Labor 13. Kantregressioon Leida regressioonivõrrandi parameetrid kantregressiooni meetodil. Koostada graafikud, mis iseloomustavad regressioonikordajate sõltuvust kantregressiooni parameetrist kolme erineva algandmete variandi korral. Juhend STATGRAPHICS'is kantregressiooni leidmiseks. 1. Kopeerida labor 7-st algandmete (multikollineaarsuse tabel) koopia uuele töölehele. 2. Teha juurde uus veerg x3 jaoks (x2 kõrvale) ja kopeerida labor 3 sheet2-lt uus vektor, mis ei lange kokku eelnevatega. Arvutada uued y väärtused (x3 ka sisse arvutada). (Tase 1, r1,2; r1,3 = 0) 3. Teostada regressioonanalüüs (Excel). 4. Märgistada ära piirkond: x1, x2, x3 ja y ja teha Kopeeri. 5. Avada STATGRAPHICS DEMO
suurus maksimaalne.Kantregressioon-viimase aja üheks levinumaks analüüsi meetodiks on kantregressioon. Kantregrsiooni korral suurendatakse kunstilkult nn ----------------;süsteemi determinanti----------------;(sõltumatute muutujate kovariatsiooni maatriksi determinanti) st. suurentatakse võrrandite juhuslike liidetavate nimetajat. Selle tulemusena väheneb regressioonikordajate varieeruvus ning suureneb nende stabiilsus. Kuid teiselt poolt tekitatakse regressioonikordajate nihe. Kantregressiooni korral on tegemist tetaud mõttes subjektiivsuse analüüsimeetodiga. Kokkuvõtvalt võib märkida, et multikollineaarsuse olemasolu korral kantregressiooni kasutamisel mudeli parameetrite hinnangute stabiilsus oluliselt suureneb ning seetõttu antud meetodi kasutamine võib praktilisest seisukohast olla õigustatud. Kantregressiooni parameetrik väärtuseks on soovitatud väärtusi vahemikus K=1,1 -; 1,2. Kantregressioon on väiksema töömahuga
kadu on minimaalne ning minimaalne on ka nihke suurus. Kui m on väike, siis on info kadu suurim ning ka nihke suurus max kuid reg.kor. varieeruvus on min. b)Kantreg. korral suurendatakse kunstlikult sõltumatute muutujate kovariatsiooni maatriksi determinanti, mille tulemusena väheneb reg.kor. varieeruvus ning suureneb nende stabiilsus, kuid tekitatakse reg.kor. nihe. Põhiprobleemiks on otsustada, kui palju suurendada kovariatsiooni maatriksi peadiagonaali- milline peab olema kantregressiooni parameeter k. Kuna seda otsustab anal. teostaja on tegemist subjektiivse anal.meetodiga. K soovitatav vahemik 1,1... 1 ,2. c) "Bootstrap" meetod on universaalne meetod nii statistiliste hinnangute konstrueerimiseks kui juhuslike suuruste jaotuse empiiriliseks hindamiseks, samuti vahemikhinnangute konstrueerimiseks ja hüpoteeside kontrollimiseks. Saadavad hinnangud on üldjuhul nihutatud ning seda eriti siis, kui esineb sõltumatute muutujate vaheline multikollineaarsus. Samas
usalduspiirid muutuvad väga laiaks. Kõrge R 2 kuid mitteusaldusväärsed t-statistiku väärtused. Väke andmemahu muutus põhjustab parameetri hinnangute standardvigade olulisi muutusi. MULTIKOLLINEAARSUSE VÄHENDAMISE VÕIMALUSED: tugevalt korreleeruvate sõltumatute muutujate eemaldamine mudelist. Andmete täpsustamine ja teisendamine. Valimi muutmine. Peamiste komponentide meetodi eelnev kasutamine. Kantregressiooni eelnev kasutmine. Uus mudelipüstitus. 12. Oluliste argumentide varieeruvuse mõju regressioonanalüüsi tulemustele (labortöö). · Kui regressioonikordajate varieeruvus on väga suur, siis regressioonikordaja parameetri standardvea (Sa1) arvutusvalemist järeldub, et juhul kui sõltumatute muutujate X1i ja X2i vahelise sõltuvuse korrelatsioonikordaja r1,2 läheneb 1-le, siis murru nimetaja väheneb ning Sa1 suureneb. Seega
annaabi.ee 
