Эконометрика лекции
Преимуществом шаговых
Преимуществом шаговых методов являются простота алгоритмов, автоматизация выбора наилучшей модели, быстрота вычислений; недостатком — раздельный анализ переменных (по отдельности переменные могут не являться значимыми, но при совместном использовании улучшают показатели регрессионной модели).
Другой способ пошагового отбора факторов состоит в использовании скорректированного (adjusted) коэффициента детерминации, определяемого по формуле
. (3.35)
В отличие от обычного коэффициента детерминации
, который всегда увеличивается
при добавлении новых факторов, скорректированный коэффициент детерминации может уменьшаться
при добавлении новых переменных не оказывающих существенное влияние на выходную
переменную y. Однако
даже увеличение скорректированного) коэффициента детерминации не всегда означает, что
вводимый в модель фактор значим. Поэтому, описанный выше метод шаговой регрессии,
основанный на использовании
и
предпочтительнее.
Рассмотрим пример. В табл. 3.2 представлены данные для исследования зависимости урожайности семян люцерны от следующих факторов:
1) x1 - количество осадков в период сентябрь -20 апреля (мл);
2) x2 - количество осадков в период 20 апреля -20 мая (мл);
3) x3-температура воздуха в фазе цветения (С0);
4) x4-относительная влажность воздуха в фазе цветения (%);
5) x5-количество осадков в фазе цветения (мл);
назад далееПараграфы
- Сущность и история возникновения эконометрики
- </b>Парный регрессионный анализ
- Множественная регрессия
- Гетероскедастичность моделей, ее обнаружение и методы устранения гетероскедастичности
- прогнозирование временных рядов
- Сглаживание Временных рядов
- ОДНОВРЕМЕННЫЕ УРАВНЕНИЯ. МЕТОДЫ ИДЕНТИФИКАЦИИ
- Моделирование структурными уравнениями
- РАЗНОСТНЫЕ УРАВНЕНИЯ И ИХ РЕШЕНИЕ
- Стационарные временные ряды авторегрессии-скользящего среднего
- Временные ряды с высокой изменчивостью
- Ложная регрессия, коинтеграция и модели корректировки ошибок
- Элементы линейной алгебры
- Элементы теории вероятностей и математической статистики
- метод наименьших квадратов