порядка (или высших порядков);б)	гиперболыв)	показательной функции

Слайд 6метод наименьших квадратов (МНК)

метод наименьших квадратов (МНК)

Слайд 7Линейный коэффициент корреляции можно выразить формулами:

Линейный коэффициент корреляции можно выразить формулами:

Слайд 8Оценка значимости (существенности)
линейного коэффициента корреляций основана на сопоставлении значения r

с его средней квадратической ошибкой (σr).

Оценка значимости (существенности)линейного коэффициента корреляций основана на сопоставлении значения r с его средней квадратической ошибкой (σr).

Слайд 9Средняя ошибка коэффициента корреляции при n > 50 рассчитывается приближенно

по формуле

Средняя ошибка коэффициента корреляции при n > 50 рассчитывается приближенно по формуле

Слайд 10Если при этом коэффициент корреляции r превышает свою среднюю ошибку

σr больше чем в 3 раза, т.е. если




то он

считается Значимым, а связь реальной.
Если при этом коэффициент корреляции r превышает свою среднюю ошибку σr больше чем в 3 раза, т.е.

Слайд 11При n< 30 значимость коэффициента корреляции проверяется на основе критерия

Стьюдента. Для этого рассчитывается фактическое (расчетное) значение критерия

При n< 30 значимость коэффициента корреляции проверяется на основе критерия Стьюдента. Для этого рассчитывается фактическое (расчетное) значение

Слайд 12Если tфакт>tтабл коэффициент корреляции r считается значимым, а связь —

реальной.
Если tфакт

у отсутствует и значение r, отличное от нуля, получено случайно.
Если tфакт>tтабл коэффициент корреляции r считается значимым, а связь — реальной. Если tфакт

Слайд 13ИТАК:
На первом шаге регрессионного анализа идентифицируют переменные ,
от которых

зависит ,

т.е. определяют те существенные факторы, которые воздействуют на

этот показатель. Символически этот факт записывается так:
ИТАК:На первом шаге регрессионного анализа идентифицируют переменные , от которых зависит , т.е. определяют те существенные факторы,

Слайд 14На втором шаге регрессионного анализа требуется спецификация формы связи между

т.е.

определение вида функции .
Ориентиром для определения вида зависимости являются

содержание решаемой задачи, результаты наблюдений за поведением показателя относительно изменения факторов на основе статистических данных.

На втором шаге регрессионного анализа требуется спецификация формы связи междут.е. определение вида функции . Ориентиром для определения

Слайд 15Задача третьего шага регрессионного анализа заключается в определении конкретных числовых

значений параметров на основе статистических данных о наблюдениях значений

и .

На практике регрессия чаще всего ищется в виде линейной функции: (линейная регрессия), наилучшем образом приближающей искомую кривую. Делается это с помощью метода наименьших квадратов.
Задача третьего шага регрессионного анализа заключается в определении конкретных числовых значений параметров на основе статистических данных о

Слайд 16наиболее важные параметры регрессионной модели
Multiple R - коэффициент множественной корреляции,

который характеризует тесноту линейной связи между зависимой и всеми независимыми

переменными. Может принимать значения от 0 до 1.
R2- коэффициент детерминации. Численно выражает долю вариации зависимой переменной, объясненную с помощью регрессионного уравнения. Чем больше R2, тем большую долю вариации объясняют переменные, включенные в модель.
Например R2=0,76 - значит уравнение описывает 76% общей дисперсии модели.
наиболее важные параметры регрессионной моделиMultiple R - коэффициент множественной корреляции, который характеризует тесноту линейной связи между зависимой

Слайд 17наиболее важные параметры регрессионной модели
При поиске лучшей регрессионной модели следует

руководствоваться следующими наиболее общими требованиями (Дрейпер, Смит, 1981):
Регрессионная модель

должна объяснять не менее 80% вариации зависимой переменной, т.е. R2 = 0.8.
Стандартная ошибка оценки зависимой переменной по уравнению должна составлять не более 5% среднего значения зависимой переменной;
Коэффициенты уравнения регрессии и его свободный член должны быть значимы на 5%-ом уровне.
Остатки от регрессии должны быть без заметной автокорреляции (r<0,30), нормально распределены и без систематической составляющей.
наиболее важные параметры регрессионной моделиПри поиске лучшей регрессионной модели следует руководствоваться следующими наиболее общими требованиями (Дрейпер, Смит,

Слайд 18Проверка значимости модели
Часто F-критерий можно рассчитать через коэффициент корреляции r:


m

– число параметров в уравнении регрессии
Расчетное F сопоставляется с табличным,

определяемым по таблице для числа степеней свободы υ1=m-1 и υ2=n-m при заданном уровне значимости (например α= 0,05).
Если Fрасч > Fтабл, то уравнение считается значимым.
Проверка значимости моделиЧасто F-критерий можно рассчитать через коэффициент корреляции r:m – число параметров в уравнении регрессииРасчетное F

Обратная связь

Если не удалось найти и скачать доклад-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 TheSlide.ru?

Это сайт презентации, докладов, проектов в PowerPoint. Здесь удобно  хранить и делиться своими презентациями с другими пользователями.


Для правообладателей

Яндекс.Метрика