Учебная работа № 4044. «Контрольная Методы устранения мультиколлинеарности
Учебная работа № 4044. «Контрольная Методы устранения мультиколлинеарности
Содержание:
«23. Методы устранения мультиколлинеарности.
Для устранения или уменьшения мультиколлинеарности используется ряд методов. Самый простой из них (но далеко не всегда возможный) состоит в том, что из двух объясняющих переменных, имеющих высокий коэффициент корреляции (больше 0,8), одну переменную исключают из рассмотрения. При этом, какую переменную оставить, а какую удалить из анализа, решают в первую очередь на основании экономических соображений. Если с экономической точки зрения ни одной из переменных нельзя отдать предпочтение, то оставляют ту из двух переменных, которая имеет больший коэффициент корреляции с зависимой переменной.
»
Выдержка из похожей работы
Что такое полная
и частичная мультиколлинеарность?
Каковы последствия
мультиколлинеарности?
Как можно обнаружить
мультиколлинеарность?
Перечислите
основные методы устранения
мультиколлинеарности,
Какой смысл имеет
частный коэффициент корреляции?
Каковы основные
типы поцедур пошагового отбора переменных
в регрессионную модель?
Практические
задания
Задача 1,
Построена
матрица коэффициентов корреляции между
попарно объединенными переменными
(заработная
плата),(возраст),(выработка
за смену):
,
Путём анализа
матрицы парных коэффициентов корреляции
установить имеется ли мультиколлинеарность
факторов,
Задача 2*,
Имеются данные о деятельности 25
предприятий отрасли (табл,3,11):
Таблица 3,11
№
п/п
Чистый доход, ден, ед,,Y
Оборот капитала, ден, ед,,Х1
Использованный капитал, ден, ед,, Х2
Численность служащих, тыс, чел,, Х3
Рыночная капитализация компании, ден,
ед,, Х4
1
0,9
31,3
18,9
43,0
40,9
2
1,7
13,4
13,7
64,7
40,5
3
0,7
4,5
18,5
24,0
38,9
4
1,7
10,0
4,8
50,2
38,5
5
2,6
20,0
21,8
106,0
37,3
6
1,3
15,0
5,8
96,6
26,5
7
4,1
137,1
99,0
347,0
37,0
8
1,6
17,9
20,1
85,6
36,8
9
6,9
165,4
60,6
745,0
36,3
10
0,4
2,0
1,4
4,1
35,3
11
1,3
6,8
8,0
26,8
35,3
12
1,9
27,1
18,9
42,7
35,0
13
1,9
13,4
13,2
61,8
26,2
14
1,4
9,8
12,6
212,0
33,1
15
0,4
19,5
12,2
105,0
32,7
16
0,8
6,8
3,2
33,5
32,1
17
1,8
27,0
13,0
142,0
30,5
18
0,9
12,4
6,9
96,0
29,8
19
1,1
17,7
15,0
140,0
25,4
20
1,9
12,7
11,9
59,3
29,3
21
-0,9
21,4
1,6
131,0
29,2
22
1,3
13,5
8,6
70,7
29,2
23
2,0
13,4
11,5
65,4
29,1
24
0,6
4,2
1,9
23,1
27,9
25
0,7
15,5
5,8
80,8
27,2
Задание:
рассчитайте
параметры линейного уровня множественной
регрессии с полным перечнем факторов;
дайте сравнительную
оценку силы связи факторов с результатом
с помощью средних (общих) коэффициентов
эластичности;
оцените статистическую
значимость параметров регрессионной
модели с помощью t-критерия;
нулевую гипотезу о значимости уравнения
и показателей тесноты связи проверьте
с помощью F-критерия;
оцените качество
уравнения через среднюю ошибку
аппроксимации;
рассчитайте
матрицы парных и частных коэффициентов
корреляции и на их основе и по t-критерию
для коэффициентов регрессии отберите
информативные факторы в модель, Постройте
модель только с информативными факторами
и оцените ее параметры;
рассчитайте
прогнозное значение результата, если
прогнозные значения факторов составляют
80% от их максимальных значений;
рассчитайте ошибки
и доверительный интервал прогноза для
уровня значимости 5 или 10% (а=0,05;
а=0,10);
оцените полученные
результаты, выводы оформите в аналитической
записке
