КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Авторегресійні моделі. Модель часткових пристосувань.Авторегресійна модель – це кореляційно-регресійна модель, яка, крім факторних ознак, містить одне або більше попередніх значень результуючої змінної. У моделі часткового пристосування (моделі акселератора) у рівняння регресії в якості залежної змінної входить не фактичне значення , а бажане (довгострокове) значення : (9) Щодо значення висувається припущення часткового коригування: (10) по який фактичне збільшення залежної змінної пропорційне різниці між її бажаним значенням і значенням у попередній період. – коефіцієнт коригування. Рівняння (10) можна перетворити до наступного виду: (11) З (10) видно, що поточне значення є зваженим середнім бажаного рівня і фактичного значення даної змінної в попередній період. Чим більше , тим швидше йде коректування. При повне коректування відбувається за один період. При коригування не відбувається зовсім. Підставивши (11) у (9), одержимо модель часткового пристосування: (12) 5. Визначення коефіцієнта детермінації для багатофакторної лінійної регресії, оцінка його статистичної значущості. Для перевірки загальної якості рівняння багатофакторної регресії застосовують: 1. Коефіцієнт детермінації: (12) 2. Скоригований коефіцієнт детермінації: (13) (14) З (14) випливає, що для . може бути і від’ємним. 3. Індекс кореляції (множинний коефіцієнт кореляції) : , Î [0, 1]. (15) Для перевірки статистичної значущості коефіцієнта детермінації застосовують F-критерій Фішера. Аналіз статистичної значущості коефіцієнта детермінації проводять за наступними етапами: 1) розраховують F-статистику: , (16) де – кількість незалежних змінних; 2) з таблиць критичних точок розподілу Фішера знаходять ; 3) якщо , то є статистично значущим, рівняння якісно описує зв’язок між залежною і незалежними змінними. 6. Визначення коефіцієнта детермінації для парної лінійної регресії. Функціональна залежність умовного математичного сподівання від називається функцієюрегресії на : (1) де – значення ВВ в -му спостереженні, . Парна лінійна регресія являє собою лінійну функцію між умовним математичним сподіванням залежної змінної і однією незалежною змінною : .(2)Співвідношення (2) називається теоретичним лінійним рівнянням регресії. Для відображення того факту, що кожне фактичне значення залежної змінної ( ) відхиляється від відповідного умовного математичного сподівання ( ), необхідно ввести в співвідношення випадковий доданок : , (3) де , – теоретичні параметри (теоретичні коефіцієнти) регресії; – випадкові відхилення.Співвідношення (3) називається теоретичною лінійною регресійною моделлю. За вибіркою можна побудувати емпіричне рівняння регресії: , (4) де – оцінка умовного математичного сподівання ; , – оцінки невідомих параметрів (емпіричні коефіцієнти регресії). Фактичні значення залежної змінної ( ) розраховуються за формулою: , (5) де – оцінка теоретичного випадкового відхилення .
Дата добавления: 2023-11-03; Просмотров: 68; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |