🗊Презентация Спецификация переменных в уравнениях регрессии

Категория: Математика
Нажмите для полного просмотра!
Спецификация переменных в уравнениях регрессии, слайд №1Спецификация переменных в уравнениях регрессии, слайд №2Спецификация переменных в уравнениях регрессии, слайд №3Спецификация переменных в уравнениях регрессии, слайд №4Спецификация переменных в уравнениях регрессии, слайд №5Спецификация переменных в уравнениях регрессии, слайд №6Спецификация переменных в уравнениях регрессии, слайд №7Спецификация переменных в уравнениях регрессии, слайд №8Спецификация переменных в уравнениях регрессии, слайд №9Спецификация переменных в уравнениях регрессии, слайд №10Спецификация переменных в уравнениях регрессии, слайд №11Спецификация переменных в уравнениях регрессии, слайд №12Спецификация переменных в уравнениях регрессии, слайд №13Спецификация переменных в уравнениях регрессии, слайд №14Спецификация переменных в уравнениях регрессии, слайд №15Спецификация переменных в уравнениях регрессии, слайд №16Спецификация переменных в уравнениях регрессии, слайд №17Спецификация переменных в уравнениях регрессии, слайд №18Спецификация переменных в уравнениях регрессии, слайд №19Спецификация переменных в уравнениях регрессии, слайд №20Спецификация переменных в уравнениях регрессии, слайд №21Спецификация переменных в уравнениях регрессии, слайд №22
Скачать

Содержание ▲

Вы можете ознакомиться и скачать презентацию на тему Спецификация переменных в уравнениях регрессии. Доклад-сообщение содержит 22 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


Спецификация переменных в уравнениях регрессии
Описание слайда:
Спецификация переменных в уравнениях регрессии

Слайд 2


Моделирование Вопросы: К каким результатам приведет включение в уравнение регрессии переменной, которой там недолжно быть; Каковы последствия отсутствия переменной, которая должна присутствовать; Что произойдет, если вместо некоторых исходных данных решим использовать «заменители».
Описание слайда:
Моделирование Вопросы: К каким результатам приведет включение в уравнение регрессии переменной, которой там недолжно быть; Каковы последствия отсутствия переменной, которая должна присутствовать; Что произойдет, если вместо некоторых исходных данных решим использовать «заменители».

Слайд 3


Результаты неправильной спецификации переменных Опущена необходимая переменная – Оценки коэффициентов регрессии оказываются смещенными, Стандартные ошибки коэффициентов и t-тесты в целом становятся некорректными Включена ненужная переменная – Оценки коэффициентов регрессии оказываются несмещенными, однако неэффективными; Стандартные ошибки в целом корректны, но из-за эффективности будут излишне большими.
Описание слайда:
Результаты неправильной спецификации переменных Опущена необходимая переменная – Оценки коэффициентов регрессии оказываются смещенными, Стандартные ошибки коэффициентов и t-тесты в целом становятся некорректными Включена ненужная переменная – Оценки коэффициентов регрессии оказываются несмещенными, однако неэффективными; Стандартные ошибки в целом корректны, но из-за эффективности будут излишне большими.

Слайд 4


Влияние отсутствия необходимой переменной Проблема смещения истинная модель y=x1 + x2 строим модель y=x1 Неприменимость статистических тестов
Описание слайда:
Влияние отсутствия необходимой переменной Проблема смещения истинная модель y=x1 + x2 строим модель y=x1 Неприменимость статистических тестов

Слайд 5


Свойства коэффициентов регрессии Интерпретация коэффициентов регрессии Несмещенность коэффициентов Точность коэффициентов Предположения: 1) выполняются 4 условия Гаусса-Маркова 2) имеется достаточное количество данных 3) между независимыми переменными нет строгой линейной зависимости
Описание слайда:
Свойства коэффициентов регрессии Интерпретация коэффициентов регрессии Несмещенность коэффициентов Точность коэффициентов Предположения: 1) выполняются 4 условия Гаусса-Маркова 2) имеется достаточное количество данных 3) между независимыми переменными нет строгой линейной зависимости

Слайд 6


Интерпретация коэффициентов регрессии Утверждение bi – оценивает влияние xi на y при неизменности влияния на y остальных переменных Для p=2 оценка коэффициента b1 по МНК Доказательство утверждения: см. на доску
Описание слайда:
Интерпретация коэффициентов регрессии Утверждение bi – оценивает влияние xi на y при неизменности влияния на y остальных переменных Для p=2 оценка коэффициента b1 по МНК Доказательство утверждения: см. на доску

Слайд 7


Несмещенность Случай p=2 Теорема где Следствие доказательство
Описание слайда:
Несмещенность Случай p=2 Теорема где Следствие доказательство

Слайд 8


Точность МНК дает наиболее эффективные линейные оценки (теорема Гаусса-Маркова) Факторы, влияющие на точность: ЧИСЛО НАБЛЮДЕНИЙ В ВЫБОРКЕ; ДИСПЕРСИЯ ВЫБОРКИ ОБЪЯСНЯЮЩИХ ПЕРЕМЕННЫХ; ТЕОРЕТИЧЕСКАЯ ДИСПЕРСИЯ СЛУЧАЙНОГО ЧЛЕНА; СВЯЗЬ МЕЖДУ СОБОЙ ОБЪЯСНЯЮЩИХ ПЕРЕМЕННЫХ. Доказательство для случая p=2
Описание слайда:
Точность МНК дает наиболее эффективные линейные оценки (теорема Гаусса-Маркова) Факторы, влияющие на точность: ЧИСЛО НАБЛЮДЕНИЙ В ВЫБОРКЕ; ДИСПЕРСИЯ ВЫБОРКИ ОБЪЯСНЯЮЩИХ ПЕРЕМЕННЫХ; ТЕОРЕТИЧЕСКАЯ ДИСПЕРСИЯ СЛУЧАЙНОГО ЧЛЕНА; СВЯЗЬ МЕЖДУ СОБОЙ ОБЪЯСНЯЮЩИХ ПЕРЕМЕННЫХ. Доказательство для случая p=2

Слайд 9


Стандартные ошибки коэффициентов регрессии «Стандартная ошибка» коэффициента множественной регрессии - оценка стандартного отклонения распределения коэффициента регрессии Для случая p=2:
Описание слайда:
Стандартные ошибки коэффициентов регрессии «Стандартная ошибка» коэффициента множественной регрессии - оценка стандартного отклонения распределения коэффициента регрессии Для случая p=2:

Слайд 10


Мультиколлинеарность Мультиколлинеарность – понятие, используемое для описания ситуации, когда нестрогая линейная зависимость приводит к получению ненадежных оценок регрессии Замечание 1: если другие факторы благоприятны, то можно получить и хорошие оценки Замечание 2: проблема мультиколлинеарности является обычной для временных рядов
Описание слайда:
Мультиколлинеарность Мультиколлинеарность – понятие, используемое для описания ситуации, когда нестрогая линейная зависимость приводит к получению ненадежных оценок регрессии Замечание 1: если другие факторы благоприятны, то можно получить и хорошие оценки Замечание 2: проблема мультиколлинеарности является обычной для временных рядов

Слайд 11


Проверка мультиколлинеарности факторов Проверяем гипотезу о независимости переменных H0: det R=1 Теорема Величина асимптотически имеет -распределение с 0,5n(n-1) степенями свободы. Следствие если , то гипотеза H0 отклоняется
Описание слайда:
Проверка мультиколлинеарности факторов Проверяем гипотезу о независимости переменных H0: det R=1 Теорема Величина асимптотически имеет -распределение с 0,5n(n-1) степенями свободы. Следствие если , то гипотеза H0 отклоняется

Слайд 12


Методы смягчения мультиколлинеарности А) Попытки повысить степень выполнения четырех параметров: число наблюдений; выборочные дисперсии объясняющих переменных; дисперсия случайного члена. Б) использование внешней информации: теоретические ограничения; внешние эмпирические оценки.
Описание слайда:
Методы смягчения мультиколлинеарности А) Попытки повысить степень выполнения четырех параметров: число наблюдений; выборочные дисперсии объясняющих переменных; дисперсия случайного члена. Б) использование внешней информации: теоретические ограничения; внешние эмпирические оценки.

Слайд 13


F-тест F-статистика F–тест оценивает значимость уравнения в целом: проверяется гипотеза H0:
Описание слайда:
F-тест F-статистика F–тест оценивает значимость уравнения в целом: проверяется гипотеза H0:

Слайд 14


Качество оценивания: коэффициент R2 R2 – один из ряда диагностических показателей (причем не самый важный) Скорректированный R2
Описание слайда:
Качество оценивания: коэффициент R2 R2 – один из ряда диагностических показателей (причем не самый важный) Скорректированный R2

Слайд 15


Дальнейший анализ дисперсии ESS – объясненная сумма квадратов RSS – остаточная сумма квадратов 2 этапа оценивания: оцениванием регрессию с k независимыми переменными оцениванием регрессию с m>k независимыми переменными Гипотеза H0: дополнительные переменные не увеличивают объяснение регрессией F-статистика:
Описание слайда:
Дальнейший анализ дисперсии ESS – объясненная сумма квадратов RSS – остаточная сумма квадратов 2 этапа оценивания: оцениванием регрессию с k независимыми переменными оцениванием регрессию с m>k независимыми переменными Гипотеза H0: дополнительные переменные не увеличивают объяснение регрессией F-статистика:

Слайд 16


Зависимость между F- и t-статистиками t-тест обеспечивает проверку предельного вклада каждой переменной при допущении, что все другие переменные уже включены в уравнение t-тест эквивалентен F-тесту для предельного вклада переменной, которая была отброшена Замечание: возможна ситуация, когда t-тест для каждой переменной незначим, а F-тест для уравнения в целом значим. Объяснение: если объясняющие способности независимых переменных перекрываются, т.е. имеется мультиколлинеарность.
Описание слайда:
Зависимость между F- и t-статистиками t-тест обеспечивает проверку предельного вклада каждой переменной при допущении, что все другие переменные уже включены в уравнение t-тест эквивалентен F-тесту для предельного вклада переменной, которая была отброшена Замечание: возможна ситуация, когда t-тест для каждой переменной незначим, а F-тест для уравнения в целом значим. Объяснение: если объясняющие способности независимых переменных перекрываются, т.е. имеется мультиколлинеарность.

Слайд 17


Поведение R2 при невключении объясняющей переменной Значение R2 может быть смещено вверх (при положительной корреляции объясняющих переменных) или вниз ( при отрицательной корреляции)
Описание слайда:
Поведение R2 при невключении объясняющей переменной Значение R2 может быть смещено вверх (при положительной корреляции объясняющих переменных) или вниз ( при отрицательной корреляции)

Слайд 18


Замещающие переменные Вместо отсутствующей переменной используем заменитель (proxy) Пример. модель y – расходы потребителя на питание x – располагаемый личный доход p – относительная цена продовольствия Пусть lnx имеет явно выраженный временной тренд, тогда время t можно использовать как заменитель x
Описание слайда:
Замещающие переменные Вместо отсутствующей переменной используем заменитель (proxy) Пример. модель y – расходы потребителя на питание x – располагаемый личный доход p – относительная цена продовольствия Пусть lnx имеет явно выраженный временной тренд, тогда время t можно использовать как заменитель x

Слайд 19


Результаты моделирования
Описание слайда:
Результаты моделирования

Слайд 20


Непреднамеренное использование замещающих переменных Если корреляция между z и x незначительна, то результаты будут плохими Если корреляция между z и x тесная, то результаты будут удовлетворительными Если цель регрессии – предсказание значений y, то использование замещающих переменных целесообразно Если цель регрессии – научное любопытство, то использование замещающих переменных обычно нецелесообразно Если хотим использовать объясняющую переменную как инструмент экономической политики, то последствия использования замещающей переменной могут быть катастрофическими
Описание слайда:
Непреднамеренное использование замещающих переменных Если корреляция между z и x незначительна, то результаты будут плохими Если корреляция между z и x тесная, то результаты будут удовлетворительными Если цель регрессии – предсказание значений y, то использование замещающих переменных целесообразно Если цель регрессии – научное любопытство, то использование замещающих переменных обычно нецелесообразно Если хотим использовать объясняющую переменную как инструмент экономической политики, то последствия использования замещающей переменной могут быть катастрофическими

Слайд 21


Анализ остатков Взгляд пессимиста: свидетельство неудачи Взгляд оптимиста: источник новых идей основа для постановки новых задач конструктивная критика Пример: продажа предметов длительного пользования
Описание слайда:
Анализ остатков Взгляд пессимиста: свидетельство неудачи Взгляд оптимиста: источник новых идей основа для постановки новых задач конструктивная критика Пример: продажа предметов длительного пользования

Слайд 22


ЛАГОВЫЕ ПЕРЕМЕННЫЕ лаговые переменные – это экзогенные или эндогенные переменные, которые относятся к предыдущим моментам времени и находятся в эконометрической модели одновременно с переменными, относящимися к текущему моменту времени. Например, xt-1 – это лаговая экзогенная переменная, а yt-1 – это лаговая эндогенная переменная
Описание слайда:
ЛАГОВЫЕ ПЕРЕМЕННЫЕ лаговые переменные – это экзогенные или эндогенные переменные, которые относятся к предыдущим моментам времени и находятся в эконометрической модели одновременно с переменными, относящимися к текущему моменту времени. Например, xt-1 – это лаговая экзогенная переменная, а yt-1 – это лаговая эндогенная переменная

Скачать

Похожие презентации
Mypresentation.ru
Загрузить презентацию