Парная регрессия
Cтраница 1
Парная регрессия может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь. Например, при построении модели потребления того или иного товара от дохода исследователь предполагает, что в каждой группе дохода одинаково влияние на потребление таких факторов, как цена товара, размер семьи, ее состав. Вместе с тем исследователь никогда не может быть уверен в справедливости данного предположения. Для того чтобы иметь правильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Прямой путь решения такой задачи состоит в отборе единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода. Он приводит к планированию эксперимента - методу, который используется в химических, физических, биологических исследованиях. [1]
Парная регрессия характеризует связь между двумя признаками: результативным и факторным. [2]
Нелинейная парная регрессия сводится к получению заданной нелинейной зависимости у ( х), приближающей совокупность чисел X; и у; с наименьшей квадратичной погрешностью. [3]
Однако уравнения парных регрессий не дают полного представления о взаимной связи между всеми переменными, так как каждая пара факторов связана друг с другом некоторой корреляционной зависимостью. Парные коэффициенты корреляции не учитывают суммарное взаимное влияние параметров. [4]
Обычно для парной регрессии дисперсионный анализ используют только для проверки одного, наиболее существенного, коэффициента модели. Если вычисленное значение статистики больше табличного то регрессия значима. [5]
Таким образом, парная регрессия и парная корреляция по существу являются логическим развитием методов парной группировки. [6]
В отличие от парной регрессии частные уравнения регрессии характеризуют изолированное влияние фактора на результат, ибо другие факторы закреплены на неизменном уровне. Эффекты влияния других факторов присоединены в них к свободному члену уравнения множественной регрессии. [7]
Методам простой или парной регрессии и корреляции, возможностям их применения в эконометрике посвящена данная глава. [8]
В отличие от парной регрессии частные уравнения регрессии характеризуют изолированное влияние фактора на результат, ибо другие факторы закреплены на неизменном уровне. Эффекты влияния других факторов присоединены в них к свободному члену уравнения множественной регрессии. [9]
Методам простой или парной регрессии и корреляции, возможностям их применения в эконометрике посвящена данная глава. [10]
Для того чтобы отличить квадратичную парную регрессию от множественной, которая будет рассмотрена ниже, целесообразно изменить принятую в первых параграфах гл. [11]
Для того чтобы отличать квадратичную парную регрессию от множественной, которая будет рассмотрена ниже, целесообразно изменить принятую в первых параграфах гл. [12]
Для того чтобы отличить квадратичную парную регрессию от множественной, которая будет рассмотрена ниже, целесообразно изменить принятую в первых параграфах гл. [13]
 |
Коэффициенты значимости. [14] |
Анализ корреляционной матрицы и уравнений парной регрессии позволяет сделать некоторые выводы о характере и тесноте связи входных и выходных параметров камеры. [15]
Страницы: 1 2 3 4