ВУЗ:
Составители:
Рубрика:
65
мультиколлинеарности;
•
разработка мер по ее устранению.
Причинами возникновения
мультиколлинеарности между признаками являются:
•
изучаемые факторные признаки,
характеризующие одну и ту же сторону явления
или процесса. Например, показатели объема
производимой продукции и среднегодовой
стоимости основных фондов одновременно
включать в модель не рекомендуется, так как
они оба характеризуют размеры предприятия;
•
использование в качестве факторных
признаков показателей, суммарное значение
которых представляет собой постоянную
величину;
•
факторные признаки, являющиеся
составными элементами друг друга;
•
факторные признаки, по
экономическому смыслу дублирующие друг
друга.
Одним из
индикаторов определения наличия
мультиколлинеарности между признаками
является
Устранение мультиколлинеарности может
реализовываться через исключение из
корреляционной модели одного или нескольких
линейно-связанных факторных признаков или
преобразование исходных факторных признаков в
новые, укрупненные факторы.
Вопрос о том, какой из факторов следует
отбросить, решается на основании качественного и
логического анализов изучаемого явления.
Качество уравнения регрессии зависит от
степени достоверности и надежности исходных
данных и объема совокупности. Исследователь дол-
жен стремиться к увеличению числа наблюдений, так
как большой объем наблюдений является одной из
предпосылок построения адекватных статистических
моделей.
9.6. Показатели тесноты связи.
1. Методы измерения тесноты корреляционной с
в
между двумя признаками.
А) При линейной зависимости измеряется при
помощи
а) линейного коэффициента корреляции:
Если вычислен коэффициент регрессии
1
a , то
Л
инейный коэффициент корреляции изменяется в
мультиколлинеарности; • разработка мер по ее устранению. Причинами возникновения мультиколлинеарности между признаками являются: • изучаемые факторные признаки, характеризующие одну и ту же сторону явления или процесса. Например, показатели объема производимой продукции и среднегодовой стоимости основных фондов одновременно включать в модель не рекомендуется, так как они оба характеризуют размеры предприятия; • использование в качестве факторных признаков показателей, суммарное значение которых представляет собой постоянную величину; • факторные признаки, являющиеся составными элементами друг друга; • факторные признаки, по экономическому смыслу дублирующие друг друга. Одним из индикаторов определения наличия мультиколлинеарности между признаками является Устранение мультиколлинеарности может реализовываться через исключение из корреляционной модели одного или нескольких линейно-связанных факторных признаков или преобразование исходных факторных признаков в новые, укрупненные факторы. Вопрос о том, какой из факторов следует отбросить, решается на основании качественного и логического анализов изучаемого явления. Качество уравнения регрессии зависит от степени достоверности и надежности исходных данных и объема совокупности. Исследователь дол- жен стремиться к увеличению числа наблюдений, так как большой объем наблюдений является одной из предпосылок построения адекватных статистических моделей. 9.6. Показатели тесноты связи. 1. Методы измерения тесноты корреляционной св между двумя признаками. А) При линейной зависимости измеряется при помощи а) линейного коэффициента корреляции: Если вычислен коэффициент регрессии a1 , то Линейный коэффициент корреляции изменяется в 65
Страницы
- « первая
- ‹ предыдущая
- …
- 63
- 64
- 65
- 66
- 67
- …
- следующая ›
- последняя »