Читайте также:
|
|
метода наим, квадратов для оценивания параметров модели возможно при выполнении след. условий: (!) равенства условных дисперсий: D(Y/X) = const; (2) независимости ошибок от предикторов и нормального их распределения с нулевым средним и постоянной дисперсией; (3) попарного нормального распределения всех признаков модели.
Параметры й, явл. частными коэффициентами корреляции; Щ интерпретируется как доля дисперсии Y, объясненная X, при закреплении влияния остальных предикторов, т.е. измеряет индивидуальный вклад X] в объяснение К В случае коррелирующих предикторов возникает проблема неопределенности в оценках bh к-рые становятся зависимыми от порядка включения предикторов в модель, В таких случаях необходимо применение методов анализа корреляционного и пошагового регрессионного анализа.
Говоря о нелинейных моделях, важно обращать внимание на то, идет ли речь о нелинейности по независимым переменным (с формальной т.з. легко сводящейся к линейной регрессии) или о нелинейности по оцениваемым параметрам (вызывающей серьезные вычислительные трудности). При нелинейности первого вида с содержательной т.з. важно выделять появление в модели членов вида Х\Хъ Х\ХгХъ, свидетельствующее о наличии взаимодействий между признаками Х\, Xj и т.д. (см. Взаимодействие признаков).
Лит.: Болч Б., Хуань Дж. Многомерные стат. методы для экономики. М., 1979; Стат. методы анализа информации в социол. иссл-ях. М., 1979; Мостел-лер Ф., Тьюки Дж. Анализ данных и регрессия: В 2 вып. М., 1982; Дреипер П., Смит Г. Прикладной регрессионный анализ: В 2 кн. М., 1986; Айвазян СА., Мхитарян B.C. Прикладная статистика и основы эконометрики: Учеб. М., J998; Сошникова Л.А. и др. Многомерный стат. анализ в экономике. М., 1999; Дубров A.M.j Мхитарян B.C., Трошин Л.И. Многомерные стат. методы для экономистов и менеджеров. М., 2000; Айвазян С.А.,
Мхитарян B.C. Теория вероятностей и прикладная статистика. М-, 2001; ГуцА.К.у Паутова Л.А., Фролова Ю.В. Матем. соц-я. Омск, 2003; Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере. М-, 2003; Крыштаиовский А.О. Анализ социол. данных с помощью пакета SPSS. Μ., 2006.
К.Д. Аргунова, Ю.Н. Телешова
АНАЛИЗ РЕГРЕССИОННЫЙ КАЧЕСТВЕННЫЙ — гр. методов многомерного анализа данных, позволяющих оценить влияние нес к. номинальных независимых признаков Х\, Χι,..., Хп (предикторов) на зависимый признак Υ. Все методы позволяют решать один и тот же набор задач, ставящихся и в классическом регрессионном анализе: 1) выявить объясняющую способность каждого предиктора при условии его независимости от др. предикторов и при закрепленном влиянии последних; 2) определить объясняющую способность каждого предиктора сверх того, что объяснено др. переменными; 3) выявить объясняющую способность предикторов, взятых вместе; 4) предсказать значение зависимого признака при условии, что известны значения предикторов; 5) определить, насколько хорошо предсказанные значения Υ отличаются от реально наблюдаемых. Наиб, известным из них явл. метод регрессионного анализа с фиктивными (dummy) переменными, дающий возможность использовать обычный регрессионный анализ для изучения влияния номинальных признаков путем приписывания каждой градации предиктора дихотомической переменной, к-рая принимает значение 1 для объектов (респондентов), принадлежащих этой градации, и 0 — для остальных объектов. Зависимый признак может быть количественным (интервальным) либо номинальным. Выбор шкалы зависимого признака не приводит к различию метода оценки параметров, но влияет на их интерпретацию. По своему содержательному смыслу методы Α,ρ.κ. близки к методам поиска взаимодействий (см. Взаимодействие признаков).
Дата добавления: 2015-07-19; просмотров: 73 | Нарушение авторских прав
<== предыдущая страница | | | следующая страница ==> |
АНАЛИЗ ПРИЧИННЫЙ | | | АНАЛИЗ СЕТЕВОЙ В СОЦИОЛОГИИ |