Презентация на тему: МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ

Реклама. Продолжение ниже
МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ
МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ
ПОКАЗАТЕЛИ КАЧЕСТВА УРАВНЕНИЯ РЕГРЕССИИ
Как оценить качество построенной модели?
Как оценить качество построенной модели?
Как оценить качество построенной модели?
Как оценить качество построенной модели?
Как оценить качество построенной модели?
Вычисляем суммы квадратов - остаточную, регрессионную и общую
Коэффициент детерминации R 2
Свойства к оэффициент а детерминации R 2
Свойства к оэффициент а детерминации R 2
Свойства к оэффициент а детерминации R 2
Свойства к оэффициент а детерминации R 2
МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ
МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ
Стандартная ошибка регрессии ( средняя квадратическая ошибка ) s
Пример построения уравнения регрессии
Пример построения уравнения регрессии
Пример построения уравнения регрессии
МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ
МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ
МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ
МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ
МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ
1/25
Средняя оценка: 4.5/5 (всего оценок: 52)
Код скопирован в буфер обмена
Скачать (588 Кб)
Реклама. Продолжение ниже
1

Первый слайд презентации: МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ

№ домохозяйства Среднедушевой доход домохозяйства, д.е. Объем спроса, ед. 1 100 24 2 200 42 3 150 35 4 80 24 5 160 39

Изображение слайда
1/1
2

Слайд 2

y=0,1 7 x+ 9, 33 - функция спроса в зависимости от дохода. С ростом дохода на 1 ден.ед. спрос на товар растет на 0,17 ед. Коэффициенты Стандартная ошибка t-статистика P-Значение Y-пересечение 9,334052 3,296116 2,831833 0,06609 Переменная X 1 0,170043 0,0228 7,458124 0,004991 Сервис – Анализ данных

Изображение слайда
1/1
3

Слайд 3: ПОКАЗАТЕЛИ КАЧЕСТВА УРАВНЕНИЯ РЕГРЕССИИ

Все показатели качества используют остатки : Y y 2 y 1 y 4 y 3 x 1 x 2 x 3 x 4 называется остатком

Изображение слайда
1/1
4

Слайд 4: Как оценить качество построенной модели?

Построим прогноз по модели по формуле

Изображение слайда
Изображение для работы со слайдом
1/2
5

Слайд 5: Как оценить качество построенной модели?

Вычисляем остатки

Изображение слайда
Изображение для работы со слайдом
1/2
6

Слайд 6: Как оценить качество построенной модели?

Находим относительную ошибку аппроксимации Процентный формат

Изображение слайда
Изображение для работы со слайдом
1/2
7

Слайд 7: Как оценить качество построенной модели?

Находим среднюю относительную ошибку аппроксимации среднее по столбцу В среднем прогноз отличается от наблюдаемого значения на 4,83%

Изображение слайда
Изображение для работы со слайдом
1/2
Реклама. Продолжение ниже
8

Слайд 8: Как оценить качество построенной модели?

Еще один показатель качества – коэффициент детерминации Для его вычисления вычисляем сумму квадратов остатков ESS (Error Sum of Squares) Сумма по столбцу

Изображение слайда
Изображение для работы со слайдом
1/2
9

Слайд 9: Вычисляем суммы квадратов - остаточную, регрессионную и общую

– error sum of squares, остаточная сумма квадратов отклонений – total sum of squares, общая сумма квадратов отклонений – regression sum of squares, регрессионная сумма квадратов отклонений Теорема TSS=RSS+ESS

Изображение слайда
1/1
10

Слайд 10: Коэффициент детерминации R 2

Коэффициентом детерминации называют число Коэффициентом детерминации - это доля дисперсии признака y, объясненная регрессией в общей дисперсии признака y

Изображение слайда
1/1
11

Слайд 11: Свойства к оэффициент а детерминации R 2

1)

Изображение слайда
1/1
12

Слайд 12: Свойства к оэффициент а детерминации R 2

2) Если, то линия регрессии точно соответствует всем наблюдениям и между x и y существует линейная функциональная зависимость.

Изображение слайда
1/1
13

Слайд 13: Свойства к оэффициент а детерминации R 2

3) Если, то линия регрессии параллельна оси абсцисс и переменная y не зависит от переменной x.

Изображение слайда
1/1
14

Слайд 14: Свойства к оэффициент а детерминации R 2

4) В случае парной линейной регрессии

Изображение слайда
1/1
Реклама. Продолжение ниже
15

Слайд 15

94,9% вариации спроса на продукт объясняется доходом и остальные 5,1% прочими факторами, не включенными в модель ДИСПР( y)

Изображение слайда
Изображение для работы со слайдом
Изображение для работы со слайдом
1/3
16

Слайд 16

Изображение слайда
Изображение для работы со слайдом
1/2
17

Слайд 17: Стандартная ошибка регрессии ( средняя квадратическая ошибка ) s

Изображение слайда
1/1
18

Слайд 18: Пример построения уравнения регрессии

18 Пример построения уравнения регрессии При анализе зависимости объема потребления Y (у.е.) домохозяйства от располагаемого дохода X (у.е.) отобрана выборка объема n = 12 (помесячно в течение года), результаты которой приведены в таблице:

Изображение слайда
1/1
19

Слайд 19: Пример построения уравнения регрессии

19 Пример построения уравнения регрессии Т.о., уравнение парной линейной регрессии имеет вид:

Изображение слайда
1/1
20

Слайд 20: Пример построения уравнения регрессии

20 Пример построения уравнения регрессии

Изображение слайда
Изображение для работы со слайдом
1/2
21

Слайд 21

a=abs(e)/y

Изображение слайда
Изображение для работы со слайдом
1/2
22

Слайд 22

ПРИМЕР УРАВНЕНИЯ ПАРНОЙ РЕГРЕССИИ Данные 2002 г. о часовой заработной плате ( $ США) и уровне образования (лет) по 540 респондентам из национального опроса в США. 12 лет – средняя школа 13-16 лет – колледж (бакалавриат) 17-18 лет – университет ( магистратура) 19-20 лет - PhD

Изображение слайда
1/1
23

Слайд 23

ПРИМЕР УРАВНЕНИЯ ПАРНОЙ РЕГРЕССИИ Zpl=-12,6188+2,3651N Увеличении уровня образования на один год приведет в среднем к увеличению почасовой заработной платы на $ 2. 37

Изображение слайда
1/1
24

Слайд 24

ПРИМЕР УРАВНЕНИЯ ПАРНОЙ РЕГРЕССИИ Zpl=-12,61 6 8+2,3651N

Изображение слайда
Изображение для работы со слайдом
1/2
25

Последний слайд презентации: МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ

e=zpl- прогноз a=abs(e)/zpl*100 Zpl=-12,6188+2,3651N

Изображение слайда
Изображение для работы со слайдом
Изображение для работы со слайдом
1/3
Реклама. Продолжение ниже