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
ЛОВУШКА ФИКТИВНЫХ ПЕРЕМЕННЫХ 1 Предположим, у нас есть регрессионная модель с Y
Содержание
- 1. ЛОВУШКА ФИКТИВНЫХ ПЕРЕМЕННЫХ 1 Предположим, у нас есть регрессионная модель с Y
- 2. 2Также предположим, что качественный показатель имеет несколько
- 3. 3Что произойдет, если мы не будем сокращать
- 4. 4Мы попадаем в ловушку фиктивных (вспомогательных) переменных.
- 5. 5Попробуем объяснить ситуацию интуитивным путем. Каждый коэффицент
- 6. 6b1 представляет собой фиксированное значение для Y
- 7. 7С Математической точки зрения, у нас есть
- 8. 8X1 Это переменная, чье значение равно b1
- 9. 9Если существует точная линейная зависимость между множеством
- 10. 10В случае, если мы запускаем процесс подсчета
- 11. 112-ое: Продолжит считать регрессию, но самостоятельно отбрасывать
- 12. 12Существует другой способ избежать Ловушки вспомогательных переменных.
- 13. 13Параметры d теперь являются основными в отношении
- 14. Скачать презентанцию
2Также предположим, что качественный показатель имеет несколько категорий. Мы возьмем одну из них, как незначительную категорию (без потери общности, категория 1) И обозначим её как вспомогательную переменную D2, ..., DsЛОВУШКА ФИКТИВНЫХ
Слайды и текст этой презентации
Слайд 22
Также предположим, что качественный показатель имеет несколько категорий. Мы возьмем
одну из них, как незначительную категорию (без потери общности, категория
1) И обозначим её как вспомогательную переменную D2, ..., DsЛОВУШКА ФИКТИВНЫХ ПЕРЕМЕННЫХ
Слайд 33
Что произойдет, если мы не будем сокращать основные переменные? Чтобы
это стало возможным, мы ввели в уравнение вспомогательные переменные. Что
произойдет в таком случае?ЛОВУШКА ФИКТИВНЫХ ПЕРЕМЕННЫХ
Слайд 44
Мы попадаем в ловушку фиктивных (вспомогательных) переменных. Становится невозможным построить
модель так, как показано на экране.
ЛОВУШКА ФИКТИВНЫХ ПЕРЕМЕННЫХ
Слайд 55
Попробуем объяснить ситуацию интуитивным путем. Каждый коэффицент вспомогательных переменных будет
возрастать в строгой зависимости от предыдущего значения основных переменных. Но
для такого подсчета нет основных переменныхЛОВУШКА ФИКТИВНЫХ ПЕРЕМЕННЫХ
Слайд 66
b1 представляет собой фиксированное значение для Y как основная переменная.
Но, повторимся снова, здесь нет основных переменных . В таком
случае, данная модель не имеет логического объяснения (интерпретации).ЛОВУШКА ФИКТИВНЫХ ПЕРЕМЕННЫХ
Слайд 77
С Математической точки зрения, у нас есть ряд чисел, связанный
мультиколлинеарностью. Если отсутствуют значения, которыми можно пренебречь, то остается ряд
чисел, с линейной зависимостью X1 и вспомогательных переменных. В таблице приведены примеры.ЛОВУШКА ФИКТИВНЫХ ПЕРЕМЕННЫХ
Observation Category X1 D1 D2 D3 D4
1 4 1 0 0 0 1
2 3 1 0 0 1 0
3 1 1 1 0 0 0
4 2 1 0 1 0 0
5 2 1 0 1 0 0
6 3 1 0 0 1 0
7 1 1 1 0 0 0
8 4 1 0 0 0 1
Слайд 88
X1 Это переменная, чье значение равно b1 Она
равняется единице во всех наблюдениях. Обычно мы не расписываем значения
так открыто, потому что в этом нет необходимости.ЛОВУШКА ФИКТИВНЫХ ПЕРЕМЕННЫХ
Observation Category X1 D1 D2 D3 D4
1 4 1 0 0 0 1
2 3 1 0 0 1 0
3 1 1 1 0 0 0
4 2 1 0 1 0 0
5 2 1 0 1 0 0
6 3 1 0 0 1 0
7 1 1 1 0 0 0
8 4 1 0 0 0 1
Слайд 99
Если существует точная линейная зависимость между множеством переменных, в принципе
невозможно оценить отдельные коэффициенты этих переменных. Необходимо использовать линейную алгебру,
для объяснения и понимания данного процесса.ЛОВУШКА ФИКТИВНЫХ ПЕРЕМЕННЫХ
Observation Category X1 D1 D2 D3 D4
1 4 1 0 0 0 1
2 3 1 0 0 1 0
3 1 1 1 0 0 0
4 2 1 0 1 0 0
5 2 1 0 1 0 0
6 3 1 0 0 1 0
7 1 1 1 0 0 0
8 4 1 0 0 0 1
Слайд 1010
В случае, если мы запускаем процесс подсчета линейной регрессии, то
приложение, после запуска обнаружит ошибку и сделает одну из двух
вещей :1-ое Может попросту отказаться от выполнения процесса регрессии.ЛОВУШКА ФИКТИВНЫХ ПЕРЕМЕННЫХ
Observation Category X1 D1 D2 D3 D4
1 4 1 0 0 0 1
2 3 1 0 0 1 0
3 1 1 1 0 0 0
4 2 1 0 1 0 0
5 2 1 0 1 0 0
6 3 1 0 0 1 0
7 1 1 1 0 0 0
8 4 1 0 0 0 1
Слайд 1111
2-ое: Продолжит считать регрессию, но самостоятельно отбрасывать одну из переменных,
определяя её как вспомогательную.
ЛОВУШКА ФИКТИВНЫХ ПЕРЕМЕННЫХ
Observation Category X1
D1 D2 D3 D41 4 1 0 0 0 1
2 3 1 0 0 1 0
3 1 1 1 0 0 0
4 2 1 0 1 0 0
5 2 1 0 1 0 0
6 3 1 0 0 1 0
7 1 1 1 0 0 0
8 4 1 0 0 0 1
Слайд 1212
Существует другой способ избежать Ловушки вспомогательных переменных. Убрать основную переменную
(и X1). Проблемы больше не будет, так как больше не
будет линейной зависимости между переменными.ЛОВУШКА ФИКТИВНЫХ ПЕРЕМЕННЫХ
Observation Category X1 D1 D2 D3 D4
1 4 1 0 0 0 1
2 3 1 0 0 1 0
3 1 1 1 0 0 0
4 2 1 0 1 0 0
5 2 1 0 1 0 0
6 3 1 0 0 1 0
7 1 1 1 0 0 0
8 4 1 0 0 0 1
Слайд 1313
Параметры d теперь являются основными в отношении к определенным категориям.
К примеру, если наблюдение относится ко категории 2, Все вспомогательные
переменные кроме D2 будут равны 0. D2 = 1, и, следовательно, будет зависеть от d2.Observation Category X1 D1 D2 D3 D4
1 4 1 0 0 0 1
2 3 1 0 0 1 0
3 1 1 1 0 0 0
4 2 1 0 1 0 0
5 2 1 0 1 0 0
6 3 1 0 0 1 0
7 1 1 1 0 0 0
8 4 1 0 0 0 1
ЛОВУШКА ФИКТИВНЫХ ПЕРЕМЕННЫХ
