Cтраница 3
Величина и знак 6 / позволяют оценить интенсивность и направг ление влияния регрессоров на результирующую переменную. Значение Ь / 1 показывает, на какую долю стандартного отклонения изменится среднее значение переменной Y при условии, что Xj возросло ( уменьшилось) на величину Sxj, а остальные объясняющие переменные остались бы на прежнем уровне. Если регрессоры Xj можно отождествить с некоторыми природными факторами, то такого рода анализ регрессионной модели может оказаться эффективным средством решения генетических задач геологии. Однако прежде чем приступить к содержательной интерпретации коэффициентов регрессии, необходимо убедиться в статистической значимости последних. [31]
Но чем больше переменных включает модель, тем больше среди них оказывается взаимосвязанных и взаимозависимых регрессоров. Корреляция между регрессорами снижает точность. Модель, для построения которой использованы сильно коррелированные данные, может быть вообще ошибочной. [32]
Важным примером подобной ситуации является случай, когда дисперсия е зависит от значения регрессора X, но ег-и е / при i Ф / между собой некоррелированьи В этом случае в V отличны от нуля только диагональные элементы. [33]
В следующем параграфе мы опишем еще некоторые возможные способы оценивания моделей, в которых регрессоры коррелируют с ошибками регрессии. [34]
На случайный член е воздействуют те же факторы, что и на формирование значений регрессоров. [35]
А / Ш4 - модели, в которой остатки представляют собой белый шум, а все регрессоры значимы. В этом случае выбирается наиболее простая модель. [36]
Однако существуют два пороговых значения dB и dH, зависящие только от числа наблюдений, числа регрессоров и уровня значимости, такие, что выполняются следующие условия. [37]
Пусть yn i - прогнозное значение, которое получается из модели для еще не наблюдаемых значений регрессоров. Величина M ( yn l - yn i) 2 может рассматриваться как средняя ошибка прогноза. Следует выбрать ту модель, для которой эта ошибка меньше. [38]
Одной из причин коррелированное регрессоров со случайными членами могут служить факторы, действующие одновременно и на сами регрессоры, и на объясняемые переменные при фиксированных значениях регрессоров. Иными словами, в рассматриваемой экономической ситуации значения объясняемых переменных и регрессоров формируются одновременно под воздействием некоторых внешних факторов. Это означает, что рассматриваемая модель не полна: ее следует дополнить уравнениями, в которых объясняемыми переменными выступали бы сами регрессоры. Таким образом, мы приходим к необходимости рассматривать системы одновременных или регрессионных уравнений. [39]
На практике часто равными являются не абсолютные, а относительные значения дисперсий: 02 оказываются пропорциональными значениям регрессора. [40]
На каждом шаге число регрессоров, входящих в информативную комбинацию, увеличивается на единицу, причем комбинация регрессоров, полученная на предыдущем шаге, обязательно включается в новую комбинацию. [41]
Именно такого вида модели имеют наибольшее практическое значение, и именно такого вида механизм возникновения корреляции между регрессорами и ошибками регрессии наиболее часто встречается в экономических приложениях. [42]
Метод инструментальных переменных ( см. главу 8) - один из наиболее распространенных методов оценивания уравнений, в которых регрессоры коррелируют со свободными членами. Именно это явление оказывается характерным для систем одновременных уравнений. Мы рассмотрим отдельно два случая - идентифицируемой и неидентифицируемой системы. [43]
При использовании НС моделей для реализации процедуры идентификации нелинейных динамических систем необходимо решить задачу выбора вектора входов НС ( регрессора) и определить внутреннюю структуру нейросети. [44]
В последнем случае используются так называемые пошаговые процедуры, в основе которых лежат операции удаления или включения тех или иных регрессоров. [45]