- •2. Суть корреляционного и регрессионного анализа. Основные задачи решаемые методами анализа
- •3. Поле корреляции
- •4. Линейная регрессия и корреляция, смысл и оценка параметров. Сопряженные регрессионные прямые
- •5. Метод наименьших квадратов (мнк). Обобщенный мнк
- •6. Свойства оценок мнк. Проверка качества уравнения регрессии.
- •7. Проверка значимости коэффициента корреляции и коэффициента детерминации
- •8. Оценка существенности параметров линейной регрессии и корреляции.
- •9. Интервалы прогноза по линейному уравнению регрессии. Проверка значимости оценок параметров регрессии
- •10 Влияние неучтенных факторов на коэффициент корреляции
- •11. Распределение коэффициентов регрессии и корреляции
- •12. Множественная регрессия.
- •13. Линейная модель множественной регрессии. Проверка линейности модели
- •14. Спецификация модели. Коэффициент множественной детерминации. Коэффициент частной детерминации. Коэффициент частной детерминации между объясняющими переменными
- •15. Отбор факторов при построении множественной регрессии
- •16. Мультиколлениарность
- •17. Выбор формы уравнения регрессии
- •18. Оценка параметров уравнения множественной регрессии.
- •19. Обобщенный метод наименьших квадратов
- •20. Частные уравнения регрессии
- •21. Множественная корреляция.
- •22. Частная корреляция.
- •23. Оценка надежности результатов множественной регрессии и корреляции.
- •24. Нелинейные модели регрессии. Множественная нелинейная регрессия
- •25. Логарифмические модели
- •26. Полулогарифмические модели
- •33. Метод максимального правдоподобия
- •34. Метод линеаризации
- •35. Коэффициент детерминации. Коэффициент конкордации
- •36. Функция правдоподобия в математической статистике - это совместное распределение выборки из параметрического распределения как функция параметра.
- •37. Метод Бокса-Кокса
- •38. Коэффициент ранговой корреляции Спирмена.
- •39. Коэффициенты эластичности
- •40. Фиктивные переменные
- •41. Проверка значимости для коэффициента корреляции
- •42. Проверка значимости для коэффициента детерминации.
- •43. Проверка линейной регрессии
- •44. Коэффициент детерминации при простой линейной регрессии.
- •45. Коэффициент множественной детерминации
- •46. Коэффициент частной детерминации
- •47. Коэффициент детерминации между объясняющими переменными
- •48. Стандартные ошибки оценок
26. Полулогарифмические модели
Экспоненциальную модель (3.1) в виде (3.2) называют также полулогарифмической.
К полуэкспоненциальным относят также модель вида:
27 Обратная модель
28 Степенная модель
29 Показательная модель
30 Линеаризация нелинейных моделей
При нелинейной зависимости признаков, приводимой к линейному виду, параметры множественной регрессии также определяются по МНК с той лишь разницей, что он используется не к исходной информации, а к преобразованным данным.
Применяется для полиномиальных, гиперболических, полулогарифмических моделей.
31. Преобразование случайного отклонения.
32. Соотношения между коэффициентами множественной и частной корреляции, регрессии и детерминации
Покажем, что между коэффициентами множественной и частной корреляции, регрессии и детерминации существуют соотношения, позволяющие производить вычисления одних коэффициентов по известным другим. Ограничимся наиболее важными соотношениями. Разделим числитель и знаменатель правой части формулы (5.1)
(5.1)
на
.
Путем простого преобразования с учетом
а также (2.52) и (2.53) получим следующее соотношение:
(5.2)
Сравнивая (5.2) с (2.54), можно сделать вывод, что
(5.3)
Таким образом, мы получили такое же соотношение между коэффициентами частной корреляции и частной детерминации, как и в случае простой регрессии. Пользуясь этим соотношением и не прибегая к дополнительным вычислениям по исходным данным, по коэффициенту частной детерминации мы можем сделать вывод о коэффициенте частной корреляции и наоборот. Аналогичное соотношение существует между коэффициентами множественной корреляции и детерминации. Сравнивая
и
легко увидеть следующее соотношение:
(5.4)
При некоррелированности объясняющих переменных имеется равенство
(5.5)
С учетом (5.4) и (2.6) его можно записать в виде
(5.6)
или, обобщая на произвольное число переменных,
(5.7)
Итак, коэффициент множественной детерминации равен сумме коэффициентов парной детерминации, если объясняющие переменные попарно не коррелированы.
Приведем теперь соотношения между частными корреляциями и регрессиями различных порядков.
(5.8)
Связь между коэффициентами частной и множественной корреляции можно представить в таком виде:
(5.9)
Соотношения (5.9) легко доказать. Для этого преобразуем (2.31):
(5.10)
Это равенство подставим в (2.39). После соответствующих выкладок получим
(5.11)
Вычтем левую и правую часть этого равенства из 1:
(5.12)
В соответствии с (2.28) получим
(5.13)
Подставим выражение b’y1.2в предыдущее равенство:
(5.14)
Преобразуем (2.57) :
(5.15)
Подставляя это выражение в предыдущее равенство, в итоге получим
(5.16)
что и требовалось доказать. Обобщим это соотношение на тобъясняющих переменных:
(5.17)
С помощью (5.17) можно вычислить коэффициент множественной корреляции по коэффициентам парной и частной корреляции. Коэффициент указывает долю влияниях1нау,а — долю влияниях2нау при фиксированиих1и т. д.
Из (5.9) получаем следующее соотношение:
(5.18)
Это равенство можно использовать для контроля Вычислений коэффициентов корреляции.