Множественная регрессия
Контрольная работа, 24 Августа 2015
Задания:
Найти параметры регрессионной модели, используя электронную таблицу Excel.
Подберите наиболее подходящую линейную модель (только значимые регрессоры).
Модель множественной регрессии
Доклад, 04 Декабря 2013
Множественная регрессия широко используется в решении проблем спроса, доходности акций, при изучении функции издержек производства, в макроэкономических расчетах и в ряде других вопросов экономики. В настоящее время множественная регрессия – один из наиболее распространенных методов в эконометрике. Основной целью множественной регрессии является построение модели с большим числом факторов, а также определение влияния каждого фактора в отдельности и совокупного их воздействия на моделируемый показатель.
Парная и множественная регрессии
Контрольная работа, 01 Декабря 2013
Но – гипотеза о случайной природе оцениваемых характеристик отклоняется и признается их статистическая значимость и надежность, т. к. .
Оценку статистической значимости параметров регрессии проведем с помощью t- статистики Стьдента и путем расчета доверительного интервала каждого из показателей.
Выдвинем гипотезу Но о статистически незначимом отличии показателей от нуля: а=b=rxy=0
Уравнение множественной регрессии
Контрольная работа, 05 Декабря 2013
Уравнение множественной регрессии может быть представлено в виде:
Y = f(β , X) + ε
где X = X(X1, X2, ..., Xm) - вектор независимых (объясняющих) переменных; β - вектор параметров (подлежащих определению); ε - случайная ошибка (отклонение); Y - зависимая (объясняемая) переменная.
Построение и анализ модель множественной регрессии
Контрольная работа, 22 Января 2014
По исходным данным требуется:
1. Построить классическую линейную модель множественной регрессии, выполнить экономический анализ основных показателей модели: коэффициентов «чистой» регрессии, индекса корреляции, индекса детерминации, оценить значимость модели в целом (F-критерий Фишера) и отдельных ее параметров (t-статистика Стьюдента).
2. Проанализировать матрицу парных коэффициентов корреляции на наличие мультиколлинеарности. Если мультиколлинеарность присутствует - устранить (или ослабить) ее методом пошагового отбора переменных.
Построение и анализ модель множественной регрессии
Задача, 15 Января 2014
По исходным данным требуется:
1. Построить классическую линейную модель множественной регрессии, выполнить экономический анализ основных показателей модели: коэффициентов «чистой» регрессии, индекса корреляции, индекса детерминации, оценить значимость модели в целом (F-критерий Фишера) и отдельных ее параметров (t-статистика Стьюдента).
2. Проанализировать матрицу парных коэффициентов корреляции на наличие мультиколлинеарности. Если мультиколлинеарность присутствует - устранить (или ослабить) ее методом пошагового отбора переменных.
Построение и анализ модели множественной регрессии
Контрольная работа, 16 Января 2014
Линейная модель множественной регрессии имеет вид:
,
где - расчётные значения исследуемой переменной,
- факторные переменные.
- коэффициенты уравнения, каждый из которых показывает, насколько изменится значение исследуемого признака при изменении соответствующего фактора на 1 при неизменных прочих факторных переменных.
Построение модели множественной линейной регрессии, оценка параметров модели
Практическая работа, 27 Декабря 2012
Цель работы – построение модели множественной линейной регрессии влияния уровня интенсификации на эффективность производства продукции сельского хозяйства.
Работа выполнялась в программе STATISTICA.
В процессе работы использовались следующие методы: дисперсионный анализ, корреляционно-регрессионный анализ (метод наименьших квадратов), графический метод.
В результате исследования была построена модель множественной линейной регрессии, параметры оценены на достоверность, оценена коллинеарность факторов, проведена гребневая регрессия, модель оценена на гетероскедастичность остатков.