Тема 2: Отбор факторов, включаемых в модель множественной регрессии

Тема 1: Спецификация эконометрической модели

1. Ошибки спецификации эконометрической модели имеют место вследствие …

неверного выбора математической функции либо недоучета в уравнении регрессии какого-то существенного фактора

недостоверности либо дефицитности начальной инфы

неоднородности данных в начальной статистической совокупы

недостающего количества данных

Решение:

Спецификацией модели именуется отбор причин, включаемых в модель, и выбор математической функции для . Потому к Тема 2: Отбор факторов, включаемых в модель множественной регрессии ошибкам спецификации относятся не только лишь неверный выбор той либо другой математической функции для , да и недоучет в уравнении регрессии какого-то существенного фактора, другими словами внедрение парной регрессии заместо множественной.

2. Для регрессионной модели вида нужен малый объем наблюдений, содержащий _____ объектов наблюдения.

Решение:

Считается, на каждый оцениваемый коэффициент регрессии нужно более 5–7 объектов Тема 2: Отбор факторов, включаемых в модель множественной регрессии статистических наблюдений. Потому что представленная модель содержит 3 независящие переменные, то на любой из характеристик регрессии при независящей переменной нужно по 5–7 наблюдений, другими словами в совокупы более 15–21 наблюдения. Берем нижнюю границу интервала, тогда верный вариант ответа – «15».

3. Нелинейным по объясняющим переменным, но линейным по характеристикам уравнением регрессии является …

Решение:

Из приведенных Тема 2: Отбор факторов, включаемых в модель множественной регрессии функций исключительно в функции характеристики имеют степень 1, а объясняющая переменная х имеет степень, хорошую от 1.

4. В модели вида количество объясняющих переменных равно …

Решение:

Эконометрическая модель уравнения регрессии может быть представлена линейным уравнением множественной регрессии в виде выражения , где y – зависимая переменная; xj – объясняющая независящая переменная (j = 1,…, k Тема 2: Отбор факторов, включаемых в модель множественной регрессии; k – количество независящих переменных); a, bj – характеристики (a – свободный член уравнения, bj – коэффициент регрессии); – случайные причины. Независящие переменные xj именуются также факторами, объясняющими переменными. На количество объясняющих переменных в линейном уравнении показывает также количество коэффициентов регрессии bj. Потому количество объясняющих переменных в модели равно 3.

5. При идентификации модели множественной регрессии количество оцениваемых Тема 2: Отбор факторов, включаемых в модель множественной регрессии характеристик равно …

Решение:

При оценке модели множественной регрессии рассчитываются последующие характеристики: свободный член a и четыре параметра при независящих переменных х. Итого 5 характеристик.

Тема 2: Отбор причин, включаемых в модель множественной регрессии

1. В модели множественной регрессии определитель матрицы парных коэффициентов корреляции меж факторами , и близок к единице. Это Тема 2: Отбор факторов, включаемых в модель множественной регрессии значит, что причины , и …

независимы

мультиколлинеарны

количественно измеримы

значимы

Решение:

Для оценки мультиколлинеарности причин может употребляться определитель матрицы парных коэффициентов корреляции меж факторами. Если причины не коррелированы меж собой, то матрица парных коэффициентов корреляции меж факторами была бы единичной. Так как все недиагональные элементы могли быть равны нулю.
, так как = = и = = =0.
Если меж факторами существует Тема 2: Отбор факторов, включаемых в модель множественной регрессии полная линейная зависимость и все коэффициенты парной корреляции равны единице, то определитель таковой матрицы равен нулю.

Чем поближе к нулю определитель матрицы межфакторной корреляции, тем посильнее мультиколлинеарность причин и ненадежнее результаты множественной регрессии. И, напротив, чем поближе к единице определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность причин.

2. При моделировании Тема 2: Отбор факторов, включаемых в модель множественной регрессии линейного уравнения множественной регрессии вида нужно, чтоб производилось требование отсутствия связи меж …

x1 и x2

y и {x1; x2}

a и {b1; b2}

b1 и b2

Решение:

Эконометрическая модель уравнения регрессии может быть представлена линейным уравнением множественной регрессии в виде выражения , где y – зависимая переменная; xj – независящая переменная (j = 1,…, k Тема 2: Отбор факторов, включаемых в модель множественной регрессии; k – количество независящих переменных); a, bj – характеристики (a – свободный член уравнения, bj – коэффициент регрессии); – случайные причины. При построении модели множественной регрессии нужно исключить возможность существования тесноватой линейной зависимости меж независящими (объясняющими) переменными, которая ведет к дилемме мультиколлинеарности. Потому в данной модели нужно, чтоб производилось требование отсутствия связи меж Тема 2: Отбор факторов, включаемых в модель множественной регрессии x1 и x2.


tema-2-osnovi-nauchnoj-organizacii-truda-4-chasa.html
tema-2-osnovi-ritoriki-kultura-oratorskoj-rechi.html
tema-2-osnovnie-etapi-formirovaniya-ugolovno-ispolnitelnoj-sistemi-rossii-ugolovno-ispolnitelnoe-zakonodatelstvo.html