Множественная регрессия

Cтраница 3

Включаемые во множественную регрессию факторы должны объяснить вариацию независимой переменной. Если строится модель с набором р факторов, то для нее рассчитывается показатель детерминации ir, который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии р факторов. [31]

Включаемые во множественную регрессию факторы должны объяснить вариацию независимой переменной. Если строится модель с набором р факторов, то для нее рассчитывается показатель детерминации Л2, который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии р факторов. [32]

Практическая значимость уравнения множественной регрессии оценивается с помощью показателя множественной корреляции и его квадрата - коэффициента детерминации. [33]

Включение в уравнение множественной регрессии того или иного набора факторов связано прежде всего с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями. Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям. [34]

Практическая значимость уравнения множественной регрессии оценивается с помощью показателя множественной корреляции и его квадрата - коэффициента детерминации. [35]

Система линейных уравнений множественной регрессии не обеспечивает получение удовлетворительных результатов решений задачи при значительном числе групп почв и небольшом удельном весе каждой из них в почвенном покрове хозяйств. [36]

Сложность формирования уравнения множественной регрессии заключается в том, что почти все факторные признаки находятся в зависимости один от другого. [37]

Профиль среды. [38]

Были построены уравнения множественной регрессии, связывающие показатели прибыльности и наличных денег с различными переменными величинами. [39]

Анализ на основе множественной регрессии основан на использовании более чем одной независимой переменной в уравнении регрессии. Это усложняет анализ, делая его многомерным. Однако регрессионная модель более полно отражает действительность, так как в реальности исследуемый параметр, как правило, зависит от множества факторов. [40]

При этом уравнение множественной регрессии рассматривается как относящееся к средним значениям результативного и факторд-ального признаков, не являющимися функциями времени. [41]

При этом уравнение множественной регрессии рассматривается как относящееся к средним значениям результативного и факхори-ального признаков, не являющимися функциями времени. [42]

Из найденного уравнения множественной регрессии в стандартизированном масштабе следует, что наибольшее влияние на улов оказывает время чистого траления. [43]

Опыт применения моделей множественной регрессии показывает, что они не раскрывают структуру связей между переменными и не работают как модели управления. Особенно наглядно это проявляется, как будет показано ниже, в знаках при коэффициентах регрессии, которые нередко противоречат профессиональным представлениям о роли соответствующих факторов. Тем не менее применение модели множественной регрессии при отсутствии соответствующих разработок дает положительные результаты. Таким образом, сущность многофакторного регрессионного ( корреляционного) анализа заключается в том, что на основании экспериментальных данных определяют вероятностную, а не функциональную зависимость среднего значения какой-либо величины от нескольких других. При расчетах оценивают неизвестные коэффициенты уравнения принятого вида и проверяют статистические гипотезы о регрессии. [44]

При построении уравнения множественной регрессии по отклонениям от уровней динамических рядов некоторые авторы считают необходимым выполнение следующих условий. [45]

Страницы: 1 2 3 4