🗊Презентация Ekonometria. Weryfikacja modelu ekonometrycznego

Категория: Экономика и Финансы
Нажмите для полного просмотра!
Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №1Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №2Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №3Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №4Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №5Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №6Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №7Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №8Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №9Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №10Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №11Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №12Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №13Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №14Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №15Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №16Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №17Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №18Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №19Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №20Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №21Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №22Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №23Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №24Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №25Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №26Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №27Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №28Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №29Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №30Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №31Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №32Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №33Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №34Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №35Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №36Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №37Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №38Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №39Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №40Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №41Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №42Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №43Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №44Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №45Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №46Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №47Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №48Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №49Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №50Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №51Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №52Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №53Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №54Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №55Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №56Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №57Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №58Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №59
Скачать

Содержание ▲

Вы можете ознакомиться и скачать презентацию на тему Ekonometria. Weryfikacja modelu ekonometrycznego. Доклад-сообщение содержит 59 слайдов. Презентации для любого класса можно скачать бесплатно. Если материал и наш сайт презентаций Mypresentation Вам понравились – поделитесь им с друзьями с помощью социальных кнопок и добавьте в закладки в своем браузере.

Слайды и текст этой презентации

Слайд 1


Ekonometria Wykład 7 dr hab. Małgorzata Radziukiewicz, prof. PSW Biała Podlaska
Описание слайда:
Ekonometria Wykład 7 dr hab. Małgorzata Radziukiewicz, prof. PSW Biała Podlaska

Слайд 2


Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №2
Описание слайда:

Слайд 3


Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №3
Описание слайда:

Слайд 4


Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №4
Описание слайда:

Слайд 5


Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №5
Описание слайда:

Слайд 6


Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №6
Описание слайда:

Слайд 7


Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №7
Описание слайда:

Слайд 8


Weryfikacja modelu ekonometrycznego
Описание слайда:
Weryfikacja modelu ekonometrycznego

Слайд 9


Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №9
Описание слайда:

Слайд 10


Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №10
Описание слайда:

Слайд 11


Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №11
Описание слайда:

Слайд 12


Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №12
Описание слайда:

Слайд 13


Przykład. Do modelu wybrano zmienne objaśniające X1 oraz X2. Macierz obserwacji na zmiennych objaśniających modelu jest postaci: Wektor wartości zmiennej objaśnianej Y:
Описание слайда:
Przykład. Do modelu wybrano zmienne objaśniające X1 oraz X2. Macierz obserwacji na zmiennych objaśniających modelu jest postaci: Wektor wartości zmiennej objaśnianej Y:

Слайд 14


Twierdzenie 1 (Gaussa-Markowa) Wektor ocen parametrów strukturalnych jest postaci:
Описание слайда:
Twierdzenie 1 (Gaussa-Markowa) Wektor ocen parametrów strukturalnych jest postaci:

Слайд 15


Macierz odwrotna do macierzy XTX
Описание слайда:
Macierz odwrotna do macierzy XTX

Слайд 16


Obliczamy wartości ocen parametrów strukturalnych modelu ekonometrycznego: Model ekonometryczny jest postaci:
Описание слайда:
Obliczamy wartości ocen parametrów strukturalnych modelu ekonometrycznego: Model ekonometryczny jest postaci:

Слайд 17


Interpretacja: a0 = 7,941 to średnia wartość Y w przypadku, gdy zmienne objaśniające X1 i X2 są równe 0; a1 = 1,341 oznacza o ile przeciętnie wzrośnie Y, jeżeli zmienna objaśniająca X1 wzrośnie o jednostkę, podczas gdy zmienna objaśniająca X2 pozostanie bez zmian; a2 = 1,800 oznacza, o ile przeciętnie wzrośnie Y, jeżeli zmienna objaśniająca X2 wzrośnie o jednostkę, podczas gdy zmienna objaśniająca X1 pozostanie bez zmian.
Описание слайда:
Interpretacja: a0 = 7,941 to średnia wartość Y w przypadku, gdy zmienne objaśniające X1 i X2 są równe 0; a1 = 1,341 oznacza o ile przeciętnie wzrośnie Y, jeżeli zmienna objaśniająca X1 wzrośnie o jednostkę, podczas gdy zmienna objaśniająca X2 pozostanie bez zmian; a2 = 1,800 oznacza, o ile przeciętnie wzrośnie Y, jeżeli zmienna objaśniająca X2 wzrośnie o jednostkę, podczas gdy zmienna objaśniająca X1 pozostanie bez zmian.

Слайд 18


Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №18
Описание слайда:

Слайд 19


Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №19
Описание слайда:

Слайд 20


Twierdzenie 2 (Gaussa-Markowa) Wariancja składnika resztowego (estymator wariancji składnika losowego) według wzoru: Do obliczenia wariancji potrzebne są reszty: gdzie: wartości teoretyczne zmiennej obajśnianej (uzyskane na podstawie modelu) = wartości przewidywane - wartości zmiennej objaśnianej (empiryczne )
Описание слайда:
Twierdzenie 2 (Gaussa-Markowa) Wariancja składnika resztowego (estymator wariancji składnika losowego) według wzoru: Do obliczenia wariancji potrzebne są reszty: gdzie: wartości teoretyczne zmiennej obajśnianej (uzyskane na podstawie modelu) = wartości przewidywane - wartości zmiennej objaśnianej (empiryczne )

Слайд 21


Ile wynoszą reszty? Do oszacowanego modelu: podstawiamy kolejne wartości zmiennych X1 i X2
Описание слайда:
Ile wynoszą reszty? Do oszacowanego modelu: podstawiamy kolejne wartości zmiennych X1 i X2

Слайд 22


Wektor reszt równa się:
Описание слайда:
Wektor reszt równa się:

Слайд 23


licznik wzoru to:
Описание слайда:
licznik wzoru to:

Слайд 24


Odchylenie standardowe składnika resztowego (błąd estymacji): Interpretacja: Poszczególne obserwacje empiryczne Y odchylają się średnio od teoretycznych o ± 3,318 jednostek.
Описание слайда:
Odchylenie standardowe składnika resztowego (błąd estymacji): Interpretacja: Poszczególne obserwacje empiryczne Y odchylają się średnio od teoretycznych o ± 3,318 jednostek.

Слайд 25


Twierdzenie 3 (Gaussa-Markowa Wariancja estymatora parametrów strukturalnych według wzoru: wynosi: Obliczając wartości elementów diagonalnych macierzy D2(a) otrzymamy oceny wariancji poszczególnych parametrów modelu
Описание слайда:
Twierdzenie 3 (Gaussa-Markowa Wariancja estymatora parametrów strukturalnych według wzoru: wynosi: Obliczając wartości elementów diagonalnych macierzy D2(a) otrzymamy oceny wariancji poszczególnych parametrów modelu

Слайд 26


Wnioskowanie o dokładności szacunku parametrów αi Błędy średnie szacunku parametrów strukturalnych: Interpretacja: O ile +- odchylają się wartości ocen parametrów strukturalnych od ich wartości rzeczywistych
Описание слайда:
Wnioskowanie o dokładności szacunku parametrów αi Błędy średnie szacunku parametrów strukturalnych: Interpretacja: O ile +- odchylają się wartości ocen parametrów strukturalnych od ich wartości rzeczywistych

Слайд 27


Do interpretacji lepiej posługiwać się średnimi względnymi błędami szacunku parametrów wyznaczonymi ze wzoru: Błędy średnie stanowią odpowiednio 47,02%, 127,82% oraz 116,06% wartości kolejnych parametrów.
Описание слайда:
Do interpretacji lepiej posługiwać się średnimi względnymi błędami szacunku parametrów wyznaczonymi ze wzoru: Błędy średnie stanowią odpowiednio 47,02%, 127,82% oraz 116,06% wartości kolejnych parametrów.

Слайд 28


Współczynnik zbieżności dany wzorem: wynosi: bowiem:
Описание слайда:
Współczynnik zbieżności dany wzorem: wynosi: bowiem:

Слайд 29


Współczynnik zbieżności φ2 = 0,380 oznacza, iż 38% zmienności zmiennej objaśnianej Y nie zostało wyjaśnione przez model. Współczynnik determinacji R2 : co oznacza, iż 62% zmienności zmiennej objaśnianej Y zostało wyjaśnione przez model
Описание слайда:
Współczynnik zbieżności φ2 = 0,380 oznacza, iż 38% zmienności zmiennej objaśnianej Y nie zostało wyjaśnione przez model. Współczynnik determinacji R2 : co oznacza, iż 62% zmienności zmiennej objaśnianej Y zostało wyjaśnione przez model

Слайд 30


Współczynnik zmienności losowej: Interpretacja: Odchylenia losowe stanowią 23,7% wartości średniej zmiennej objaśnianej Y.
Описание слайда:
Współczynnik zmienności losowej: Interpretacja: Odchylenia losowe stanowią 23,7% wartości średniej zmiennej objaśnianej Y.

Слайд 31


W ekonometrii przyjęta jest konwencja podawania średnich błędów szacunku parametrów strukturalnych łącznie z oszacowaniem modelu. Oszacowany model ekonometryczny jest postaci:
Описание слайда:
W ekonometrii przyjęta jest konwencja podawania średnich błędów szacunku parametrów strukturalnych łącznie z oszacowaniem modelu. Oszacowany model ekonometryczny jest postaci:

Слайд 32


Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №32
Описание слайда:

Слайд 33


Weryfikujemy istotność parametrów strukturalnych oszacowanego modelu Stawiamy hipotezę: H0: αi = 0 (parametr αi nieistotnie różni się od zera tzn. że zmienna Xi przy której parametr stoi wywiera nieistotny wpływ na zmienną objaśnianą ); H1: αi ≠ 0 (parametr αi istotnie różni się od zera); Test istotności pozwalający na weryfikację hipotezy H0: αi = 0 oparty jest na rozkładzie statystyki t-Studenta określonej wzorem:
Описание слайда:
Weryfikujemy istotność parametrów strukturalnych oszacowanego modelu Stawiamy hipotezę: H0: αi = 0 (parametr αi nieistotnie różni się od zera tzn. że zmienna Xi przy której parametr stoi wywiera nieistotny wpływ na zmienną objaśnianą ); H1: αi ≠ 0 (parametr αi istotnie różni się od zera); Test istotności pozwalający na weryfikację hipotezy H0: αi = 0 oparty jest na rozkładzie statystyki t-Studenta określonej wzorem:

Слайд 34


Dla każdego parametru obliczamy wartości empiryczne statystyki t: Z tablic t-Studenta dla przyjętego poziomu istotności α = 0,01 oraz dla n-(k+1)= 5–(2+1)=2 stopnie swobody odczytujemy wartość krytyczną t* = 4,303.
Описание слайда:
Dla każdego parametru obliczamy wartości empiryczne statystyki t: Z tablic t-Studenta dla przyjętego poziomu istotności α = 0,01 oraz dla n-(k+1)= 5–(2+1)=2 stopnie swobody odczytujemy wartość krytyczną t* = 4,303.

Слайд 35


Jeżeli spełniona jest nierówność: to hipoezę H0 należy odrzucić na korzyśćalternatywnej hipotezy H1, czyli dany parametr jest statystycznie istotny. W przypadku, gdy: nie ma odstaw do odrzucenia hipotezy H0 o nieistotności parametru.
Описание слайда:
Jeżeli spełniona jest nierówność: to hipoezę H0 należy odrzucić na korzyśćalternatywnej hipotezy H1, czyli dany parametr jest statystycznie istotny. W przypadku, gdy: nie ma odstaw do odrzucenia hipotezy H0 o nieistotności parametru.

Слайд 36


Z naszych obliczeń wynika m.in., iż: więc hipotezę H1 odrzucamy, a parametr a0 jest statystycznie nieistotny. Dla parametrów a1 i a2 spełniona jest również nierówność: co oznacza, iż w tym przypadku również nie ma podstaw do odrzucenia hipotezy H0. Interpretacja: Parametry a0, a0 i a2 są statystycznie nieistotne. A zatem zmienne objaśniające X1 i X2 wywierają nieistotny wpływ na zmienną objaśnianą Y.
Описание слайда:
Z naszych obliczeń wynika m.in., iż: więc hipotezę H1 odrzucamy, a parametr a0 jest statystycznie nieistotny. Dla parametrów a1 i a2 spełniona jest również nierówność: co oznacza, iż w tym przypadku również nie ma podstaw do odrzucenia hipotezy H0. Interpretacja: Parametry a0, a0 i a2 są statystycznie nieistotne. A zatem zmienne objaśniające X1 i X2 wywierają nieistotny wpływ na zmienną objaśnianą Y.

Слайд 37


Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №37
Описание слайда:

Слайд 38


Badanie koincydencji Model jest koincydentny, jeżeli dla każdej zmiennej objaśniającej model zachodzi: gdzie: ai – jest oceną parametru strukturalnego αi; ri – jest współczynnikiem korelacji między zmienną Y a zmienną Xi. Model jest koincydentny.
Описание слайда:
Badanie koincydencji Model jest koincydentny, jeżeli dla każdej zmiennej objaśniającej model zachodzi: gdzie: ai – jest oceną parametru strukturalnego αi; ri – jest współczynnikiem korelacji między zmienną Y a zmienną Xi. Model jest koincydentny.

Слайд 39


Współliniowość – czy zmienne są katalizatorami? Zmienna Xi z pary zmiennych ( Xi, Xj) jest katalizatorem jeżeli: Z obliczeń wynika, iż: Żadna ze zmiennych nie jest katalizatorem.
Описание слайда:
Współliniowość – czy zmienne są katalizatorami? Zmienna Xi z pary zmiennych ( Xi, Xj) jest katalizatorem jeżeli: Z obliczeń wynika, iż: Żadna ze zmiennych nie jest katalizatorem.

Слайд 40


Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №40
Описание слайда:

Слайд 41


Badanie losowości Badanie losowości ma związek z wyborem postaci analitycznej modelu. W standardowym modelu liniowym zmienna objaśniana jest liniową funkcją zmiennych objaśniających plus korekta. W przypadku, gdy korekty mają przez dłuższy okres jednakowe znaki można przypuszczać, że został popełniony błąd specyfikacji: nietrafny wybór postaci analitycznej modelu; nietrafny wybór zmiennych objaśniających
Описание слайда:
Badanie losowości Badanie losowości ma związek z wyborem postaci analitycznej modelu. W standardowym modelu liniowym zmienna objaśniana jest liniową funkcją zmiennych objaśniających plus korekta. W przypadku, gdy korekty mają przez dłuższy okres jednakowe znaki można przypuszczać, że został popełniony błąd specyfikacji: nietrafny wybór postaci analitycznej modelu; nietrafny wybór zmiennych objaśniających

Слайд 42


Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №42
Описание слайда:

Слайд 43


Czy reszty są losowe? Wektor reszt
Описание слайда:
Czy reszty są losowe? Wektor reszt

Слайд 44


Wartości krytyczne testu serii
Описание слайда:
Wartości krytyczne testu serii

Слайд 45


Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №45
Описание слайда:

Слайд 46


Czy rozkład reszt modelu jest symetryczny? W celu zweryfikowania hipotezy
Описание слайда:
Czy rozkład reszt modelu jest symetryczny? W celu zweryfikowania hipotezy

Слайд 47


Czy występuje autokorelacja skladnika losowego? Jednym z założeń dotyczących modelu regresji jest niezależność błędów obserwacji, czyli fakt, czy występujące reszty w predykcji zmiennej zależnej są ze sobą skorelowane. Dobrze dopasowane modele regresji zakładają, że otrzymywane reszty (e) - błędy przewidywania rzeczywistej wartości zmiennej zależnej na podstawie utworzonego przez nas modelu regresji - są niezależne od siebie, Oznacza to, że rozkład reszt jest losowy, przypadkowy, bez stale występującego wzorca. 
Описание слайда:
Czy występuje autokorelacja skladnika losowego? Jednym z założeń dotyczących modelu regresji jest niezależność błędów obserwacji, czyli fakt, czy występujące reszty w predykcji zmiennej zależnej są ze sobą skorelowane. Dobrze dopasowane modele regresji zakładają, że otrzymywane reszty (e) - błędy przewidywania rzeczywistej wartości zmiennej zależnej na podstawie utworzonego przez nas modelu regresji - są niezależne od siebie, Oznacza to, że rozkład reszt jest losowy, przypadkowy, bez stale występującego wzorca. 

Слайд 48


Sposobem określenia niezależności błędów obserwacji jest wyznaczenie autokorelacji składnika resztowego, czyli korelacji r-Pearsona pomiędzy kolejnymi resztami, powstałymi z nieidealnego dopasowania modelu. zależność korelacyjna składników losowych εt oraz ich pierwszych opóźnień εt-i
Описание слайда:
Sposobem określenia niezależności błędów obserwacji jest wyznaczenie autokorelacji składnika resztowego, czyli korelacji r-Pearsona pomiędzy kolejnymi resztami, powstałymi z nieidealnego dopasowania modelu. zależność korelacyjna składników losowych εt oraz ich pierwszych opóźnień εt-i

Слайд 49


Współczynnik korelacji Pearsona rxy jest miernikiem związku liniowego między dwiema cechami (zmiennymi) mierzalnymi jest wyznaczany poprzez standaryzację kowariancji kowariancja (wariancja wspólna cech x i y) jest średnią arytmetyczną iloczynu odchyleń wartości liczbowych tych cech (zmiennych) x i y od ich średnich arytmetycznych
Описание слайда:
Współczynnik korelacji Pearsona rxy jest miernikiem związku liniowego między dwiema cechami (zmiennymi) mierzalnymi jest wyznaczany poprzez standaryzację kowariancji kowariancja (wariancja wspólna cech x i y) jest średnią arytmetyczną iloczynu odchyleń wartości liczbowych tych cech (zmiennych) x i y od ich średnich arytmetycznych

Слайд 50


Proces autokorelacji rzędu I Załóżmy, że składniki losowe εt związane są zależnością: gdzie: (t=1...,n-1) zmienne losowe η są niezależne i mają jednakowy rozkład
Описание слайда:
Proces autokorelacji rzędu I Załóżmy, że składniki losowe εt związane są zależnością: gdzie: (t=1...,n-1) zmienne losowe η są niezależne i mają jednakowy rozkład

Слайд 51


Test Durbina-Watsona Test Durbina-Watsona (statystyka) służy do oceny występowania korelacji pomiędzy resztami (błędami, składnikami resztowymi). Sprawdzamy, czy składniki losowe modelu pochodzą z procesu autokorelacji rzędu I. Przyczyną występowania zjawiska autokorelacji składnika losowego w modelu są: natura procesów ekonomicznych (skutki pewnych zdarzeń albo decyzji rozciągaja sie na wiele okresów; niepoprawna postać analityczna modelu; niepełny zestaw zmiennych objasniających.
Описание слайда:
Test Durbina-Watsona Test Durbina-Watsona (statystyka) służy do oceny występowania korelacji pomiędzy resztami (błędami, składnikami resztowymi). Sprawdzamy, czy składniki losowe modelu pochodzą z procesu autokorelacji rzędu I. Przyczyną występowania zjawiska autokorelacji składnika losowego w modelu są: natura procesów ekonomicznych (skutki pewnych zdarzeń albo decyzji rozciągaja sie na wiele okresów; niepoprawna postać analityczna modelu; niepełny zestaw zmiennych objasniających.

Слайд 52


Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №52
Описание слайда:

Слайд 53


Tablice testu Durbina-Watsona prezentują wartości krytyczne dL  oraz dU  dla odpowiedniej liczby obserwacji n oraz liczby zmiennych objaśniających  k
Описание слайда:
Tablice testu Durbina-Watsona prezentują wartości krytyczne dL  oraz dU  dla odpowiedniej liczby obserwacji n oraz liczby zmiennych objaśniających  k

Слайд 54


Czy występuje autokorelacja reszt? Statystyka d
Описание слайда:
Czy występuje autokorelacja reszt? Statystyka d

Слайд 55


Zasadą jest, że wartości statystyk testowych w zakresie od 1,5 do 2,5 są stosunkowo normalne. Każda wartość spoza tego zakresu może być powodem do obaw. Statystyka Durbina – Watsona, chociaż wyświetlana przez wiele programów analizy regresji, nie ma zastosowania w niektórych sytuacjach. Np. gdy opóźnione zmienne zależne są zawarte w zmiennych objaśniających, niewłaściwe jest użycie tego testu.
Описание слайда:
Zasadą jest, że wartości statystyk testowych w zakresie od 1,5 do 2,5 są stosunkowo normalne. Każda wartość spoza tego zakresu może być powodem do obaw. Statystyka Durbina – Watsona, chociaż wyświetlana przez wiele programów analizy regresji, nie ma zastosowania w niektórych sytuacjach. Np. gdy opóźnione zmienne zależne są zawarte w zmiennych objaśniających, niewłaściwe jest użycie tego testu.

Слайд 56


Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №56
Описание слайда:

Слайд 57


Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №57
Описание слайда:

Слайд 58


Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №58
Описание слайда:

Слайд 59


Ekonometria. Weryfikacja modelu ekonometrycznego, слайд №59
Описание слайда:

Скачать

Похожие презентации
Mypresentation.ru
Загрузить презентацию