рефераты конспекты курсовые дипломные лекции шпоры

Реферат Курсовая Конспект

Множественная корреляция.

Множественная корреляция. - раздел Образование, Введение в статистику Изучение Связи Между Результативным И Двумя Или Более Факторными Признаками Н...

Изучение связи между результативным и двумя или более факторными признаками называется множественной регрессией. При исследовании зависимостей методами множественной регрессии ставят 2 задачи.

  1. определение аналитического выражения связи между результативным признаком у и фактическими признаками х1, х2, х3, …хк, т.е. найти функцию у=f(х1, х2, …хк)
  2. Оценка тесноты связи между результативным и каждым из факторных признаков.

Корреляционно-регрессионная модель (КРМ) – такое уравнение регрессии, которое включает основные факторы, влияющие на вариацию результативного признака.

Построение модели множественной регрессии включает этапы:

  1. выбор формы связи
  2. отбор факторных признаков
  3. обеспечение достаточного объема совокупности для получения верных оценок.

I. все множество связей между переменными, встречающиеся на практике достаточно полно описывается функциями 5-ти видов:

  1. линейная:
  2. степенная:
  3. показательная:
  4. парабола:
  5. гипербола:

хотя все 5 функций присутствуют в практике КРА, наиболее часто используется линейная зависимость, как наиболее простая и легко поддающаяся интерпретации уравнение линейной зависимости: , к – множество факторов включающихся в уравнение, bj – коэффициент условно-чистой регрессии, который показывает среднее по совокупности отклонение результативного признака от его среднего значения при отклонении фактора xj от своей средней величины на единицу при условии, что все остальные факторы, входящие в уравнение сохраняют средние значения.

Параметры уравнения множественной регрессии и определение с помощью МНК.

Пример:

 

 
 

 

 


0 – т.к. >0,7 следовательно на них обращаем особое внимание

ЭКО. Шкала тесноты связи:

Если связь 0 – 0,3 – слабая связь

0,3 – 0,5 – заметная

0,3 – 0,5 – тесная

0,7 – 0,9 – высокая

более 0,9 – весьма высокая

затем сравниваем два признака (доход и пол) <0,7, то включаем в уравнение множественной регрессии.

Отбор факторов для включения в уравнение множественной регрессии:

  1. между результативным и фактическим признаками должна быть причинно-следственная зависимость.
  2. результативный и фактический признаки должны быть тесно связаны между собой иначе возникает явление мультиколлинеарности (>06), т.е. включенные в уравнение факторные признаки влияют не только на результативный, но друг на друга, что влечет к неверной интерпретации числовых данных.

Методы отбора факторов для включения в уравнение множественной регрессии:

1. экспертный метод – основан на интуитивно логическом анализе который выполняется высококвалифицированными экспертами.

2. использование матриц парных коэффициентов корреляции осуществляется параллельно с первым методом, матрица симметрична относительно единичной диагонали.

3. пошаговый регрессионный анализ – последовательное включение факторных признаков в уравнение регрессии и проверки значимости проводится на основании значений двух показателей на каждом шаге. Показатель корреляции, регрессии.

Показатель корреляции: рассчитывают изменение теоретической корреляции отношения или изменение средней остаточной дисперсии. Показатель регрессии – изменение коэффициента условно чистой регрессии.

Пример расчета:

  Ниже среднего Среднее Выше среднего Итого
Ниже среднего
Средний
Выше среднего
Итого

Развернуть
Открыть в широком формате

– Конец работы –

Эта тема принадлежит разделу:

Введение в статистику

На сайте allrefs.net читайте: "Введение в статистику"

Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Множественная корреляция.

Что будем делать с полученным материалом:

Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:

Все темы данного раздела:

Понятия статистики, статистическая закономерность и совокупность.
Слово статистика происходит от латинского “status” в переводе – состояние, положение вещей. Термин статистика возник во 2ой половине 18 века. В связи с познанием государс

Понятие статистического наблюдения, его подготовка.
Любое статистическое исследование начинается со сбора данных. Источники информации: 1. различные публикации (газеты, журналы, и т.д.) 2. главный источник опубликованной с

Виды статистического наблюдения.
В отечественной статистике используются три формы статистических наблюдений. статистическая отчетность предприятий, организаций, учреждений. специально организованное статис

Ошибки наблюдения
Основное требование, применяемое к статистическому наблюдению - это точность. Точность – степень соответствия какого-либо показателя признака определенным по материалам статистического наб

Сводка и группировка
На основе собранных данных нельзя произвести расчет и сделать выводы, для начала их нужно обобщить и свести в единую таблицу. Для этих целей служат сводка и группировка. Сводка – комплекс

Виды статистических группировок
Группировки могут быть классифицированы по структуре и по содержанию.     Типоло

Статистические таблицы
Результаты сводки и группировки должны быть представлены так, чтобы ими можно было пользоваться. Существует 3 способа представления данных: данные могут быть включены в текс

Статистические графики
Статистические таблицы могут дополняться графиками. Статистические графики – условные изображения числовых величин и их соотношений посредством линий, геометрических фигур, рисунков.

Тема 3: Статистические показатели.
§1. Сущность и значение статистического показателя, его атрибуты. §2. Классификация статистических показателей. §3. Виды относительных показателей. Принципы построения. §

Относительные показатели
        По

Тема 4: Средние величины
§1. понятие средней величины §2. виды средних величин §3. средняя арифметическая и ее свойства §4. среднее гармоническое, геометрическое, квадратическое. §5. мно

Тема 5: Вариационный анализ
§1. Вариация признаков и ее причины §2. Ряды распределения §3. Структурные характеристики вариационного ряда. §4. Показатели силы вариации. §5. Показатели интенс

Свойство дисперсии.
1. 1. уменьшение всех значений признака на одну

Фактическое и теоретическое распределение
Одна из важнейших целей изучения рядов распределения состоит в том, чтобы выявить закономерность распределения и определить ее характер. Закономерности распределения наиболее отчетливо проявляются

Кривая нормального распределения.
Закон нормального распределения: ; у – ордината нормального распределения t – нормированное отклонение.

Методика расчета теоретических частот.
Определяется среднее арифметическое и по интервальному вариационному ряду, считается t по каждому интервалу. Находим

Понятие выборочного наблюдения. Причины его применения.
Выборочное наблюдение – такое не сплошное наблюдение, при котором статистическому обследованию подвергаются единицы изучаемой совокупности, отобранные определенным образом.

Бесповторное
Попавшая в выборку единица не возвращается в совокупность, из которой происходит отбор. По способу отбора: Собственно-случайная зак

Ошибки выборочного наблюдения.
        Ошибк

Задачи выборочного наблюдения
Применяется для следующих задач: n - ? для определения объема выборки по известной F(t), Dx. определение Dx выборки по известной F(t), n определение F(t) по известн

Распространение данных выборочного наблюдения на генеральную совокупность.
Конечной целью любого ВН является характеристика генеральной совокупности. Величины, рассчитанные по результатам ВН распространяются на генеральную совокупность с учетом предела их предель

Малая выборка.
В практике статистического исследования в современных условиях все чаще приходится сталкиваться с небольшими по объему выборками. Малая выборка – выборка наблюдения чи

Понятие корреляционной связи и КРА.
Функциональная связь y=5x Корреляционная связь Различают 2 типа связей меду различными явлениями и их признаком ф

Парная регрессия на основе метода наименьших квадратов.
Регрессионный анализ заключается в определении аналитического выражения связи. По форме различают линейную регрессию, которая выражается уравнением прямой

Применение парного линейного уравнения регрессии.
Основное применение – прогнозирование по уравнению регрессии. Ограничением при прогнозировании служат условия стабильности других факторов и условий процесса. Если резко измениться в нем среда прот

Хотите получать на электронную почту самые свежие новости?
Education Insider Sample
Подпишитесь на Нашу рассылку
Наша политика приватности обеспечивает 100% безопасность и анонимность Ваших E-Mail
Реклама
Соответствующий теме материал
  • Похожее
  • Популярное
  • Облако тегов
  • Здесь
  • Временно
  • Пусто
Теги