Goodstudents.ru

 

 

 

 

 

Лекции по статистике Коэффициенты корреляции Пирсона
Коэффициенты корреляции Пирсона


Коэффициенты корреляции Пирсона

Корреляционный анализ

Корреляции — набор данных logdat1

Коэффициенты корреляции Пирсона / Вероятность > |R | при Pho = 0 / N =

LOGY

LOGX2

LOGX3

LOGX4

LOGX5

ГОД

0.01405

0.99965

0.98631

0.78259

0.94477

0.9493

0.0001

0.0001

0.0001

0.0001

Y

0.99300

0.03801

0.08952

-0.03297

-0.16982

0.0001

0.8633

0.6846

0.8813

0.4385

X2

0.01003

0.99949

0.98494

0.78092

0.94561

0.9638

0.0001

0.0001

0.0001

0.0001

X3

0.06379

0.99099

0.99607

0.70413

0.92003

0.7725

0.0001

0.0001

0.0002

0.0001

X4

-0.13861

0.77956

0.68761

0.98780

0.78467

0.5282

0.0001

0.0003

0.0001

0.0001

X5

-0.27071

0.91010

0.87116

0.76427

0.99004

0.2115

0.0001

0.0001

0.0001

0.0001

LOGY

1.00000

0.01501

0.06686

-0.06303

-0.20006

0.0

0.9458

0.7618

0.7751

0.3601

LOGX2

0.01501

1.00000

0.98824

0.77776

0.94575

0.9458

0.0

0.0001

0.0001

0.0001

LOGX3

0.06686

0.98824

1.00000

0.69058

0.91847

0.7618

0.0001

0.0

0.0003

0.0001

LOGX4

-0.06303

0.77776

0.69058

1.00000

0.76807

0.7751

0.0001

0.0003

0.0

0.0001

LOGX5

-0.20006

0.94575

0.91847

0.76807

1.00000

0.3601

0.001

0.0001

0.0001

0.0

0.98824 — поправка X2 и X3

D. Последствия мультиколлинеарности

1. Точная мультиколлинеарность: Модель не может быть (уникально) оценена. () является сингулярным.

2. Любая другая степень мультиколлинеарности: Модель может быть оценена. Однако, стандартные ошибки оцененных параметров, которые являются высоко коллинеарными, будет слишком велики.

s.e является "БОЛЬШИМ"

[Кое-что / "БОЛЬШОЙ"] = малая величина

 

более вероятно, что закончиться: не может отклонить Ho

Мы склоняемся к тому, чтобы сделать вывод о том, что независимая переменная в уравнении регрессии Xj является insignig.

 

ЗАМЕЧАНИЕ: Мультиколлинеарность не является нарушением допущений Гаусса и Маркова. Поэтому оценки параметра будут все еще несмещенны, плотны и действенны (СИНИМИ) при наличии мультиколлинеарности.

E. Пути Исправления / Имеющий дело м мультиколлинеарностью

 

1. Ничего не делать.

методом обыкновенных наименьших квадратов все еще является Синим

действующий с низкими t-начинающего.

2. Увеличить объем выборки.

3. Опустить одну из высоко коррелированых независимых переменных в уравнении регрессии.

Теории должна определить, какие независимые переменные в уравнении регрессии находятся в модели, а какие - нет.

будет смещен (не СИНИЙ)

Мы можем терять эффективность

4. Применить методику "Оценки сужения".

(A) оценки правила Stein

Оценить и посмотреть , потом умножить и s.e. на некоторую дробь меньше 1 (но близкую к 1).

Это делает s.e меньшим, а t-статистический параметр большим. Следовательно является смещенным и несовместным.

(B) Регрессия Ребра

Задача: () является почти единственным решением: и некоторый + малая константа ко всем диагональным элементам ()

смещен и неэффективнен. Следовательно он делает () "менее" сингулярным.

5. Откажитесь от этого; начните работать над чем-либо еще.





Похожие материалы



 






Goodstudents Goodstudents



Все права на материалы сайта принадлежат авторам. Копирование (полное или частичное) любых материалов сайта возможно только при указании ссылки на источник (администратор сайта).