русс | укр

Языки программирования

ПаскальСиАссемблерJavaMatlabPhpHtmlJavaScriptCSSC#DelphiТурбо Пролог

Компьютерные сетиСистемное программное обеспечениеИнформационные технологииПрограммирование

Все о программировании


Linux Unix Алгоритмические языки Аналоговые и гибридные вычислительные устройства Архитектура микроконтроллеров Введение в разработку распределенных информационных систем Введение в численные методы Дискретная математика Информационное обслуживание пользователей Информация и моделирование в управлении производством Компьютерная графика Математическое и компьютерное моделирование Моделирование Нейрокомпьютеры Проектирование программ диагностики компьютерных систем и сетей Проектирование системных программ Системы счисления Теория статистики Теория оптимизации Уроки AutoCAD 3D Уроки базы данных Access Уроки Orcad Цифровые автоматы Шпаргалки по компьютеру Шпаргалки по программированию Экспертные системы Элементы теории информации

Показатели количественной оценки результатов регрессионного анализа


Дата добавления: 2014-04-22; просмотров: 663; Нарушение авторских прав


 

Метод количественной оценки результатов регрессионного анализа состоит в подстановке средних значений факторов в уравнение регрессии и последующей оценке полученного соотношения. Общепризнанным обобщающим показателем оценки регрессионного анализа является корреляционное отношение. Корреляционное отношение выражает увеличение соответствия между расчётными и фактическими значениями зависимого показателя при использовании корреляционной формулы по сравнению с определением расчётного значения для всех объектов как среднего арифметического.

Величина коэффициента корреляции зависит от отношения между значениями, определёнными на основе уравнения множественной регрессии и наблюдаемыми значениями зависимой переменной. Чем меньше наблюдаемые величины отклоняются от линии множественной регрессии, тем большую величину имеет коэффициент корреляции, следовательно, связь является более тесной.

 

или , где – коэффициент множественной корреляции, отражающий тесноту связи между первым показателем и всеми остальными, начиная со второго и кончая n-м.

Если коэффициент корреляции незначителен по величине, то это может говорить о трёх фактах:

1. в уравнении множественной корреляции не учтены некоторые факторы, имеющие большое влияние на результативный признак, что можно поправить путём введения некоторых дополнительных факторов;

2. форма уравнений связи выбрана неверно;

3. проведённый теоретический анализ оказался несостоятельным.

Корреляционное отношение вычисляется по следующей формуле: где s – сумма квадратов отклонений точек линии регрессии от фактических данных; – остаточная дисперсия по первому фактору. Как уже говорилось, корреляционное отношение изменяется в пределах от 0 до 1: Если то при заданной форме связи данный набор факторов вообще не объясняет изменение изучаемого показателя, если , то связь функциональная. Корреляционное отношение вычисляется автоматически, если используется ЭВМ.



Рассмотрим определение ошибок показателей множественной регрессии. Ясно, что ошибки коэффициентов множественной корреляции возрастают с увеличением числа взаимосвязанных признаков. Это надо учитывать при его применении. Величина называется коэффициентом множественной детерминации. Он показывает, какая часть дисперсии функции объясняется вариацией линейной комбинации аргументов при данных значениях коэффициентов регрессии. Коэффициент детерминации ещё можно вычислить по формуле: . Чем он больше, тем нелинейнее корреляционная зависимость. Проводится и качественный анализ корреляционного уравнения. Он состоит в проверке соответствия знаков и относительной величины полученных параметров (коэффициентов регрессии) при отдельных факторах-аргументах экономическому представлению об их влиянии на уровень и динамику исследуемого показателя. Если такое соответствие имеется, формула может быть признана годной. Если же его нет, необходимы дополнительный анализ факторов, выявление причин, вызвавших их "неправомерное" поведение в формуле, введение в первоначальное уравнение дополнительных факторов, проверка исходных данных и т.д.

Среди статистических характеристик качества уравнений регрессии можно выделить 2 группы характеристик: характеристика качества исходной информации и характеристики качества уравнений регрессии. Этим заканчивается регрессионный анализ.

 



<== предыдущая лекция | следующая лекция ==>
Задачи и методы их решения на ЭВМ при проведении многофакторного регрессионного анализа | Проверка адекватности уравнения регрессии


Карта сайта Карта сайта укр


Уроки php mysql Программирование

Онлайн система счисления Калькулятор онлайн обычный Инженерный калькулятор онлайн Замена русских букв на английские для вебмастеров Замена русских букв на английские

Аппаратное и программное обеспечение Графика и компьютерная сфера Интегрированная геоинформационная система Интернет Компьютер Комплектующие компьютера Лекции Методы и средства измерений неэлектрических величин Обслуживание компьютерных и периферийных устройств Операционные системы Параллельное программирование Проектирование электронных средств Периферийные устройства Полезные ресурсы для программистов Программы для программистов Статьи для программистов Cтруктура и организация данных


 


Не нашли то, что искали? Google вам в помощь!

 
 

© life-prog.ru При использовании материалов прямая ссылка на сайт обязательна.

Генерация страницы за: 0.004 сек.