Cтраница 3
При всех своих преимуществах ( уменьшение высокой муль-тиколлинеарности объясняющих переменных) метод главных компонент обладает и недостатками. Во-первых, главным компонентам, как правило, трудно подобрать экономические аналоги. Во-вторых, оценки параметров рефессии получают не по исходным объясняющим переменным, а по главным компонентам. В итоге можно сказать, что метод главных компонент применяется в основном для оценки значений рефессии и для определения прогнозных значений зависимой переменной, что также является целью рефессионного анализа. [31]
Уравнение регрессии рассчитывается в следующей последовательности. Составляется уравнение регрессии для всех признаков и оценивается на значимость. Если уравнение регрессии считается значимым, проводится оценка значимости коэффициентов рефессии, где незначимые коэффициенты отбрасываются. Если уравнение рефессии считается незначимым, отбрасываются незначимые коэффициенты рефессии и составляется новое уравнение без признаков, коэффициенты которых были отброшены. Новое уравнение также проверяется на значимость, как и значимость коэффициентов рефессии. [32]
В эконометрике частные коэффициенты корреляции обычно не имеют самостоятельного значения. В основном их используют на стадии формирования модели, в частности в процедуре отсева факторов. Так, строя многофакторную модель, например, методом исключения переменных, на первом шаге определяется уравнение рефессии с полным набором факторов и рассчитывается матрица частных коэффициентов корреляции. На втором шаге отбирается фактор с наименьшей и несущественной по f - критерию Стьюдента величиной показателя частной корреляции. Исключив его из модели, строится новое уравнение регрессии. Процедура продолжается до тех пор, пока не окажется, что все частные коэффициенты корреляции существенно отличаются от нуля. [33]
Уравнение регрессии рассчитывается в следующей последовательности. Составляется уравнение регрессии для всех признаков и оценивается на значимость. Если уравнение регрессии считается значимым, проводится оценка значимости коэффициентов рефессии, где незначимые коэффициенты отбрасываются. Если уравнение рефессии считается незначимым, отбрасываются незначимые коэффициенты рефессии и составляется новое уравнение без признаков, коэффициенты которых были отброшены. Новое уравнение также проверяется на значимость, как и значимость коэффициентов рефессии. [34]
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. [35]
Стандартизованные коэффициенты регрессии 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. [36]
Уравнение регрессии рассчитывается в следующей последовательности. Составляется уравнение регрессии для всех признаков и оценивается на значимость. Если уравнение регрессии считается значимым, проводится оценка значимости коэффициентов рефессии, где незначимые коэффициенты отбрасываются. Если уравнение рефессии считается незначимым, отбрасываются незначимые коэффициенты рефессии и составляется новое уравнение без признаков, коэффициенты которых были отброшены. Новое уравнение также проверяется на значимость, как и значимость коэффициентов рефессии. [37]
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. [38]
Стандартизованные коэффициенты регрессии 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. [39]
При всех своих преимуществах ( уменьшение высокой муль-тиколлинеарности объясняющих переменных) метод главных компонент обладает и недостатками. Во-первых, главным компонентам, как правило, трудно подобрать экономические аналоги. Во-вторых, оценки параметров рефессии получают не по исходным объясняющим переменным, а по главным компонентам. В итоге можно сказать, что метод главных компонент применяется в основном для оценки значений рефессии и для определения прогнозных значений зависимой переменной, что также является целью рефессионного анализа. [40]
Уравнение регрессии рассчитывается в следующей последовательности. Составляется уравнение регрессии для всех признаков и оценивается на значимость. Если уравнение регрессии считается значимым, проводится оценка значимости коэффициентов рефессии, где незначимые коэффициенты отбрасываются. Если уравнение рефессии считается незначимым, отбрасываются незначимые коэффициенты рефессии и составляется новое уравнение без признаков, коэффициенты которых были отброшены. Новое уравнение также проверяется на значимость, как и значимость коэффициентов рефессии. [41]