Стандартизованный коэффициент
Cтраница 1
Стандартизованные коэффициенты полезно применять при выявлении те переменных, которые вносят наибольший вклад в значение дискриминантной функции. [1]
Стандартизованные коэффициенты смертности рассчитаны путем взвешивания возрастных коэффициентов смертности по стандартной возрастной структуре населения. [2]
Стандартизованные коэффициенты рефессии показывают, на сколько сигм изменится в среднем результат, если соответствующий фактор х, изменится на одну сигму при неизменном среднем уровне других факторов. В силу того, что все переменные заданы как центрированные и нормированные, стандартизованные коэффициенты рефессии Д сравнимы между собой. Сравнивая их друг с другом, можно ранжировать факторы по силе их воздействия на результат. В этом основное достоинство стандартизованных коэффициентов рефессии в отличие от коэффициентов чистой рефессии, которые несравнимы между собой. [3]
 |
Исследование рисков смертности контингента в полиграфической промышленности.| Виды работ по обработке фотоматериалов, создающие возможность химической экспозиции. [4] |
Стандартизованный коэффициент смертности ( SMR) равняется количеству наблюдаемых смертей, деленному на ожидаемые смерти, скорректированному на возрастные эффекты в течение рассматриваемых периодов времени. SMR, равный 1, показывает, что нет никакой разницы между количеством ожидаемых и наблюдаемых смертей. [5]
В табл. 6 представлены стандартизованные коэффициенты для данных Бардес, относящихся к голосованию в сенате. Для функции 1 вклад переменной CUTASIAN максимален. Все остальные переменные по сравнению с CUTASIAN второстепенны. Переменные ANTINEUT и ANTIYUGO после CUTASIAN занимают следующее по значимости место. [6]
Поэтому обычно прибегают к методу, аналогичному методу стандартизованных коэффициентов в демпграфич. [7]
Структурные коэффициенты дают информацию, несколько отличную от той, которая относится к стандартизованным коэффициентам. Стандартизованные коэффициенты показывают вклад переменных в значение дискриминантной функции. Это является одним из подходов к определению значимости переменной. Однако этот подход имеет серьезное ограничение. Если две переменных сильно коррелированы, то их вклад в дискриминантное значение должен разделяться, даже при значительном совместном вкладе. Соответственно их стандартизованные коэффициенты могут быть меньше по сравнению с теми случаями, когда используется одна из этих переменных. Это происходит из-за того, что в стандартизованных коэффициентах одновременно принимается во внимание влияние всех переменных. [8]
Но, как известно, в данном частном случае r / J, где / 3 - стандартизованный коэффициент линейной регрессии. [9]
Для функции 2 четыре из шести переменных ( RESTRICT, MIXED, ANTIYUGO и ANTINEUT) имеют относительно большие стандартизованные коэффициенты, поэтому они вносят приблизительно одинаковый вклад в значение дискриминантной функции. [10]
Дли читателей, знакомых с понятием множественной регрессии, должна быть ясна аналогия интерпретации нестандартизованных и стандартизованных дискриминантных коэффициентов с регулярным и стандартизованным коэффициентом множественной регрессии. В рассматриваемом примере стандартное отклонение шести переменных приблизительно равно. Соответственно относительная величина коэффициентов при их стандартизации изменяется незначительно. Иная ситуация наблюдается, когда стандартные отклонения отличаются друг от друга. [11]
Структурные коэффициенты дают информацию, несколько отличную от той, которая относится к стандартизованным коэффициентам. Стандартизованные коэффициенты показывают вклад переменных в значение дискриминантной функции. Это является одним из подходов к определению значимости переменной. Однако этот подход имеет серьезное ограничение. Если две переменных сильно коррелированы, то их вклад в дискриминантное значение должен разделяться, даже при значительном совместном вкладе. Соответственно их стандартизованные коэффициенты могут быть меньше по сравнению с теми случаями, когда используется одна из этих переменных. Это происходит из-за того, что в стандартизованных коэффициентах одновременно принимается во внимание влияние всех переменных. [12]
Коэффициенты cSj являются специальным типом частных коэффициентов регрессии. Коэффициенту является стандартизованным коэффициентом р-регрессии. Будем называть ру коэффициентом влияния ( согласно С. [13]
Коэффициенты csj являются специальным типом частных коэффициентов регрессии. Коэффициенту является стандартизованным коэффициентом р-регрессии. Будем называть ру коэффициентом влияния ( согласно С. Райту), понимая при этом, что Ру есть числовая величина, которая измеряет долю стандартного отклонения / - и эндогенной переменной ( следствия) с соответствующим знаком, обусловленную влиянием у - и экзогенной переменной ( причины) в том смысле, что если произвести измерение этого влияния при измененииу - й переменной в тех же условиях, что и в данных наблюдениях и при неизменных прочих условиях ( включая постоянное воздействие фактора xui), то полученный результат будет равен ру. [14]
С другой стороны, структурные коэффициенты являются просто двуместными корреляциями, поэтому на них не влияют взаимные зависимости прочих переменных. Заметим, что CUTAID имеет небольшой стандартизованный коэффициент по функции 1, но относительно большой полный структурный коэффициент. [15]
Страницы: 1 2