
- •Вопрос 1. Понятие измерения. Качественные шкалы измерения.
- •Вопрос 2. Количественные шкалы измерения.
- •Вопрос 3. Модель и предпосылки классической регрессии.
- •Вопрос 4. Вычисление оценок коэффициентов регрессии.
- •Вопрос 5. Ковариационная матрица оценок коэффициентов регрессии.
- •Вопрос 6. Оценка дисперсии случайного возмущения по уравнению регрессии.
- •Вопрос 7. Статистический анализ уравнения регрессии.
- •3.3. Статистический анализ уравнения регрессии
- •3.3.1. Несмещенность оценок коэффициентов регрессии
- •3.3.4. Состоятельность
- •Вопрос 8. Оценка ошибки предсказания по уравнению регрессии.
- •Вопрос 9. Теорема Гаусса-Маркова.
- •Вопрос 10. Перебор и недобор факторов в уравнении регрессии.
- •Вопрос 11. Коэффициент детерминации.
- •Вопрос 12. Тест Чоу.
- •Вопрос 13. Проверка значимости коэффициента регрессии.
- •Вопрос 14. Проблема мультиколлинеарности в регрессионном анализе.
- •Вопрос 15. Меры мультиколлинеарности.
- •Вопрос 16. Меры борьбы с мультиколлинеарностью.
- •Вопрос 17. Ридж-оценки.
- •Вопрос 18. Частный коэффициент корреляции.
- •Вопрос 19. Анализ связи ранговых переменных.
- •Вопрос 20. Анализ связи номинальных переменных.
- •Вопрос 21. Регрессия с качественными переменными.
- •Вопрос 22. Проверка значимости коэффициентов корреляции.
- •Вопрос 23. Структурные компоненты в модели временного ряда.
- •Вопрос 24. Критерии случайности временного ряда.
- •Вопрос 25. Обзор методов выделения тренда.
- •Вопрос 26. Метод скользящего среднего.
- •Вопрос 27. Простое экспоненциальное сглаживание.
- •Простое экспоненциальное сглаживание
- •Вопрос 28. Двойное экспоненциальное сглаживание.
- •Вопрос 29. Дисперсия простой экспоненциальной средней.
- •Простое экспоненциальное сглаживание
- •Вопрос 30. Способы приведения временного ряда к стационарному виду.
- •Вопрос 31. Корреляционная функция марковского временного ярда. Авторегрессия первого порядка (марковский процесс).
- •Вопрос 32. Частная автокорреляционная функция марковского временного ярда.
- •Вопрос 33. Корреляционная функция процесса Юла. Авторерессия второго порядка (процесс Юла)
- •Вопрос 34. Определение порядка полинома в модели временного ряда.
- •Вопрос 35. Оценивание параметров авторегрессионного ряда.
- •Вопрос 36. Модель Бокса-Дженкинса.
- •Вопрос 37. Этапы построения модели арисс.
- •Идентификация модели
- •Вопрос 38. Процесс Юла. Оценка параметров. Авторерессия второго порядка (процесс Юла)
- •Вопрос 39. Система одновременных уравнений. Структурная и приведенная формы.
- •Вопрос 40. Критерии идентифицируемости системы одновременных уравнений.
- •Вопрос 41. Методы оценивания параметров системы одновременных уравнений.
Вопрос 1. Понятие измерения. Качественные шкалы измерения.
Данные представляют собой результаты измерений. Задача измерения заключается в построении отображения уровня проявления свойства у рассматриваемых объектов в числовые значения таким образом, что бы оперируя числами можно было судить об определенных закономерностях между изучаемыми объектами.
Шкала наименований (номинальная
шкала). Пусть задана простейшая система
с отношениями<А;
≈>,в
которой единственным отношением является
отношение эквивалентности. Разобьем
все множествоА
на классы эквивалентности.
Множество классов эквивалентности
обозначим.
Система с отношениями<
;=>
будет неприводимой.
Гомоморфизм неприводимой СО <; =>
в числовую СО<R; =>
называется шкалойнаименований.
Шкальные значения в этой шкале играют
роль названий или числовых меток, которые
присваиваются классам эквивалентности.
Шкала наименований минимально
информативна: она дает информацию
лишь о равенстве классов из
либо об эквивалентности элементов
изА. Поскольку
каждый класс эквивалентности можно
обозначить любым числом, отличающимся
от обозначения других классов, то
допустимыми преобразованиямиГR(
)
шкалы наименований являются любые
взаимно-однозначные отображения.
Шкала порядков. Гомоморфизмmнеприводимой системы с отношениями<А; =,<> в числовую систему <А; =,<> называется шкалойпорядков. Значения в этой шкале связаны не только отношением равенства, но и строгим порядком, что обеспечивает ее большую информативность в сравнении со шкалой наименований. Если СО является приводимой, то есть содержит отношения эквивалентности, то, как и в шкале наименований, образуют неприводимую систему, выделяя классы эквивалентности.
Допустимое преобразование для шкалы порядков – монотонно возрастающее. Действительно, если шкальные значения связаны отношением строгого порядка m(a1)<m(a2)<…<m(an), то после преобразования γ·m(a), где γ – монотонно возрастающее преобразование, отношение строгого порядка сохраняется.
Вопрос 2. Количественные шкалы измерения.
Шкала интервалов. Шкалу наименований можно определить как шкалу, определенную с точностью до любых взаимно-однозначных отображений, а шкалу порядков как шкалу, единственную до монотонно возрастающих отображений. По аналогии определим шкалуинтервалов как шкалу, единственную до положительных линейных преобразований. Таким образом, класс эквивалентных шкал интервалов образуют все шкалы, связанные линейным преобразованием:
m2(a)= αm1(a)+β,
где α – любое положительное число, а β – любое действительное число (γ=αm(a)+β). Будем называть αкоэффициентом растяжения(сжатия) шкалы, β –коэффициентом сдвига.
Преобразование интервальной шкалы означает выбор новой точки отсчета (нуля шкалы – при m1(a)=0 m2(a)=β) и другой единицы масштаба α. Примеры шкал интервалов – температурные шкалы (Цельсия, Фаренгейта), шкалы летоисчисления.
В шкале интервалов адекватными будут статистики вида
f(m(a1),m(a2),…,m(an))
=
где λ i (i=1,2,…,n) –любые действительные числа.
Пусть f(m(a1),m(a2),…,m(an)) – значение статистики f в шкалеm.Подвергнем шкальные значения допустимому преобразованию
γ=αm(a)+β. Тогда
f (αm(a1)+β,
αm(a2)+β,…,
αm(an)+β)
= =
==
=
αf(m(a1),m(a2),…,m(an))+λ0(1-α)+
β.
Таким образом, преобразованию γ=αm(a)+β шкальных значений соответствует преобразование статистики видаαf+β', гдеβ'=λ0(1–α)+βΣλi.
Частными случаями приведенной выше статистики являются:
а) произведение константы сна шкальное значение;
б) сумма шкальных значений (λ1=λ2=…=λn=1, β’=nβ);
в) среднее арифметическое при λ1=λ2=…=λn=1/nиλ0=0.
Вместе с тем, произведение либо отношение шкальных значений не является адекватной статистикой. Так, для произведения двух шкальных значений имеем:
f(γ·m(a1),γ·m(a2))=(αm(a1)+β)(αm(a2)+β)=
=α2m(a1)m(a2)+αβ(m(a1)+m(a2))+β2 =
= α2f(m(a1),m(a2))+ αβ(m(a1)+m(a2))+β2.
Следовательно, операция умножения (деления) шкальных значений в шкале интервалов некорректна.
Шкала отношений. По результатам измерений, сделанных по шкале интервалов, можно сделать вывод, на сколько проявление измеряемого свойства у одного объекта больше (меньше), чем у другого. Это следует из адекватности статистикиm(a1)-m(a2). В то же время эти измерения не позволяют сделать вывод, во сколько раз проявление измеряемого свойства у одного объекта больше (меньше), чем у другого. Подобное сравнение возможно, если статистикаm(a1)/m(a2) инвариантна или, по крайней мере, адекватна для соответствующей шкалы измерений. Эта статистика является инвариантной для шкалы, в которой допустимым преобразованием являетсяγ=αm(a).
Шкала, единственная с точностью до коэффициента сжатия (растяжения), называется шкалой отношений. Данные шкалы наиболее распространены в физических измерениях (измерение массы, электрического заряда, значения силы). Общим в этих шкалах является наличие объекта (возможно, виртуального) с абсолютным отсутствием свойства (наличие абсолютного нуля в шкале измерения). Тем самым задается начальная точка отсчета (нуль шкалы).
Адекватными статистиками для шкалы отношений являются все статистики, адекватные для ранее рассмотренных шкал. Кроме этого, адекватными статистиками являются среднее геометрическое, произведение, отношение шкальных значений.