Презентация на тему: Парная регрессия и корреляция

Реклама. Продолжение ниже
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Спецификация моделей
Спецификация моделей
Парная регрессия и корреляция
Парная регрессия
Различают линейные и нелинейные регрессии
Регрессии, нелинейные по объясняющим переменным:
Регрессии, нелинейные по оцениваемым параметрам:
Линеаризация нелинейных по оцениваемым параметрам уравнений парной регрессии
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Построение уравнения регрессии сводится к оценке ее параметров
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
F- критерий Фишера
F- критерий Фишера
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Оценка статистической значимости коэффициентов регрессии и корреляции
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
Парная регрессия и корреляция
1/47
Средняя оценка: 5.0/5 (всего оценок: 39)
Код скопирован в буфер обмена
Скачать (899 Кб)
Реклама. Продолжение ниже
1

Первый слайд презентации: Парная регрессия и корреляция

Изображение слайда
1/1
2

Слайд 2

Изображение слайда
1/1
3

Слайд 3

Изображение слайда
1/1
4

Слайд 4

В области экономических измерений проблема точности связана со следующими показателями: Определением понятия «экономическая величина»; Формированием системы принципов, постулатов и других теоретических положений, формирующих базис точности экономических измерений; Определением экономических показателей; Разработкой принципов конструирования измерителей и измерений; Основанием выбора типа шкал при конструировании измерителя; Разработкой правил формирования систем показателей; Выявлением типов и определением методов устранения ошибок экономического измерения; Разработкой правил агрегирования и сверки экономических показателей; Выявлением условий сравнимости экономических величин (показателей); Разработкой правил и методов измерений.

Изображение слайда
1/1
5

Слайд 5: Спецификация моделей

Номер наблюдения Доход Долл. DPI Потреб Долл CONS Номер наблюдения Доход Долл. Потреб долл 1 2508 2406 11 2432 2311 2 2572 2564 12 2354 2278 3 2408 2336 13 2404 2240 4 2522 2281 14 2381 2183 5 2700 2641 15 2581 2408 6 2531 2385 16 2529 2379 7 2390 2297 17 2562 2378 8 2595 2416 18 2624 2554 9 2524 2460 19 2407 2232 10 2685 2549 20 2448 2356 Результаты наблюдений за расходами Диаграмма рассеяния.

Изображение слайда
Изображение для работы со слайдом
1/2
6

Слайд 6: Спецификация моделей

Причина неоднозначной связи между располагаемым доходом и расходами: Индивидуальные особенности домашних хозяйств Влияние неучтенных факторов. Выводы: Невозможно построить модель вида Y=f(x), с помощью которой возможно однозначно определить связь между расходами и доходами. Зависимость между доходами и расходами домашних хозяйств имеет элемент случайности. Спецификация моделей

Изображение слайда
1/1
7

Слайд 7

Для учета случайного характера экономических процессов, модель записывают в виде: Y = f(X) + ε где: Y – эндогенная переменная; X – вектор предопределенных переменных; f(X) – детерминированная математическая функция, определяющая закономерность между эндогенной и предопределенными переменными; ε – случайная величина, учитывающая влияние неучтенных факторов и индивидуальные особенности конкретного объекта.

Изображение слайда
1/1
Реклама. Продолжение ниже
8

Слайд 8: Парная регрессия

– уравнение связи двух переменнных y – зависимая переменная (результативный признак); x – независимая, объясняющая переменная (признак-фактор) Парная регрессия

Изображение слайда
1/1
9

Слайд 9: Различают линейные и нелинейные регрессии

Линейная регрессия: Нелинейные регрессии делятся на два класса : Регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам; Регрессии, нелинейные по оцениваемым параметрам Различают линейные и нелинейные регрессии

Изображение слайда
1/1
10

Слайд 10: Регрессии, нелинейные по объясняющим переменным:

Полиномы разных степеней Равносторонняя гипербола Регрессии, нелинейные по объясняющим переменным:

Изображение слайда
1/1
11

Слайд 11: Регрессии, нелинейные по оцениваемым параметрам:

Степенная Показательная Экспоненциальная Регрессии, нелинейные по оцениваемым параметрам:

Изображение слайда
1/1
12

Слайд 12: Линеаризация нелинейных по оцениваемым параметрам уравнений парной регрессии

Изображение слайда
1/1
13

Слайд 13

Изображение слайда
1/1
14

Слайд 14

Изображение слайда
1/1
Реклама. Продолжение ниже
15

Слайд 15

Изображение слайда
1/1
16

Слайд 16

РЕГРЕССИЯ ЛИНЕЙНАЯ ПАРНАЯ - причинная модель статистической связи линейной между двумя количественными переменными х и у, представленная уравнением y = a + bx

Изображение слайда
1/1
17

Слайд 17

Существуют два подхода к интерпретации коэффициента регрессии b. Согласно первому из них, b представляет собой величину, на которую изменяется предсказанное по модели значение ŷ i = a + bx i при увеличении значения независимой переменной x на одну единицу измерения, согласно второй - величину, на которую в среднем изменяется значение переменной y i при увеличении независимой переменной x на единицу. На диаграмме рассеяния коэффициент b представляет тангенс угла наклона линии регрессии y = a + bx к оси абсцисс. Знак коэффициента регрессии совпадает со знаком коэффициента линейной корреляции: значение b > 0 свидетельствует о прямой линейной связи, значение b < 0 - об обратной. Если b = 0, линейная связь между переменными отсутствует (линия регрессии параллельна оси абсцисс).

Изображение слайда
1/1
18

Слайд 18

Свободный член уравнения регрессии a интерпретируется, если для независимой переменной значение x = 0 имеет смысл. В этом случае y = a, если x = 0.

Изображение слайда
1/1
19

Слайд 19: Построение уравнения регрессии сводится к оценке ее параметров

Для оценки параметров регрессий, линейных по параметрам, используют метод наименьших квадратов (МНК). МНК позволяет получить такие оценки параметров, при которых сумма квадратов отклонений фактических значений результативного признака y от теоретических минимальна, то есть Построение уравнения регрессии сводится к оценке ее параметров

Изображение слайда
1/1
20

Слайд 20

Для линейных и нелинейных уравнений, приводимых к линейным, решается следующая система относительно a и b : :

Изображение слайда
1/1
21

Слайд 21

Изображение слайда
1/1
22

Слайд 22

Изображение слайда
1/1
23

Слайд 23

Изображение слайда
1/1
24

Слайд 24

Изображение слайда
1/1
25

Слайд 25

Изображение слайда
1/1
26

Слайд 26

Изображение слайда
1/1
27

Слайд 27

Изображение слайда
1/1
28

Слайд 28: F- критерий Фишера

Критерий Фишера (F-критерий, φ*-критерий, критерий наименьшей значимой разности) — апостериорный статистический критерий, используемый для сравнения дисперсий двух вариационных рядов, то есть для определения значимых различий между групповыми средними в установке дисперсионного анализа. F- критерий Фишера

Изображение слайда
1/1
29

Слайд 29: F- критерий Фишера

Изображение слайда
1/1
30

Слайд 30

Изображение слайда
1/1
31

Слайд 31

Изображение слайда
1/1
32

Слайд 32

Изображение слайда
1/1
33

Слайд 33

Изображение слайда
1/1
34

Слайд 34: Оценка статистической значимости коэффициентов регрессии и корреляции

Изображение слайда
1/1
35

Слайд 35

Изображение слайда
1/1
36

Слайд 36

Изображение слайда
1/1
37

Слайд 37

Изображение слайда
1/1
38

Слайд 38

Изображение слайда
1/1
39

Слайд 39

Изображение слайда
1/1
40

Слайд 40

Доверительный интервал  — это интервал, построенный с помощью случайной выборки из распределения с неизвестным параметром, такой, что он накрывает данный параметр с заданной вероятностью.

Изображение слайда
1/1
41

Слайд 41

Изображение слайда
1/1
42

Слайд 42

Изображение слайда
1/1
43

Слайд 43

Изображение слайда
1/1
44

Слайд 44

Изображение слайда
1/1
45

Слайд 45

Изображение слайда
1/1
46

Слайд 46

Изображение слайда
1/1
47

Последний слайд презентации: Парная регрессия и корреляция

Все изложенное в данном разделе понадобится Вам при выполнении контрольной работы. Желаю удачи!

Изображение слайда
1/1