Студопедия КАТЕГОРИИ: АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Ковариация. Коэффициент ковариации. Показатели качества регрессии: линейный коэффициент регрессии, коэффициент детерминации.
Выборочная ковариация является мерой связи между двумя переменными Cov (x, y)= или Cov (x, y)= Чтобы выразить данную связь единым числом вводят показатель выборочной корреляции –выборочный коэффициент корреляции: Уравнение линейной регрессии всегда дополняется показателем тесноты связи – это линейный коэффициент корреляции .
, ; - связь между х и у прямая; , ; - связь между х и у обратная. Величина линейного коэффициента корреляции оценивает тесноту связи рассматриваемых признаков в линейной форме. Поэтому близость модуля к нулю не означает отсутствие связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной. Для оценки качества подбора линейной функции рассчитывается квадрат линейного коэффициента корреляции , называемый коэффициентом детерминации. Он характеризует долю дисперсии результативного признака у, объясняемую регрессией в общей доли дисперсии результативного признака.
Соответственно величина характеризует долю дисперсии у, вызванную влиянием остальных, не учтённых в модели факторов. Величина служит одним из критериев оценки качества линейной модели. Чем больше доля объясненной вариации, тем соответственно меньше роль прочих факторов, и следовательно, линейная модель хорошо аппроксимирует исходные данные и ею можно воспользоваться для прогноза значений результативного признака. =0,982; т.е. 98,2% - дисперсии объясняется уравнением регрессии; 1,8% - дисперсия прочих факторов, неучтенных уравнением.
|
||
Последнее изменение этой страницы: 2018-04-12; просмотров: 346. stydopedya.ru не претендует на авторское право материалов, которые вылажены, но предоставляет бесплатный доступ к ним. В случае нарушения авторского права или персональных данных напишите сюда... |