"multikollineaarsusega" - 4 õppematerjali

(vaatlus ei sobi hästi sellesse mudelisse) 67) Multikollineaarsus, selle liigitus. Perfektne multikollineaarsus - kaks või rohkem tunnust on omavahel lineaarselt seotud (deterministlik lineaarne seos) (Tugev) ligikaudne multikollineaarsus - tugev, kuid mitte perfektne lineaarne seos Täielik sõltumatus - multikollineaarsus puudub Kui mudel on statistiliselt oluline (pmultikollineaarsusega. 68) Tugeva ligikaudse multikollineaarsuse ilmingud Mudel on statistiliselt oluline, F-testi olulisusetõenäosus väike, aga enamus tunnuseid statistiliselt mitteolulised, tunnuste standardvead suured Korrelatsioonikordajad sõltumatute tunnuste vahel väga suured, suuremad kui nende korrelatsioonikordaja sõltuva muutujaga.  Parameetrite märgid ebaloogilised Parameetrite hinnangud väga tundlikud -üksikute tunnuste lisamise/eemaldamise suhtes

Ökonomeetria

vaatlustulemuste arv on küllaltki suur ja isel. modelleeritavat probleemi. reg.jääke puudutavate eelduste korral: a) kui ei ole täidetud võimalus kasut. standardseid statistilisi hüpoteese reg.võrrandi ja reg.kordajate kohta, siis selle põhjuseks on ebakorrektne mudel. b) kui ei ole täidetud reg.jääkide homoskedastiivsuse eeldus, siis on tegemist nn heteroskedastiivsete reg.jääkidega. 6. Multikollineaarsuse mõju regressioonanalüüsi tulemustele. Multikollineaarsusega isel. olukorda, kus regressiioonvõrrandi sõltumatute muutujate arvväärtused on omavahelises sõltuvuses. 3 taset: 1)täpne (täielik); multikollineaarsus esineb siis, kui 1 sõltumatutest muutujatest kujutab endast teiste sõltumatule muutujate lineaarset funktsiooni. Täieliku multikol. põhjus tuleb üles otsida ja see kõrvaldada. 2)peaaegu täielik multikolli-neaarsus.- teatud liiki arvandmete omadus, mis muudab mudeli parameetrite hinnangud muutuvad väga ebastabiilseteks

Statistiline modelleerimine praktikumide juhised.

(95%), Collinearity diagnostics. Salvestame ka regressioonijäägid uue muutujana: Save ­ Residuals ­ Unstandardized. Pärast analüüsi läbiviimist tuleb selle uue, salvestatud muutujaga läbi viia normaaljaotuslikku test. Tulemused: a) Multikollineaarsuse statistikud koefitsientide tabelis: Kui Tolerance on alla 0.1, on tõenäoliselt tõsine probleem multikollineaarsusega, väärtused vahemikus 0.1-0.2 viitavad võimalikule problemaatilisusele;  kui VIF on üle 10, siis on tõenäoliselt meie mudelis multikollineaarsus. b) Nüüd tasub koefitsientide tabelist vaadata, millised prediktorid ei ole statistiliselt olulised (kui kasutatud on Enter meetodit). Mõistlik on need prediktorid enda mudelist eemaldada ning uus regressioonianalüüs läbi viia. 10. PRAKTIKUM: 1) LOGISTILINE REGRESSIOON

Ökonomeetria kontrolltöö kordamisküsimused 2020

• St see vaatlus ei sobi hästi sellesse mudelisse. Deleted residuals, predicted residuals, jackniffe residuals 67. Multikollineaarsus, selle liigitus. Multikollineaarsus esineb siis, kui regressorite vahel on lineaarne sõltuvus. Ei tohi esineda täpset multikollineaarsust, aga võib esineda ligikaudne multikollineaarsus. Kui mudel ise on statistiliselt oluline, aga parameetrid on kõik statistiliselt mitteolulised, on tõenäoliselt tegemist multikollineaarsusega. Esineda võib kahte liiki multikollineaarsus: ● Prefektne multikollineaarsus - kaks või rohkem tunnust on omavahel lineaarselt seotud ● Ligikaudne multikollineaarsus - Multikollineaarsuse all mõeldakse tavaliselt just seda; ökonomeetriliste mudelite korral kõige problemaatilisem 68. Tugeva ligikaudse multikollineaarsuse ilmingud. ● Mudel on statistiliselt oluline, F-testi olulisuse tõenäosus on väike, aga enamus