Студопедия
Случайная страница | ТОМ-1 | ТОМ-2 | ТОМ-3
АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатика
ИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханика
ОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторика
СоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансы
ХимияЧерчениеЭкологияЭкономикаЭлектроника

Алгоритм Фаррара – Глобера

Читайте также:
  1. CRC-алгоритмы обнаружения ошибок
  2. VII. Алгоритмы продаж
  3. Алгоритм 4. Транспонування бази даних
  4. Алгоритм 5. Пошук автофильтром
  5. Алгоритм Apriori
  6. Алгоритм De Boor
  7. Алгоритм De Boor для Кривых NURBS

 

Найповніше дослідити мультиколінеарність можна з допомогою алгоритму Фаррара – Глобера. Цей алгоритм має три види статистичних критеріїв, згідно з якими перевіряється мультиколінеарність всього масиву незалежних змінних ( - «хі» – квадрат); кожної незалежної змінної з рештою змінних (F-критерій); кожної пари незалежних змінних (t-критерій).

Усі ці критерії при порівнянні з їх критичними значеннями дають змогу робити конкретні висновки щодо наявності чи відсутності мультиколінеарності незалежних змінних.

Алгоритм Фаррара – Глобера.

Крок 1. Стандартизація (нормалізація) змінних.

Позначимо вектори незалежних змінних економетричної моделі через . Елементи стандартизованих векторів обчислио за формулою:

де – число спостережень ; – число пояснювальних змінних, ; – середнє арифметичне k-ї пояснювальної змінної; – дисперсія -ї пояснювальної змінної.

Крок 2. Знаходження кореляційної матриці

де – матриця стандартизованих незалежних (пояснювальних) змінних, – матриця, транспонована до матриці .

Крок 3. Визначення критерію («хі»-квадрат):

де – визначник кореляційної матриці .

Значення цього критерію порівнюється з табличним при ступенях свободи і рівні значимості . Якщо , то в масиві пояснювальних змінних існує мультиколінеарність.

Крок 4. Визначення оберненої матриці:

Крок 5. Очислення -критеріїв:

,

де – діагональні елементи матриці . Фактичні значення критеріїв порівнюються з табличними при і ступенях свободи і рівні значущості . Якщо , то відповідна -та незалежна змінна мультиколінеарна з іншими.

Коефіцієнт детермінації для кожної змінної

Крок 6. Знаходження частинних коефіцієнтів кореляції:

де – елемент матриці , що міститься в -му рядку і -му стовпці; i – діагональні елементи матриці .

Крок 7. Обчислення -критеріїв:

Фактичні значення критеріїв порівнюються з табличними при ступенях свободи і рівні значущості . Якщо , то між незалежними змінними і існує мультиколінеарність.

Якщо -критерій більший за табличне значення, тобто коли -та змінна залежить від усіх інших у масиві, то необхідно вирішувати питання про її вилучення з переліку змінних.

Якщо – критерій більший за табличний, то ці дві змінні ( і ) тісно пов’язані одною з одною. Звідси, аналізуючи рівень обох видів критеріїв і , можна зробити обґрунтований висновок про те, яку зі змінних необхідно вилучити з дослідження або замінити іншою. Проте заміна масиву незалежних змінних завжди має узгоджуватись з економічною доцільністю, що випливає з мети дослідження.

Найпростіше позбутися мультиколінеарності в економетричній моделі можна, відкинувши одну зі змінних мультиколінеарної пари. Але на практиці вилучення якогось чинника часто суперечить логіці економічних зв’язків. Тоді можна перетворити певним чином пояснювальні змінні моделі:

а) взяти відхилення від середньої;

б) замість абсолютних значень взяти відносні;

в) стандартизувати пояснювальні змінні і т. iн.

За наявності мультиколінеарності змінних потрібно звертати увагу й на специфікацію моделі. Іноді заміна однієї функції іншою, якщо це не суперечить апріорній інформації, дає змогу уникнути явища мультиколінеарності.

Коли жодний з розглянутих способів не дає змоги позбутися мультиколінеарності, то параметри моделі слід оцінювати за методом головних компонентів.

Приклад 7. Алгоритм Фаррара – Глобера

 

За умовою задачі 3 дослідити наведені чинники на наявність мультиколеніарністі.

Розв’язання

Крок 1. Середні значення для кожної пояснювальної змінної:

; ;

Дисперсії кожної незалежної змінної мають такі значення:

; ;

 

Усі розрахункові дані для стандартизації змінних згідно з поданими співвідношеннями наведено в табл. 6.1.

 

Таблиця 6.1. Розрахункові дані задачі

№ з/п
  -17,60 0,03 -12,40 309,76 0,00 153,76 -0,02 0,10 -0,21
  -249,60 -0,13 -15,40 62300,16 0,02 237,16 -0,31 -0,42 -0,26
  -81,60 0,13 8,60 6658,56 0,02 73,96 -0,10 0,43 0,15
  94,40 0,03 6,60 8911,36 0,00 43,56 0,12 0,10 0,11
  -329,60 -0,07 -2,40 108636,16 0,00 5,76 -0,41 -0,22 -0,04
  662,40 -0,07 -1,40 438773,76 0,00 1,96 0,82 -0,22 -0,02
  86,40 0,08 9,60 7464,96 0,01 92,16 0,11 0,26 0,16
  -41,60 -0,14 45,60 1730,56 0,02 2079,36 -0,05 -0,45 0,78
  14,40 -0,02 -22,40 207,36 0,00 501,76 0,02 -0,06 -0,38
  -137,60 0,15 -16,40 18933,76 0,02 268,96 -0,17 0,49 -0,28
Всього       653926,40 0,09 3458,40      

 

Матриця стандартизованих змінних подається у вигляді:

Крок 2. Знайдемо кореляційну матрицю :

Кожний елемент цієї матриці характеризує тісноту зв’язку однієї незалежної змінної з іншою. Оскільки діагональні елементи характеризують тісноту зв’язку кожної незалежної з цією самою змінною, то вони дорівнюють одиниці.

Отже, ; ; . Між змінними якщо і існує зв’язок, то він надто слабкий.

Щоб остаточно переконатися в тому, що в моделі не існує мультиколінеаності, продовжимо перевірку.

Крок 3. Обчислимо детермінант кореляційної матриці і критерій :

;

При ступені свободи і рівні значимості критерій . Оскільки , доходимо висновку, що в масиві змінних не існує мультиколінеарність.

Крок 4. Знайдемо матрицю, обернену до матриці :

Крок 5. Використовуючи діагональні елементи матриці , обчислимо -критерії:

; ;

Для рівня значимості і ступенів свободи = 7 і = 2 критичне значення критерію . Очевидно, , тобто, ні одна з незалежних змінних справді не мультиколінеарна з двома іншими.

Крок 6. Обчислимо частинні коефіцієнти кореляції, скориставшись елементами матриці :

; ;

Крок 7. Визначимо t-критерій на основі частинних коефіцієнтів кореляції.

; ;

При ступенях свободи і рівні значимості . Усі числові значення -критеріїв менші за критичне значення. Ще раз робимо висновок, що всі пари незалежних змінних не є мультиколінеарними і використання для оцінки параметрів МНК виправдане.

Аналізуючи результати дослідження, робимо висновок про доцільність побудови модель залежності продуктивності праці лише від середньої заробітної плати. З усіх моделей вона характеризується найбільшим значенням оціненого коефіцієнта детермінації. За перевіркою статистичної значимості оцінок параметрів вплив лише даного чинника виявився істотним, окрім того для фондомісткості оцінка параметра перевищує його стандартну похибку, що швидше свідчить про її зміщенність.


Дата добавления: 2015-10-23; просмотров: 600 | Нарушение авторских прав


Читайте в этой же книге: Суть задачі побудови парної лінійної регресії | МНК для парної лінійної регресії | Поняття про ступені вільності | Приклад 1. Лінійна парна регресія | Нелінійні моделі та їх лінеаризація | Приклад 2. Нелінійна парна регресія | Основні припущення в багатофакторному регресійному аналізі | Побудова економетричної моделі на основі покрокової регресії | Прогнозування за багатофакторною регресійною моделлю | Приклад 4. Побудова економетричної моделі на основі покрокової регресії |
<== предыдущая страница | следующая страница ==>
Ознаки мультиколінеарності| Якщо дисперсія залишків змінюється для кожного спостереження або групи спостережень, тобто , то це явище називається гетероскедастичністю.

mybiblioteka.su - 2015-2024 год. (0.012 сек.)