Что мешает эффективности прогноза. - Форум Клуба игроков СуперЛото
Что мешает эффективности прогноза. - Форум Клуба игроков СуперЛото
Приветствую Вас, Гость · RSS Четверг, 2016-12-08, 07:00

[ Новые сообщения · Участники · Правила форума · Поиск · RSS ]
Страница 1 из 11
Модератор форума: Balu, Sthunders, Grand, wage 
Форум Клуба игроков СуперЛото » Общие вопросы » Разговоры о игре, системах, результатах » Что мешает эффективности прогноза.
Что мешает эффективности прогноза.
docentДата: Понедельник, 2009-02-23, 10:03 | Сообщение # 1
Генерал-полковник
Группа: Администраторы
Сообщений: 620
Репутация: 9
Статус: Offline
Рассматривая основные вопросы применения регрессионных моделей в эконометрическом анализе,
на практике исследователю нередко приходится сталкиваться с ситуацией, когда полученная им регрессия является «плохой», т.е. t-статистики большинства оценок малы, что свидетельствует о незначимости соответствующих независимых переменных. В то же время F-статистика может быть достаточно большой, что говорит о значимости регрессии в целом. Одна из возможных причин такого явления носит название мультиколлинеарности и возникает при наличии высокой корреляции между факторами.
Одним из условий классической регрессионной модели является предположение о линейной независимости объясняющих переменных. При нарушении этого условия, т.е. когда одна из переменных является линейной комбинацией их других, это называется полной коллинеарностью. В этой ситуации нельзя использовать метод наименьших квадратов (МНК). На практике полная коллинеарность встречается исключительно редко. Гораздо чаще приходится сталкиваться с ситуацией, когда между факторами имеется высокая степень корреляции. Тогда говорят о наличии мультиколлинеарности. В этом случае МНК-оценка (оценка методом наименьших квадратов) формально существует, но обладает «плохими» свойствами.
Мультиколлинеарность может возникать в силу разных причин. Например, несколько независимых переменных могут иметь общий временной тренд, относительно которого они совершают малые колебания. В частности, так может случиться, когда значения одной независимой переменной являются датированными значениями другой.
Выделим некоторые наиболее характерные признаки мультиколлинеарности.
1. Небольшое изменение исходных данных (например, добавление новых наблюдений) приводит к существенному изменению оценок коэффициентов модели.
2. Оценки имеют большие стандартные ошибки, малую значимость, в то время как модель в целом является значимой (высокое значение коэффициента детерминации R2 и соответствующей F-статистики).
3. Оценки коэффициентов имеют неправильные с точки зрения теории знаки или неоправданно большие значения.
Что же делать, если по всем признакам имеется мультиколлинеарность? Однозначного ответа на этот вопрос нет, и среди эконометристов есть разные мнения на этот счет. При столкновении с проблемой мультиколлинеарности может возникнуть естественное желание отбросить «лишние» независимые переменные, которые, возможно, служат ее причиной. Однако следует помнить, что при этом могут возникнуть новые трудности. Во-первых, далеко не всегда ясно, какие переменные являются лишними в указанном смысле. Мультиколлинеарность означает лишь приблизительную линейную зависимость между факторами, но это не всегда выделяет «лишние» переменные. Во-вторых, во многих ситуациях удаление каких-либо независимых переменных может значительно отразиться на содержательном смысле модели. Наконец, отбрасывание так называемых существенных переменных, т.е. независимых переменных, которые реально влияют на изучаемую зависимую переменную, приводит к смещению коэффициентов модели. На практике, обычно при обнаружении мультиколлинеарности убирают наименее значимый для анализа фактор, а затем повторяют расчеты. fear


 
ПусикДата: Понедельник, 2009-02-23, 20:58 | Сообщение # 2
Майор
Группа: Пользователи
Сообщений: 68
Репутация: 0
Статус: Offline
Мне вот это очень понравилось.
Quote
Одним из условий классической регрессионной модели является предположение о линейной независимости объясняющих переменных. При нарушении этого условия, т.е. когда одна из переменных является линейной комбинацией их других, это называется полной коллинеарностью.

Приду домой - на ужин съем.
 
docentДата: Понедельник, 2009-02-23, 21:24 | Сообщение # 3
Генерал-полковник
Группа: Администраторы
Сообщений: 620
Репутация: 9
Статус: Offline
Quote (Пусик)
Приду домой - на ужин съем.

Приятного...


 
ПусикДата: Понедельник, 2009-02-23, 23:24 | Сообщение # 4
Майор
Группа: Пользователи
Сообщений: 68
Репутация: 0
Статус: Offline
Quote (Grand)
Приятного...

Благодарствую...
 
LIG484Дата: Суббота, 2009-07-25, 09:50 | Сообщение # 5
Подполковник
Группа: Проверенные
Сообщений: 118
Репутация: 1
Статус: Offline
Quote (Grand)
. Небольшое изменение исходных данных (например, добавление новых наблюдений) приводит к существенному изменению оценок коэффициентов модели.

Не будем судить програмы.Может дело в в наших требованиях к этим програмам.
Ведь майору достаточно благодарения,а лейтенанту подавай сургуч для печатей, это уже два характера!
Я думаю, чтобы максимально приблизить прогноз к реальности необходимо максимально упрощать вводимую информацию,таким образом,чтобы она (информация) была удобочитаемая для програмы.


LIG
 
Форум Клуба игроков СуперЛото » Общие вопросы » Разговоры о игре, системах, результатах » Что мешает эффективности прогноза.
Страница 1 из 11
Поиск:

Используются технологии uCoz
Copyright superloto.ucoz.ru © 2016