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
СПЕЦИАЛЬНЫЕ ПРИЕМЫ МОДЕЛИРОВАНИЯ РЕГРЕССИИ
Содержание
- 1. СПЕЦИАЛЬНЫЕ ПРИЕМЫ МОДЕЛИРОВАНИЯ РЕГРЕССИИ
- 2. КАЧЕСТВЕННЫЕ ПРИЗНАКИ и их учет в регрессионных моделях
- 3. РОЛЬ КАЧЕСТВЕННЫХ ПРИЗНАКОВКачественные признаки приводят к неоднородности совокупности наблюдений по изучаемому признаку
- 4. УЧЕТ НЕОДНОРОДНОСТИРегрессионная модель1. Регрессия строится для каждой
- 5. Тест Чоу (первый путь)
- 6. Слайд 6
- 7. ПРОВЕРКА
- 8. ФИКТИВНЫЕ ПЕРЕМЕННЫЕ в регрессии (второй путь)
- 9. МОДЕЛИ КОВАРИАЦИОННОГО АНАЛИЗАМодели регрессии, в которых объясняющие
- 10. ИСПОЛЬЗОВАНИЕ ФИКТИВНЫХ ПЕРЕМЕННЫХМожно строить регрессию только для
- 11. НАГРУЗКА МОДЕЛИЧем больше градаций у качественной переменной,
- 12. Слайд 12
- 13. Слайд 13
- 14. Способы ввода dummy variables
- 15. ОБОБЩЕННЫЙ МНКGeneralized Least Squares (GLS)
- 16. Ordinary Least Squares (OLS)Традиционный метод наименьших квадратов
- 17. ПРЕОБРАЗОВАНИЕ ДАННЫХОбобщенный МНК (GLS) применяется к преобразованным
- 18. Предпосылки применения GLSДля гетероскедастичностиЕсли известна взаимосвязь остатков
- 19. ПРИМЕНЕНИЕ GLS при наличии гетероскедастичности остатков
- 20. Слайд 20
- 21. Слайд 21
- 22. Слайд 22
- 23. Слайд 23
- 24. Слайд 24
- 25. Слайд 25
- 26. Слайд 26
- 27. ПРИМЕНЕНИЕ GLS при наличии автокорреляции остатков
- 28. Слайд 28
- 29. Слайд 29
- 30. Thank You !
- 31. Скачать презентанцию
КАЧЕСТВЕННЫЕ ПРИЗНАКИ и их учет в регрессионных моделях
Слайды и текст этой презентации
Слайд 3РОЛЬ КАЧЕСТВЕННЫХ ПРИЗНАКОВ
Качественные признаки приводят к неоднородности совокупности наблюдений по
изучаемому признаку
Слайд 4УЧЕТ НЕОДНОРОДНОСТИ
Регрессионная
модель
1. Регрессия строится для каждой
качественно отличной группы
в отдельности
Регрессионная
модель с
переменной
структурой
2. Регрессия строится для совокупности
в целом, учитывая неоднородность данных с помощью
ввода фиктивных переменных
Слайд 8ФИКТИВНЫЕ ПЕРЕМЕННЫЕ
в регрессии (второй путь)
(dummy variables)
Это сконструированные переменные,
позволяющие качественные признаки вводить в уравнение регрессии, в литературе их
еще называют «структурные переменные»Они отражают неоднородность данных как в пространстве, так и во времени
Слайд 9МОДЕЛИ КОВАРИАЦИОННОГО АНАЛИЗА
Модели регрессии, в которых объясняющие переменные носят как
количественный, так и качественный характер, называются
ANCOVA - модели
Слайд 10ИСПОЛЬЗОВАНИЕ ФИКТИВНЫХ ПЕРЕМЕННЫХ
Можно строить регрессию только для фиктивных переменных
Можно для
зависимой переменной, представленной фиктивной переменной
Можно использовать для учета фактора сезонности
Можно
вводить в нелинейные модели, и после преобразовывать их к линейному виду
Слайд 11НАГРУЗКА МОДЕЛИ
Чем больше градаций у качественной переменной, тем большим числом
фиктивных переменных она вводится
Например, m – число градаций, вводится m-1
числом независимых переменныхЗначения фиктивной переменной можно менять на противоположные, суть модели от этого не изменится
Напомню, что число независимых переменных должно быть меньше или равно n/6 или n/7, иначе незначимые будут коэффициенты регрессии
Слайд 16Ordinary Least Squares (OLS)
Традиционный метод наименьших квадратов нельзя использовать при
наличии гетероскедастичности и автокорреляции остатков
В этом случае применяют GLS
Слайд 17ПРЕОБРАЗОВАНИЕ ДАННЫХ
Обобщенный МНК (GLS) применяется к преобразованным данным и позволяет
получать оценки параметров регрессии, которые являются эффективными и несмещенными
Слайд 18Предпосылки применения GLS
Для гетероскедастичности
Если известна взаимосвязь остатков модели регрессии с
фактором хi, то есть найдены коэффициенты пропорциональности
