Навігація
Головна
 
Головна arrow Економіка arrow Економетрика
< Попередня   ЗМІСТ   Наступна >

МЕТОД ПОСЛІДОВНОГО ПРИЄДНАННЯ РЕГРЕСОРІВ

Алгоритм цього методу можна представити у вигляді послідовності наступних кроків.

Крок 1. Будуються моделі парної регресії між ендогенної змінної і кожної з екзогенних змінних і фіксуються значення коефіцієнтів детермінації для кожного рівняння. Для включення в специфікацію моделі вибирається той регресорів, який відповідає максимальному значенню коефіцієнта детермінації. Саме цей регресорів - найбільш інформативний серед решти.

Крок 2. Розглядаються моделі, що мають в своєму складі по два регресорів: перший - обраний на першому кроці, другий - один з решти. Знову порівнюються значення коефіцієнтів детермінації і, для подальшої роботи, вибирається та пара регресорів, яка забезпечує максимальне значення коефіцієнта детермінації.

Крок 3. Аналогічним чином розглядаються моделі з трьома регресорів і т.д.

Процес приєднання завершується тоді, коли приєднання наступного регресорів не призводить до збільшення коефіцієнта детермінації в порівнянні з попереднім кроком. Ця обставина розглядається як сигнал про те, що приєднання додаткових регресорів не збільшує інформативність вже включених регресорів.

Проілюструємо застосування методу послідовного приєднання регресорів на тому ж прикладі.

У табл. 6.6 наведені покрокові результати застосування розглянутого методу.

Процедура завершилася на другому кроці. На першому кроці найбільш інформативним регресорів виявився х 2, який відібраний для подальшого приєднання до нього залишилися регресорів. На другому - найкращому набором регресорів виявився набір 2 , х 6 ). Однак коефіцієнт детермінації в цьому випадку знизився в порівнянні з попереднім. Отже, можна на цьому зупинитися.

Таблиця 6.6

покрокові результати

Крок 1

регресія

0,5

0,8084

0.785

0,269

0,037

0,002

крок 2

регресія

0,803

0,807

0.804

0,811

0,8076

Таким чином, ми отримали такий же результат: витрати на утримання квартири визначаються її загальною площею.

МЕТОД ПОСЛІДОВНОГО ВИКЛЮЧЕННЯ РЕГРЕСОРІВ

Даний метод вважається найбільш економічним з точки зору обсягу обчислень. Процедура методу досить проста. Спочатку оцінюється модель з повним списком регресорів, для каждогопараметра розраховується значення дробу Стьюдента і виключається регресорів, статистика Стьюдента для якого мінімальна. Потім ця процедура послідовно повторюється до тих пір, поки в специфікації не залишаться тільки статистично значущі регресорів.

Знову застосуємо метод до даних табл. 6.2. Покрокові результати методу зведені у табл. 6.7.

Зауваження. У табл. 6.7 виділені мінімальні значення дробу Стьюдента на кожному кроці.

Таблиця 6.7

Значення дробу Стьюдента для кожного параметра

Крок 1

0,69

1,08

1,55

1,212

0,21

1,52

1,372

крок 2

0,70

1,157

3,13

1,53

1,52

1,36

крок 3

0,96

3,52

1,4

1,84

1,19

крок 4

3,56

1,10

1,73

1,37

крок 5

28,7

1,7

1,57

крок 6

39,0

0,9

В результаті шести кроків ми прийшли до того ж результату.

Підводячи підсумок, відзначимо, що поєднанням тесту на статистичну значущість параметрів моделі аналізу списку змінних на наявність мультиколінеарності вдається домогтися високої якості специфікації моделі, після чого можна перейти до аналізу властивостей оцінок параметрів рівняння регресії.

 
Якщо Ви помітили помилку в тексті позначте слово та натисніть Shift + Enter
< Попередня   ЗМІСТ   Наступна >
 
Дисципліни
Агропромисловість
Аудит та Бухоблік
Банківська справа
БЖД
Географія
Документознавство
Екологія
Економіка
Етика та Естетика
Журналістика
Інвестування
Інформатика
Історія
Культурологія
Література
Логіка
Логістика
Маркетинг
Медицина
Нерухомість
Менеджмент
Педагогіка
Політологія
Політекономія
Право
Природознавство
Психологія
Релігієзнавство
Риторика
Соціологія
Статистика
Техніка
Страхова справа
Товарознавство
Туризм
Філософія
Фінанси
Пошук