31. Частные коэффициенты корреляции для модели множественной регрессии с тремя и более факторными переменными
31. Частные коэффициенты корреляции для модели множественной регрессии с тремя и более факторными переменными
Частные коэффициенты корреляции для модели множественной регрессии с тремя и более факторными переменными позволяют определить степень зависимости между результативной переменной и одной из факторных переменных при постоянстве остальных факторных переменных, включённых в модель.
Для модели множественной регрессии с тремя факторными переменными рассчитываются частные коэффициенты, как первого, так и второго порядка.
Общий вид модели трёхфакторной регрессии:
yi=?0+?1x1i+?2x2i+?3x3i+?i,
где yi – результативная переменная,
x1i – первая факторная переменная;
x2i – второй факторная переменная;
x3i – третья факторная переменная;
?0,?1,?2,?3 – неизвестные коэффициенты модели регрессии;
?i – случайная ошибка модели регрессии.
Частные коэффициенты корреляции первого порядка для модели трёхфакторной регрессии строятся точно так же, как и для модели двухфакторной регрессии.
Частные коэффициенты корреляции второго порядка для модели трёхфакторной регрессии строятся следующим образом.
Частный коэффициент корреляции между результативной переменной у и факторной переменной х1 при постоянстве факторных переменных х2 и х3:
Частный коэффициент корреляции между результативной переменной у и факторной переменной х2 при постоянстве факторных переменных х1 и х3:
Частный коэффициент корреляции между результативной переменной у и факторной переменной х3 при постоянстве факторных переменных х1 и х1:
Частные коэффициенты корреляции второго порядка построены с использованием частных коэффициентов корреляции первого порядка.
Следовательно, частный коэффициент корреляции порядка t может быть построен через частный коэффициент корреляции (t-1) порядка. Формулы, построенные через указанную взаимосвязь, называются рекуррентными.
При анализе модели множественной регрессии с n факторными переменными, частный коэффициент корреляции (n-1) порядка рассчитывается по общей формуле:
Частные коэффициенты корреляции, вычисленные по рекуррентным формулам, изменяются в пределах от минус единицы до плюс единицы.
Более 800 000 книг и аудиокниг! 📚
Получи 2 месяца Литрес Подписки в подарок и наслаждайся неограниченным чтением
ПОЛУЧИТЬ ПОДАРОКДанный текст является ознакомительным фрагментом.
Читайте также
14. Оценка коэффициентов модели парной регрессии с помощью выборочного коэффициента регрессии
14. Оценка коэффициентов модели парной регрессии с помощью выборочного коэффициента регрессии Помимо метода наименьших квадратов, с помощью которого в большинстве случаев определяются неизвестные параметры модели регрессии, в случае линейной модели парной регрессии
18. Характеристика качества модели регрессии
18. Характеристика качества модели регрессии Качеством модели регрессии называется адекватность построенной модели исходным (наблюдаемым) данным.Для оценки качества модели регрессии используются специальные показатели.Качество линейной модели парной регрессии
26. Линейная модель множественной регрессии
26. Линейная модель множественной регрессии Построение модели множественной регрессии является одним из методов характеристики аналитической формы связи между зависимой (результативной) переменной и несколькими независимыми (факторными) переменными.Модель
27. Классический метод наименьших квадратов для модели множественной регрессии. Метод Крамера
27. Классический метод наименьших квадратов для модели множественной регрессии. Метод Крамера В общем виде линейную модель множественной регрессии можно записать следующим образом:yi=?0+?1x1i+…+?mxmi+?i, где yi – значение i-ой результативной переменной,x1i…xmi – значения факторных
28. Линейная модель множественной регрессии стандартизированного масштаба
28. Линейная модель множественной регрессии стандартизированного масштаба Помимо классического метода наименьших квадратов для определения неизвестных параметров линейной модели множественной регрессии ?0…?m используется метод оценки данных параметров через
30. Частные коэффициенты корреляции для линейной модели регрессии с двумя факторными переменными
30. Частные коэффициенты корреляции для линейной модели регрессии с двумя факторными переменными Частные коэффициенты корреляции используются для оценки зависимости между результативной переменной и одной из факторных переменных при условии постоянства всех
32. Построение частных коэффициентов корреляции для модели множественной регрессии через показатель остаточной дисперсии и коэффициент множественной детерминации
32. Построение частных коэффициентов корреляции для модели множественной регрессии через показатель остаточной дисперсии и коэффициент множественной детерминации Помимо рекуррентных формул, которые используются для построения частных коэффициентов корреляции для
33. Коэффициент множественной корреляции. Коэффициент множественной детерминации
33. Коэффициент множественной корреляции. Коэффициент множественной детерминации Если частные коэффициенты корреляции модели множественной регрессии оказались значимыми, т. е. между результативной переменной и факторными модельными переменными действительно
35. Проверка гипотезы о значимости коэффициентов регрессии и модели множественной регрессии в целом
35. Проверка гипотезы о значимости коэффициентов регрессии и модели множественной регрессии в целом Проверка значимости коэффициентов регрессии означает проверку основной гипотезы об их значимом отличии от нуля.Основная гипотеза состоит в предположении о незначимости
39. Модели регрессии, нелинейные по факторным переменным
39. Модели регрессии, нелинейные по факторным переменным При исследовании социально-экономических явлений и процессов далеко не все зависимости можно описать с помощью линейной связи. Поэтому в эконометрическом моделировании широко используется класс нелинейных
40. Модели регрессии, нелинейные по оцениваемым коэффициентам
40. Модели регрессии, нелинейные по оцениваемым коэффициентам Нелинейными по оцениваемым параметрам моделями регрессииназываются модели, в которых результативная переменная yi нелинейно зависит от коэффициентов модели ?0…?n.К моделям регрессии, нелинейными по
41. Модели регрессии с точками разрыва
41. Модели регрессии с точками разрыва Определение. Моделями регрессии с точками разрыва называются модели, которые нельзя привести к линейной форме, т. е. внутренне нелинейные модели регрессии.Модели регрессии делятся на два класса:1) кусочно-линейные модели регрессии;2)
45. Показатели корреляции и детерминации для нелинейных моделей регрессии
45. Показатели корреляции и детерминации для нелинейных моделей регрессии Индексом корреляции для нелинейных форм связи называется коэффициент корреляции, который вычисляется для оценки качества построенной нелинейной модели регрессии.Индекс корреляции для
46. Проверка гипотезы о значимости нелинейной модели регрессии. Проверка гипотезы о линейной зависимости между переменными модели регрессии
46. Проверка гипотезы о значимости нелинейной модели регрессии. Проверка гипотезы о линейной зависимости между переменными модели регрессии На нелинейные модели регрессии, которые являются внутренне линейными, т. е. сводимыми к линейному виду, распространяются все
57. Гетероскедастичность остатков модели регрессии
57. Гетероскедастичность остатков модели регрессии Случайной ошибкой называется отклонение в линейной модели множественной регрессии:?i=yi–?0–?1x1i–…–?mxmiВ связи с тем, что величина случайной ошибки модели регрессии является неизвестной величиной, рассчитывается
63. Устранение автокорреляции остатков модели регрессии
63. Устранение автокорреляции остатков модели регрессии В связи с тем, что наличие в модели регрессии автокорреляции между остатками модели может привести к негативным результатам всего процесса оценивания неизвестных коэффициентов модели, автокорреляция остатков