![]() Полезное:
Как сделать разговор полезным и приятным
Как сделать объемную звезду своими руками
Как сделать то, что делать не хочется?
Как сделать погремушку
Как сделать так чтобы женщины сами знакомились с вами
Как сделать идею коммерческой
Как сделать хорошую растяжку ног?
Как сделать наш разум здоровым?
Как сделать, чтобы люди обманывали меньше
Вопрос 4. Как сделать так, чтобы вас уважали и ценили?
Как сделать лучше себе и другим людям
Как сделать свидание интересным?
![]() Категории:
АрхитектураАстрономияБиологияГеографияГеологияИнформатикаИскусствоИсторияКулинарияКультураМаркетингМатематикаМедицинаМенеджментОхрана трудаПравоПроизводствоПсихологияРелигияСоциологияСпортТехникаФизикаФилософияХимияЭкологияЭкономикаЭлектроника
![]() |
Оценка коэффициента ранговой корреляции Спирмена ⇐ ПредыдущаяСтр 5 из 5
Значимость коэффициента ранговой корреляции Спирмена Для того чтобы при уровне значимости α проверить нулевую гипотезу о равенстве нулю генерального коэффициента ранговой корреляции Спирмена при конкурирующей гипотезе Hi. p ≠ 0, надо вычислить критическую точку:
где n - объем выборки; p - выборочный коэффициент ранговой корреляции Спирмена: t(α, к) - критическая точка двусторонней критической области, которую находят по таблице критических точек распределения Стьюдента, по уровню значимости α и числу степеней свободы k = n-2. Если |p| < Тkp - нет оснований отвергнуть нулевую гипотезу. Ранговая корреляционная связь между качественными признаками не значима. Если |p| > Tkp - нулевую гипотезу отвергают. Между качественными признаками существует значимая ранговая корреляционная связь. По таблице Стьюдента находим t(α/2, k) = (0.05/2;18) = 2.101
Поскольку Tkp > p, то принимаем гипотезу о равенстве 0 коэффициента ранговой корреляции Спирмена. Другими словами, коэффициент ранговой корреляции статистически - не значим и ранговая корреляционная связь между оценками по двум тестам незначимая. Проверим гипотезу H0: гетероскедастичность отсутсвует. Поскольку 2.101 > 0.48, то гипотеза об отсутствии гетероскедастичности принимается. 3. Тест Голдфелда-Квандта. В данном случае предполагается, что стандартное отклонение σi = σ(εi) пропорционально значению xi переменной X в этом наблюдении, т.е. σ2i = σ2x2i, i = 1,2,…,n. Тест Голдфелда-Квандта состоит в следующем: 1. Все n наблюдений упорядочиваются по величине X. 2. Вся упорядоченная выборка после этого разбивается на три подвыборки размерностей k,(n-2k),k. 3. Оцениваются отдельные регрессии для первой подвыборки (k первых наблюдений) и для третьей подвыборки (k последних наблюдений). 4. Для сравнения соответствующих дисперсий строится соответствующая F-статистика: F = S3/S1 Построенная F-статистика имеет распределение Фишера с числом степеней свободы v1 = v2 = (n – c - 2m)/2. 5. Если F > Fkp, то гипотеза об отсутствии гетероскедастичности отклоняется. Этот же тест может использоваться при предположении об обратной пропорциональности между σi и значениями объясняющей переменной. При этом статистика Фишера имеет вид: F = S1/S3 1. Упорядочим все значения по величине X. 2. Находим размер подвыборки k = (20 - 5)/2 = 8. где c = 4n/15 = 4*20/15 = 5 3. Оценим регрессию для первой подвыборки. Находим параметры уравнения методом наименьших квадратов. Система уравнений МНК: a0n + a1∑x = ∑y a0∑x + a1∑x2 = ∑y•x Для наших данных система уравнений имеет вид: 8a0 + 50086a1 = 72157 50086a0 + 341322784a1 = 505618377 Из первого уравнения выражаем а0 и подставим во второе уравнение Получаем a0 = 1.94, a1 = -3133.57
Здесь S1 = 181229059.86 Оценим регрессию для третьей подвыборки. Находим параметры уравнения методом наименьших квадратов. Система уравнений МНК: a0n + a1∑x = ∑y a0∑x + a1∑x2 = ∑y•x Для наших данных система уравнений имеет вид: 8a0 + 413639a1 = 1436177 413639a0 + 52431524259a1 = 266657281053 Из первого уравнения выражаем а0 и подставим во второе уравнение Получаем a0 = 6.2, a1 = -140922.9
Здесь S3 = 83579440883.38 Число степеней свободы v1 = v2 = (n – c - 2m)/2 = (20 - 5 - 2*1)/2 = 6.5 Fkp(6.5,6.5) = 5.59 Строим F-статистику: F = 83579440883.38/181229059.86 = 461.18 Поскольку F > Fkp = 5.59, то гипотеза об отсутствии гетероскедастичности отклоняется.
Решение было получено и оформлено с помощью сервиса: Уравнение регрессии Вместе с этой задачей решают также: Уравнение множественной регрессии Коэффициент корреляции Спирмена Выявление тренда методом аналитического выравнивания Уравнение нелинейной регрессии Показатели динамики: цепные и базисные Коэффициент корреляции Пирсона Онлайн сдача дистанционных тестов Copyright © Semestr.RU Date: 2016-01-20; view: 623; Нарушение авторских прав |