![]() 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
![]() |
Оценивание и прогнозирование на основе регрессионного анализа⇐ ПредыдущаяСтр 43 из 43
Как известно, основной задачей статистического моделирования является выявление связей, факторов и причин, действующих и вызывающих определённое состояние моделируемого объекта. Особенностью статистических моделей является то, что они создаются и строятся не на основе экспериментальных данных, а на основе данных статистического наблюдения. Статистические модели не являются полностью адекватными исследуемому явлению, т.к. в основе их построения лежат статистические вероятностные методы. Любые расчёты по статистической модели, в том числе и расчёты прогнозов носят приближённый характер, т.к. используют вероятностные методы. Следовательно, и прогнозные расчёты, и оценки по уравнению регрессии не должны ограничиваться построением только точечных оценок (в том числе и прогнозных значений), а строиться на основе построения доверительных интервалов. При построении доверительных интервалов на основе уравнения регрессии для оценки стандартной ошибки оцениваемого параметра может служить Sy,x – стандартная ошибка оценки по регрессии, тогда, если точечной оценкой моделируемого показателя является y, то интервальной y ± t Теория и практика выработали ряд рекомендаций для построения регрессионной модели. 1. Изучаемая совокупность переменных должна быть однородной, т.е. может быть описана непрерывной функцией. 2. Независимые переменные должны находиться в причинной связи с моделируемым показателем. 3. Независимые переменные не должны быть составными частями моделируемого показателя и не должны дублировать друг друга. 4. Не следует включать в модель признаки разных уровней иерархии. 5. Связь между единицами изучаемой совокупности должна быть линейной или сводимой к ней. 6. Необходимо обеспечить достаточный объём выборки, дающий репрезентативность исходных данных (формально уравнение регрессии может быть построено, если n > m + 1). 7. Математическая форма уравнения регрессии должна соответствовать логике связи зависимой и независимых переменных в реальном объекте. Отметим в заключение, что регрессионный анализ может служить описательным методом при единственном предположении о том, что для матрицы нормальных уравнений существует обратная. Однако это совсем не освобождает от необходимости тщательно проверять и обосновывать статистическую модель, используемую в анализе.
Содержание
Date: 2015-10-18; view: 381; Нарушение авторских прав |