Напишем:


✔ Реферат от 200 руб., от 4 часов
✔ Контрольную от 200 руб., от 4 часов
✔ Курсовую от 500 руб., от 1 дня
✔ Решим задачу от 20 руб., от 4 часов
✔ Дипломную работу от 3000 руб., от 3-х дней
✔ Другие виды работ по договоренности.

Узнать стоимость!

Не интересно!

Построение многофакторных моделей. Отбор факторов.

Построение многофакторных моделей. Отбор факторов.

Построение моделей множественной регрессии включает несколько этапов:

  -Выбор формы связи (уравнения регрессии).

           -Отбор факторных признаков.

           -Обеспечение достаточного объема совокупности.

Важным этапом построения уже выбранного уравнения множественной регрессии является отбор и последующее включение факторных признаков.

С одной стороны, чем больше факторных признаков включено в уравнение, тем оно лучше описывает явление. Однако модель размерностью 100 и более факторных признаков сложно реализуема и требует больших затрат машинного времени. Сокращение размерности модели за счет исключения второстепенных, экономически и статистически несущественных факторов способствует простоте и качеству ее реализации. В то же время построение модели регрессии малой размерности может привести к тому, что такая модель будет недостаточно адекватна исследуемым явлениям и процессам.

Проблема отбора факторных признаков для построения моделей взаимосвязи может быть решена на основе интуитивно-логических или многомерных математико-статистических методов анализа.

Наиболее приемлемым способом отбора факторных признаков является шаговая регрессия (шаговый регрессионный анализ). Сущность метода шаговой регрессии заключается в реализации алгоритмов последовательного "включения", "исключения" или "включения-исключения" факторов в уравнение регрессии и последующей проверке их статистической значимости.

Наличие мультиколлинеарности между признаками вызывает:

искажению величины параметров модели, которые имеют тенденцию к завышению, чем осложняется процесс определения наиболее существенных факторных признаков;

изменению смысла экономической интерпретации коэффициентов регрессии.