Cтраница 3
Уравнение регрессии описывает числовое соотношение между величинами, выраженное в виде тенденции к возрастанию ( или убыванию) одной переменной величины при возрастании ( убывании) другой. [31]
Уравнение регрессии получено принятым в статистике выравниванием рядов методом наименьших квадратов. [32]
Уравнения регрессии применимо и для прогнозирования возможных ожидаемых значений результативного признака. При этом следует учесть, что перенос закономерности связи, измеренной в варьирующей совокупности, в статике на динамику не является, строго говоря, корректным и требует проверки условий допустимости такого переноса ( экстраполяции), что выходит за рамки статистики и может быть сделано только специалистом, хорошо знающим объект ( систему) и возможности его развития в будущем. [33]
Коэффициенты регрессии Ь /, выраженные в натуральном масштабе, можно представить в стандартизированной форме, что более удобно при их сравнении. [34]
Линия регрессии, доверительные границы и результаты наблюдений показаны на рисунке. [35]
Линия регрессии делит общую дисперсию на две части: а2 Y / x - среднюю дисперсию условных распределений и а2 М Xly - дисперсию точек, принадлежащих линии регрессии, относительно математического ожидания. [36]
Коэффициент регрессии а выражает силу связи, иначе, он показывает, на сколько единиц изменится в среднем выходной параметр у, если изменение входного параметра х произойдет ровно на единицу. [37]
Уравнение регрессии позволяет аналитически связать выходную переменную со значимыми входными факторами, что достигается путем последовательного перебора и оценки по заданному критерию влияния каждого из них. Величина остаточной дисперсии в уравнении регрессии является объективным показателем значимости исследуемых факторов: чем она меньше, тем полнее представление о причинах изучаемого явления. [38]
Параметры регрессии и корреляции использовали для последующего определения уравнений связи, содержащих компоненты, найденные при логическом переборе возможных вариантов. [39]
Линия регрессии, проведенная нами, делит пополам зону рыночной активности. [40]
Механизм регрессии аналогичен механизму эффекта Гершеля, но более интенсивен вследствие хим. взаимодействия; результат - существенное снижение оптич. [41]
Коэффициент регрессии при фиктивной переменной интерпретируется как среднее изменение зависимой переменной при переходе от одной категории ( женский пол) к другой ( мужской пол) при неизменных значениях остальных параметров. На основе меритерия Стьюдента делается вывод о значимости влияния фиктивной переменной, существенности расхождения между категориями. [42]
Уравнение регрессии не может быть использовано для прогноза, так как в нем не устранена автокорреляция в остатках, которая может иметь разные причины. Автокорреляция в остатках может означать, что в уравнение не включен какой-либо существенный фактор. Возможно также, что форма связи неточна, а может быть, в рядах динамики имеется общая тенденция. [43]
Уравнения регрессии легко строятся с помощью персонального компьютера или специализированного финансового калькулятора. [44]
Уравнение регрессии всегда дополняется показателем тесноты связи. При использовании линейной регрессии в качестве такого показателя выступает линейный коэффициент корреляции Гф Существуют разные модификации формулы линейного коэффициента корреляции. [45]