Разделы презентаций


Проверка качества спецификации модели

Содержание

Качество спецификации моделиПод качеством спецификации модели понимается: - качество выбора функции уравнения регрессии; - качество выбора набора регрессоров (факторов)Пусть имеем модель в виде уравнения парной регрессии: Yt = a0 + a1xt + ut (11.1)Задача:

Слайды и текст этой презентации

Слайд 1Проверка качества спецификации модели

Проверка качества спецификации модели

Слайд 2Качество спецификации модели
Под качеством спецификации модели понимается:
- качество выбора функции

уравнения регрессии;
- качество выбора набора регрессоров (факторов)
Пусть имеем модель в

виде уравнения парной регрессии:
Yt = a0 + a1xt + ut (11.1)
Задача: оценить степень влияния экзогенной переменной Х (фактора) на величину эндогенной переменной Y.
Другими словами: насколько правильно предположение, что поведение эндогенной переменной зависит от значения фактора Х.
Качество спецификации моделиПод качеством спецификации модели понимается:	- качество выбора функции уравнения регрессии;	- качество выбора набора регрессоров (факторов)Пусть

Слайд 3Качество спецификации модели
В качестве меры влияния принимаются дисперсии переменных Y,

X и u.

Знаем, что уравнение регрессии описывает поведение среднего значения

эндогенной переменной:
Y* = a0 + a1xt (11.2)
Тогда уравнение (11.1) можно записать как:
Yt = Y*t +ut (11.3)
Качество спецификации моделиВ качестве меры влияния принимаются дисперсии переменных Y, X и u.Знаем, что уравнение регрессии описывает

Слайд 4Качество спецификации модели
Вычислим дисперсию Y в уравнении (11.3)
Вычислим COV(Yt*,ut):
Таким образом,
(11.4)

Качество спецификации моделиВычислим дисперсию Y в уравнении (11.3)Вычислим COV(Yt*,ut):Таким образом,(11.4)

Слайд 5Качество спецификации модели
Введем обозначения:
Здесь: TSS – общая сумма квадратов эндогенной

переменной (Total sum of squares )

RSS – регрессионная сумма квадратов (Regression sum of squares
ESS – сумма квадратов остатков (ошибок) (Error sum of squares
Качество спецификации моделиВведем обозначения:Здесь: TSS – общая сумма квадратов эндогенной 	 	  переменной (Total sum of

Слайд 6Качество спецификации модели
С учетом принятых обозначений выражение (11.4) можно записать

в виде:
TSS = RSS + ESS (11.4)
В качестве показателя степени

влияния выбранного регрессора на поведение эндогенной переменной принимается отношение:

(11.5)

R2 – называется коэффициентом детерминации

Качество спецификации моделиС учетом принятых обозначений выражение (11.4) можно записать в виде: TSS = RSS + ESS			(11.4)В

Слайд 7Качество спецификации модели
Замечание. Коэффициент детерминации R2 имеет смысл (определен) только

для моделей, в спецификации которой присутствует коэффициент a0.
Если коэффициент a0

отсутствует, то нарушается равенство (11.4).
Поясним это графически.

Y=0.786x

Y=2+0.5x

TSS=RSS=2.625
ESS=0

TSS=2.625
RSS=237.7
ESS=8.57

TSS≠RSS+ESS

Качество спецификации моделиЗамечание. Коэффициент детерминации R2 имеет смысл (определен) только для моделей, в спецификации которой присутствует коэффициент

Слайд 8Качество спецификации модели
Если R2 =1, т.е. RSS=TSS, a ESS=0, то

такая модель называется «абсолютно хорошей». Это означает, что выбранный регрессор

полностью объясняет поведение эндогенной переменной.

Если R2 =0, т.е. RSS=0, а ESS=TSS, то такую модель называют «абсолютно плохой». В этом случае весь диапазон изменения эндогенной переменной объясняется влиянием случайного возмущения, а выбранный регрессор не оказывает влияния, не объясняет поведение эндогенной переменной.
Качество спецификации моделиЕсли R2 =1, т.е. RSS=TSS, a ESS=0, то такая модель называется «абсолютно хорошей». Это означает,

Слайд 9Качество спецификации модели
Отметим следующее:
R2 – величина случайная, т.к. его конкретное

значение вычисляется по результатам случайной

выборки
Это означает, что полученное значение коэффициента детерминации отличное от нуля еще не является достаточным основанием считать модель качественной.
Необходимо проверить статистическую гипотезу о равенстве нулю R2: (H0: R2=0).
Внимание! Формулируется гипотеза о равенстве нулю R2, т.е гипотеза о том, что модель плохая.
Качество спецификации моделиОтметим следующее:	R2 – величина случайная, т.к. его конкретное значение 	     вычисляется

Слайд 10Качество спецификации модели
Для проверки гипотезы H0: R2=0 :
1. Формируем случайную

величину с известным законом распределения
(11.6)
где: к - количество регрессоров

в модели
n – количество наблюдений в выборке
Случайная величина FTest подчиняется закону распределения вероятностей Фишера.
Критическое значение зависит от уровня доверительной вероятности и двух параметров: k и (n-k-1).
Качество спецификации моделиДля проверки гипотезы H0: R2=0 :1. Формируем случайную величину с известным законом распределения(11.6) где: к

Слайд 11Качество спецификации модели
Для проверки гипотезы H0: R2=0 :
2. Вычисляется по

данным выборки значение FTest.
3. Находится по таблице значение Fкр(Pдов, k,

n-k-1).
4. Сравниваются значения Fкр и FTest.
Если FTest ≤ Fкр
то гипотеза H0: R2=0 не отвергается
Значит модель имеет плохое качество спецификации.
Т.е. выбранный регрессор не объясняет поведение эндогенной переменной.
Замечание. Значения R2 и FTest вычисляются функцией «ЛИНЕЙН» в EXCEL.

(11.7)

Качество спецификации моделиДля проверки гипотезы H0: R2=0 :2. Вычисляется по данным выборки значение FTest.3. Находится по таблице

Слайд 12Качество спецификации модели
Пример. Зависимость сбережений граждан (Y) от размера располагаемого

дохода в Великобритании
R2
FTest
Результат «ЛИНЕЙН»
Fкр=F(0.95,1,17)=4.4
FTest > Fкр
Вывод: Спецификация модели качественная
Диаграмма рассеяния

и график модели
Качество спецификации моделиПример. Зависимость сбережений граждан (Y) от размера располагаемого 	дохода в ВеликобританииR2FTestРезультат «ЛИНЕЙН»Fкр=F(0.95,1,17)=4.4FTest > FкрВывод: Спецификация

Слайд 13Качество спецификации модели
Замечание. Значения коэффициента детерминации растет с увеличение числа

регрессоров.
В случае модели в виде уравнения множественной регрессии применяется модифицированный

коэффициент детерминации Ř2:

(11.8)

Здесь: R2 - коэффициент детерминации в форме (11.5)
n – объем выборки
k – количество регрессоров в модели

Качество спецификации моделиЗамечание. Значения коэффициента детерминации растет с увеличение числа регрессоров.В случае модели в виде уравнения множественной

Слайд 14Качество спецификации модели
Замечание. При анализе модели в виде уравнения множественной

регрессии принятие гипотезы H0: R2=0 означает, что все регрессоры не

объясняют (не влияют) поведение эндогенной переменной.
Отклонение гипотезы H0: R2=0, означает, что не все регрессоры объясняют (влияют) поведение эндогенной переменной.
Другими словами, в составе выбранных на этапе спецификации модели регрессоров есть как влияющие, так и не влияющие регрессоры.
Вопрос. Как определить влияющие и не влияющие регрессоры?
Ответ. Необходимо проверить гипотезу H0: ai=0
Качество спецификации моделиЗамечание. При анализе модели в виде уравнения множественной регрессии принятие гипотезы H0: R2=0 означает, что

Слайд 15Качество спецификации модели
Проверка статистической гипотезы H0: ai=0
Известно, что в схеме

Гаусса-Маркова дробь (11.9) подчиняется закону распределения Стьюдента
(11.9)
где: ãi –

оценка i-го параметра модели
с – заданная константа
σai-оценка стандартной ошибки оценки параметра
В данном случае с=0, т.е. сравнивается вычисленное значение оценки с нулем.
Если гипотеза не отвергается для i-го регрессора, то этот регрессор не оказывает влияние на эндогенную переменную и его можно исключить из уравнения модели.
Качество спецификации моделиПроверка статистической гипотезы H0: ai=0Известно, что в схеме Гаусса-Маркова дробь (11.9) подчиняется закону распределения Стьюдента(11.9)

Слайд 16Качество спецификации модели
Расходы на жилье (Y) от располагаемого дохода (Х)

и цен на жилье (Р)
Модель 1:
Y=a0+a1x+a2p+u
ti= 1.62

8.74 1.33

ti= 9.8 8.5

Модель 2:
Y=a0+bp+v

Выводы: регрессор x2 не значим, его можно убрать
модель 2 качественно объясняет поведение Y

Качество спецификации моделиРасходы на жилье (Y) от располагаемого дохода (Х) и цен на жилье (Р)Модель 1:Y=a0+a1x+a2p+u ti=

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