Вы точно человек?
В данной главе основное внимание уделяется проблемам, к которым приводит нарушение основных предпосылок классической линейной регрессии. Подробно обсуждаются последствия и методы устранения гетероскедастичности, мультиколлинеарности и автокорреляции. Изучаются обобщенные модели множественной регрессии. Нарушения основных предпосылок классической регрессионной модели и их последствия.
Вспомните предпосылки классической линейной модели парной регрессии сформулированы в параграфе 2. Напомним, что интуитивно понять различие между двумя этими ситуациями можно, взглянув на рисунки 2. Первый из них соответствует ситуации, когда дисперсия случайной ошибки постоянна, и поэтому разброс точек вокруг линии регрессии более-менее равномерен. Когда можно ожидать, что в реальном исследовании в данных будет наблюдаться гетероскедастичность? Представим, например, что мы анализируем зависимость потребления индивида от его располагаемого дохода. Понятно, что для групп индивидов с маленьким доходом, который измеряется десятками долларов в месяц, потребление будет разным, но оно, скорее всего, тоже будет измеряться десятками долларов в месяц.
- Сведения о документе
- Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
- Обобщенная линейная модель с гетероскедастичными возмущениями.
- Сайт создан в системе uCoz.
- Обнаружение гетероскедастичности
- Новые калькуляторы Построить график функции Точки разрыва функции Построение графика методом дифференциального исчисления Упростить выражение.
- Глава 8.
- При использовании метода наименьших квадратов параметры модели находят по формуле 3.
- Загружено:
- Коэф-т линейной модели bj, кроме b0 свободное слагаемое характеризует среднее абсолютное изменение результативного признака y при уменьшении соответствующего фактора xj на 1 единицу своего измерения. М НК оценка: несмещённая, состоятельная, неэффективная.
- В этой главе мы выясним, как меняются свойства эконометрических оценок, если отказаться от двух предпосылок классической линейной модели множественной регрессии: о постоянстве дисперсии случайных ошибок, а также ближе к концу главы об отсутствии корреляции между случайными ошибками, относящимися к разным наблюдениям.
- На любой экономический показатель чаще всего оказывает влияние не один, а несколько факторов.
Прежде чем обратиться к теме множественной линейной регрессии, давайте вспомним, что было сделано до сих пор. Возможно, будет полезно посмотреть эти уроки, чтобы освежить знания. В рамках сегодняшнего занятия мы с нуля построим несколько алгоритмов множественной линейной регрессии. Прежде чем обратиться к практике, обсудим некоторые теоретические вопросы регрессионного анализа. Как мы уже знаем , множество всех имеющихся наблюдений принято считать генеральной совокупностью population.
