🗊Презентация Мультиколінеарність. (Тема 8)

Категория: Экономика и Финансы
Нажмите для полного просмотра!
Мультиколінеарність. (Тема 8), слайд №1Мультиколінеарність. (Тема 8), слайд №2Мультиколінеарність. (Тема 8), слайд №3Мультиколінеарність. (Тема 8), слайд №4Мультиколінеарність. (Тема 8), слайд №5Мультиколінеарність. (Тема 8), слайд №6Мультиколінеарність. (Тема 8), слайд №7Мультиколінеарність. (Тема 8), слайд №8Мультиколінеарність. (Тема 8), слайд №9Мультиколінеарність. (Тема 8), слайд №10Мультиколінеарність. (Тема 8), слайд №11Мультиколінеарність. (Тема 8), слайд №12Мультиколінеарність. (Тема 8), слайд №13Мультиколінеарність. (Тема 8), слайд №14Мультиколінеарність. (Тема 8), слайд №15Мультиколінеарність. (Тема 8), слайд №16Мультиколінеарність. (Тема 8), слайд №17Мультиколінеарність. (Тема 8), слайд №18Мультиколінеарність. (Тема 8), слайд №19Мультиколінеарність. (Тема 8), слайд №20Мультиколінеарність. (Тема 8), слайд №21Мультиколінеарність. (Тема 8), слайд №22Мультиколінеарність. (Тема 8), слайд №23Мультиколінеарність. (Тема 8), слайд №24Мультиколінеарність. (Тема 8), слайд №25Мультиколінеарність. (Тема 8), слайд №26Мультиколінеарність. (Тема 8), слайд №27Мультиколінеарність. (Тема 8), слайд №28Мультиколінеарність. (Тема 8), слайд №29Мультиколінеарність. (Тема 8), слайд №30Мультиколінеарність. (Тема 8), слайд №31Мультиколінеарність. (Тема 8), слайд №32
Скачать

Содержание ▲

Вы можете ознакомиться и скачать презентацию на тему Мультиколінеарність. (Тема 8). Доклад-сообщение содержит 32 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


Мультиколінеарність. (Тема 8), слайд №1
Описание слайда:

Слайд 2


Навчальна мета: Після вивчення теми студент повинен знати : поняття мультиколінеарності; методи оцінки ступеня мультиколінеарності; вплив мультиколінеарності на характеристики економетричної моделі; методи усунення мультиколінеарності; алгоритм Фаррара-Глобера.
Описание слайда:
Навчальна мета: Після вивчення теми студент повинен знати : поняття мультиколінеарності; методи оцінки ступеня мультиколінеарності; вплив мультиколінеарності на характеристики економетричної моделі; методи усунення мультиколінеарності; алгоритм Фаррара-Глобера.

Слайд 3


Мультиколінеарність. (Тема 8), слайд №3
Описание слайда:

Слайд 4


Мультиколінеарність. (Тема 8), слайд №4
Описание слайда:

Слайд 5


Мультиколінеарність. (Тема 8), слайд №5
Описание слайда:

Слайд 6


Ознаки мультиколінеарності 1. Якщо серед парних коефіцієнтів кореляції пояснювальних змінних є такі, рівень яких наближається до множинного коефіцієнта кореляції або дорівнює йому, це свідчить про можливість існування мультиколінеарності. Інформацію про парну залежність може дати симетрична матриця коефіцієнтів парної кореляції, або, як її ще називають, матриця кореляції нульового порядку (р - кількість пояснювальних змінних):
Описание слайда:
Ознаки мультиколінеарності 1. Якщо серед парних коефіцієнтів кореляції пояснювальних змінних є такі, рівень яких наближається до множинного коефіцієнта кореляції або дорівнює йому, це свідчить про можливість існування мультиколінеарності. Інформацію про парну залежність може дати симетрична матриця коефіцієнтів парної кореляції, або, як її ще називають, матриця кореляції нульового порядку (р - кількість пояснювальних змінних):

Слайд 7


Мультиколінеарність. (Тема 8), слайд №7
Описание слайда:

Слайд 8


Мультиколінеарність. (Тема 8), слайд №8
Описание слайда:

Слайд 9


Основні наслідки мультиколінеарності в економетричній моделі: Зміщення оцінок параметрів моделі, обчислених методом найменших квадратів. Збільшення дисперсії та коваріації оцінок параметрів моделі, обчислених методом найменших квадратів, і, відповідно, збільшення довірчих інтервалів для параметрів і зниження точності їх оцінювання. Незначущість параметрів моделі, обчислених методом найменших квадратів. Чутливість оцінок параметрів моделі до сукупності спостережень, зокрема до обсягу вибірки.
Описание слайда:
Основні наслідки мультиколінеарності в економетричній моделі: Зміщення оцінок параметрів моделі, обчислених методом найменших квадратів. Збільшення дисперсії та коваріації оцінок параметрів моделі, обчислених методом найменших квадратів, і, відповідно, збільшення довірчих інтервалів для параметрів і зниження точності їх оцінювання. Незначущість параметрів моделі, обчислених методом найменших квадратів. Чутливість оцінок параметрів моделі до сукупності спостережень, зокрема до обсягу вибірки.

Слайд 10


Питання 2. Питання 2. Виявлення мультиколінеарності в економетричній моделі. Алгоритм Фаррара-Глобера
Описание слайда:
Питання 2. Питання 2. Виявлення мультиколінеарності в економетричній моделі. Алгоритм Фаррара-Глобера

Слайд 11


Мультиколінеарність. (Тема 8), слайд №11
Описание слайда:

Слайд 12


Крок 1. НОРМАЛІЗАЦІЯ ЗМІННИХ Нехай – вектори пояснювальних змінних економетричної моделі. Елементи стандартизованих векторів обчислимо за формулою: де n – число спостережень ( ); m – число пояснювальних (незалежних) змінних ( ); – середня арифметична k-ї пояснювальної змінної; - дисперсія k-ї пояснювальної змінної.
Описание слайда:
Крок 1. НОРМАЛІЗАЦІЯ ЗМІННИХ Нехай – вектори пояснювальних змінних економетричної моделі. Елементи стандартизованих векторів обчислимо за формулою: де n – число спостережень ( ); m – число пояснювальних (незалежних) змінних ( ); – середня арифметична k-ї пояснювальної змінної; - дисперсія k-ї пояснювальної змінної.

Слайд 13


Крок 2. Знаходження КОРЕЛЯЦІЙНОЇ МАТРИЦІ 1-го порядку Матриця складається з парних коефіцієнтів кореляції, які вказують на щільність кореляційного зв'язку між факторними ознаками. Знаходиться матриця покроково: знайти матрицю , де – матриця нормалізованих пояснювальних змінних, а – матриця, транспонована до матриці ; кореляційна матриця r – результат ділення r* на n.
Описание слайда:
Крок 2. Знаходження КОРЕЛЯЦІЙНОЇ МАТРИЦІ 1-го порядку Матриця складається з парних коефіцієнтів кореляції, які вказують на щільність кореляційного зв'язку між факторними ознаками. Знаходиться матриця покроково: знайти матрицю , де – матриця нормалізованих пояснювальних змінних, а – матриця, транспонована до матриці ; кореляційна матриця r – результат ділення r* на n.

Слайд 14


Крок 3. 1. Визначити – детермінант кореляції -ВИЗНАЧНИК КОРЕЛЯЦІЙНОЇ МАТРИЦІ r 2 . Обчислити χ2-КРИТЕРІЙ (“хі-квадрат”): 3. Значення цього критерію порівнюється з табличним за таких умов: ступенів свободи і рівні значущості . Якщо , то в масиві незалежних змінних мультиколінеарність відсутня.
Описание слайда:
Крок 3. 1. Визначити – детермінант кореляції -ВИЗНАЧНИК КОРЕЛЯЦІЙНОЇ МАТРИЦІ r 2 . Обчислити χ2-КРИТЕРІЙ (“хі-квадрат”): 3. Значення цього критерію порівнюється з табличним за таких умов: ступенів свободи і рівні значущості . Якщо , то в масиві незалежних змінних мультиколінеарність відсутня.

Слайд 15


Крок 4. ВИЗНАЧЕННЯ МАТРИЦІ ПОМИЛОК С Матриця помилок С – це матриця, обернена до кореляційної матриці r:
Описание слайда:
Крок 4. ВИЗНАЧЕННЯ МАТРИЦІ ПОМИЛОК С Матриця помилок С – це матриця, обернена до кореляційної матриці r:

Слайд 16


Крок 5. РОЗРАХУНОК F-КРИТЕРІЇВ: де – діагональні елементи матриці С, тобто с11, с22, с33 і т.д. Фактичні значення критеріїв порівнюються з табличним при (m-1) і (n-m) ступенях свободи і рівні значущості . Якщо , відповідна k-та пояснююча змінна мультиколінеарна з іншими. 3. Обчислити коефіцієнти детермінації для кожної змінної:
Описание слайда:
Крок 5. РОЗРАХУНОК F-КРИТЕРІЇВ: де – діагональні елементи матриці С, тобто с11, с22, с33 і т.д. Фактичні значення критеріїв порівнюються з табличним при (m-1) і (n-m) ступенях свободи і рівні значущості . Якщо , відповідна k-та пояснююча змінна мультиколінеарна з іншими. 3. Обчислити коефіцієнти детермінації для кожної змінної:

Слайд 17


Крок 6. Знаходження ЧАСТИННИХ КОЕФІЦІЄНТІВ КОРЕЛЯЦІЇ де – елементи матриці С, що містяться в k-му рядку і j-му стовпці ( , ), і – діагональні елементи матриці С.
Описание слайда:
Крок 6. Знаходження ЧАСТИННИХ КОЕФІЦІЄНТІВ КОРЕЛЯЦІЇ де – елементи матриці С, що містяться в k-му рядку і j-му стовпці ( , ), і – діагональні елементи матриці С.

Слайд 18


Крок 7. РОЗРАХУНОК t-КРИТЕРІЇВ Фактичні значення критеріїв порівнюються з табличним за n-m ступенів свободи і рівня значущості . Якщо , між змінними і існує мультиколінеарність.
Описание слайда:
Крок 7. РОЗРАХУНОК t-КРИТЕРІЇВ Фактичні значення критеріїв порівнюються з табличним за n-m ступенів свободи і рівня значущості . Якщо , між змінними і існує мультиколінеарність.

Слайд 19


Питання 3. Питання 3. Способи усунення мультиколінеарності. Метод головних компонентів
Описание слайда:
Питання 3. Питання 3. Способи усунення мультиколінеарності. Метод головних компонентів

Слайд 20


Мультиколінеарність. (Тема 8), слайд №20
Описание слайда:

Слайд 21


Метод головних компонентів застосовується для оцінювання параметрів регресійних моделей з великою кількістю факторних змінних у випадку, коли ці фактори мають однакові одиниці вимірювання. Метод головних компонентів застосовується для оцінювання параметрів регресійних моделей з великою кількістю факторних змінних у випадку, коли ці фактори мають однакові одиниці вимірювання. Суть методу головних компонентів полягає в заміні сукупності факторних змінних на нові змінні, які між собою були б попарно некорельованими і впорядкованими в порядку спадання їх дисперсій.
Описание слайда:
Метод головних компонентів застосовується для оцінювання параметрів регресійних моделей з великою кількістю факторних змінних у випадку, коли ці фактори мають однакові одиниці вимірювання. Метод головних компонентів застосовується для оцінювання параметрів регресійних моделей з великою кількістю факторних змінних у випадку, коли ці фактори мають однакові одиниці вимірювання. Суть методу головних компонентів полягає в заміні сукупності факторних змінних на нові змінні, які між собою були б попарно некорельованими і впорядкованими в порядку спадання їх дисперсій.

Слайд 22


Алгоритм методу головних компонентів
Описание слайда:
Алгоритм методу головних компонентів

Слайд 23


Крок 1. Нормалізація факторних змінних Нехай – вектори пояснювальних змінних економетричної моделі. Елементи стандартизованих векторів обчислимо за формулою: i=1, 2, …, n; j=1, 2, …, p, де n – кількість спостережень; p – кількість факторів у моделі, – середнє арифметичне j-го фактора; - середньоквадратичне відхилення j-ої факторної змінної. .
Описание слайда:
Крок 1. Нормалізація факторних змінних Нехай – вектори пояснювальних змінних економетричної моделі. Елементи стандартизованих векторів обчислимо за формулою: i=1, 2, …, n; j=1, 2, …, p, де n – кількість спостережень; p – кількість факторів у моделі, – середнє арифметичне j-го фактора; - середньоквадратичне відхилення j-ої факторної змінної. .

Слайд 24


Крок 2. Знаходження матриці нормованих факторних змінних Матриця нормованих факторних змінних має вигляд:
Описание слайда:
Крок 2. Знаходження матриці нормованих факторних змінних Матриця нормованих факторних змінних має вигляд:

Слайд 25


Крок 3. Знаходження кореляційної матриці Кореляційна матриця або матриця моментів нормалізованої системи нормальних рівнянь r знаходиться за формулою: де – матриця, транспонована до матриці . Кореляційна матриця матиме вигляд: , де – парні коефіцієнти кореляції, i≠j, i=1, 2, …, n; j=1, 2, …, p.
Описание слайда:
Крок 3. Знаходження кореляційної матриці Кореляційна матриця або матриця моментів нормалізованої системи нормальних рівнянь r знаходиться за формулою: де – матриця, транспонована до матриці . Кореляційна матриця матиме вигляд: , де – парні коефіцієнти кореляції, i≠j, i=1, 2, …, n; j=1, 2, …, p.

Слайд 26


Крок 4. Знаходження власних чисел кореляційної матриці Власні числа , , …, є розв’язками рівняння де І – одинична матриця розмірності .
Описание слайда:
Крок 4. Знаходження власних чисел кореляційної матриці Власні числа , , …, є розв’язками рівняння де І – одинична матриця розмірності .

Слайд 27


Крок 5. Ранжування власних чисел кореляційної матриці Впорядкуємо власні числа , , … , в порядку спадання їх абсолютних значень. .
Описание слайда:
Крок 5. Ранжування власних чисел кореляційної матриці Впорядкуємо власні числа , , … , в порядку спадання їх абсолютних значень. .

Слайд 28


Крок 6. Знаходження власних векторів кореляційної матриці З системи рівнянь знаходимо власні вектори , i = 1, 2, …, p, при умові, що виконується співвідношення де – вектор, транспонований до .
Описание слайда:
Крок 6. Знаходження власних векторів кореляційної матриці З системи рівнянь знаходимо власні вектори , i = 1, 2, …, p, при умові, що виконується співвідношення де – вектор, транспонований до .

Слайд 29


Крок 7. Знаходження головних компонентів власних векторів кореляційної матриці Головні компоненти знаходимо зі співвідношення i = 1, 2, …, p Вони повинні задовольняти наступні умови i = 1, 2, …, p; i = 1, 2, …, p; i≠k, i, k = 1, 2, …, p.
Описание слайда:
Крок 7. Знаходження головних компонентів власних векторів кореляційної матриці Головні компоненти знаходимо зі співвідношення i = 1, 2, …, p Вони повинні задовольняти наступні умови i = 1, 2, …, p; i = 1, 2, …, p; i≠k, i, k = 1, 2, …, p.

Слайд 30


Крок 8. Знаходження параметрів економетричної моделі з головними компонентами Якщо ввести позначення … то регресійне рівняння з головними компонентами у матричному вигляді можна записати як
Описание слайда:
Крок 8. Знаходження параметрів економетричної моделі з головними компонентами Якщо ввести позначення … то регресійне рівняння з головними компонентами у матричному вигляді можна записати як

Слайд 31


Крок 8. Знаходження параметрів економетричної моделі з головними компонентами Невідомі параметри , , …, знаходяться із співвідношення де – матриця, обернена до матриці Z.
Описание слайда:
Крок 8. Знаходження параметрів економетричної моделі з головними компонентами Невідомі параметри , , …, знаходяться із співвідношення де – матриця, обернена до матриці Z.

Слайд 32


Крок 9. Визначення параметрів вихідної моделі Для моделі де і , невідомі параметри b1 , b2 , …, bp знаходяться із співвідношення де матриця А складається з власних векторів , i = 1, 2, …, p:
Описание слайда:
Крок 9. Визначення параметрів вихідної моделі Для моделі де і , невідомі параметри b1 , b2 , …, bp знаходяться із співвідношення де матриця А складається з власних векторів , i = 1, 2, …, p:

Скачать

Похожие презентации
Mypresentation.ru
Загрузить презентацию