1 / 20

Veiksnių parinkimo problema

Veiksnių parinkimo problema. 2013-04-23. Veiksnių parinkimo problema. Veiksnių įtraukimo į regresiją procedūra Visų galimų regresijų metodas t kriterijaus taikymas parenkant statistiškai reikšmingus koeficientus (veiksnius). 1. Veiksnių įtraukimo į regresiją procedūra.

hea
Download Presentation

Veiksnių parinkimo problema

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Veiksnių parinkimo problema 2013-04-23

  2. Veiksnių parinkimo problema • Veiksnių įtraukimo į regresiją procedūra • Visų galimų regresijų metodas • t kriterijaus taikymas parenkant statistiškai reikšmingus koeficientus (veiksnius)

  3. 1. Veiksnių įtraukimo į regresiją procedūra • Veiksnių parinkimo žingsniai • Teorinis-loginis veiksnių sąrašas • Matematinė –statistinė parinkimo procedūra

  4. Teorinis-loginis veiksnių sąrašo sudarymas • Praktinės taisyklės: • Veiksnių skaičius susijęs su stebėjimų skaičiumi (n>6k) • Vienas kintamasis vieno veiksnio įtakai aprašyti • Suminiai ir dėmenis sudarantys veiksniai į vieną regresiją netraukiami

  5. Koreguotas determinacijos koeficientas - Koreguotas determinacijos koeficientas

  6. Ysū = 43,39+ 0,78Xmū + e0.25 Ysū = 77,90+ 0,53Xtū +e 0.10 Ysū = 69,04+ 15,59Dvm+e 0.53 Ysū = 20,64+0,69Xmū+0,21Xtū + e 0,25 Ysū = 77,90+0,55Xmū +13,84vm+e 0.63 Ysū = 89,55+ 0,44Xtū+15,15Dvm +e 0.60 Ysū = 51,62+0,45Xmū+0,24Xtū+13,92Dvm+e 0.66 Visųgalimųregresijųmetodas

  7. 2. t- kriterijaus taikymas parenkant reikšminius veiksnius • Laipsniško veiksnių įtraukimo metodas Forward • Laipsniško veiksnių išmetimo metodas Backward • Kombinuotas metodas Stepwise

  8. Forward procedūra • Pirmas žingsnis • Apskaičiuojame visas galimas porines regresijas • = f(X1), = f(X2) …= f(Xk) • Palyginame visas apskaičiuotas 1tb1 , 1tb2 ...1tbkstatistikas • Išrenkame didžiausią 1tbjstatistiką • Palyginame gautą 1tbjsu teorine statistikos tn-2, α/2reikšme • Jeigu 1tbj tn-2, ,α/2j veiksnį įtraukiame į regresiją

  9. Forward procedūra • Antras žingsnis • Apskaičiuojame visas galimas dviejų kintamųjų regresijas • = f(Xj, X1), = f(Xj, X2), = f(Xj, Xk), • Palyginame visose regresijose naujai įtraukiamų kintamųjų įverčių apskaičiuotas 2tbj , 2tb2 ...2tbkstatistikas • Išrenkame didžiausią 2tbsstatistiką • Palyginame gautą 2tbssu teorine statistikos tn-3,α/2reikšme • Jeigu 2tbs tn-3,α/2, s veiksnį įtraukiame į regresiją

  10. Forward procedūra • Forward procedūra baigiama: • kai įtraukti visi veiksniai • kai visos naujai įtrauktų veiksnių apskaičiuotos t statistikos mažesnės už tn-k-1, α/2

  11. YPVM = -26,85+ 1,24XDU + e t-0,27 14,40 YPVM = 1318+ 2,86DII + e t 14,38 0,02 YPVM = 1303,16+ 63,63XIII + e t 14,24 0,35 YPVM = 1282,08+ 162,05XIV + e t 14,37 0,87 YPVM = -4616 +332,35XTR + e t -0,88 1,13 YPVM = 1181,94+ 766,265XIV + e t 17,11 4,70 Pvz. Forward metodas (PVZ. 2010)Pirmas žingsnist33;0,05/2= 2,03 Išvada: įtraukiam veiksnį XDU

  12. YPVM = 11121,59+ 1,47XDU -630,47XTR+ e t-3,47 23,70 -7,59 Koreg. R2=0.94 YPVM = -4597,70+ 1,73XDU - 556,48Dkrizė +e t-3,47 14,93 -5,13 Koreg. R2=0. 91 YPVM = -62,48+ 1,24XDU + 157,882DIV +e t-0,66 15,18 2,15 Koreg. R2=0.87 Forward metodas Antras žingsnist32;0,05/2= 2,03

  13. Backward procedūra • Pirmas žingsnis • Apskaičiuojame dauginę regresiją, įtraukdami visą kintamųjų sąrašą = f(x1, x2,...xk) • Surandame visų įverčių apskaičiuotas statistikas: 1tb1, 1tb2 ...1tbk • Išrenkame mažiausią 1tbjstatistiką Palyginame gautą statistikos 1tbj reikšmę su teorine tn-k-1,α/2reikšme Jeigu 1tbj tn-k-1,α/2, j veiksnio į regresiją netraukiame

  14. Backward procedūra • Antras žingsnis • Apskaičiuojame dauginę regresiją be veiksnio j = f(x1, x2 ....xj-1,xj+1, ...xk) • Apskaičiuojame visų įverčių statistikas 2tb1 , 2tb2 ...2tbk • Randame mažiausią 2tbs statistiką • Palyginame gautą 2tbs  su teorine statistikos tn-k-1,/2reikšme • Jeigu 2tbs tn-k-1 α/2, s veiksnį pašaliname iš regresijos

  15. Backward procedūra • Backward procedūra baigiama: kai visos apskaičiuotos įverčių t statistikos didesnės už teorinę reikšmę tn-k-1 ,α/2

  16. Backward metodu parinktas regresinis modelis

  17. STEPWISE-kombinuota procedūra • Stepwise procedūros žingsnis pradedamas, kaip Forward procedūroje, ir tęsiamas, kaip Backward.

  18. Veisniųstatistinionereikšmingumopriežastys • Objektyvi priežastis: • Veisnys nedaro įtakos nagrinėjamam reiškiniui • Modeliometikslumai: • Modelio formos parinkimo netikslumai • Neteisingai parinkta veiksnio priklausomybės matematinė išraiška (pvz. įtraukta tiesine forma, o sąveika yra netiesinio pavidalo) • Pažeista multikolinearumo prielaida • Būtina patikrinti veiksnių multikolinerumą

  19. Nereikšmingas laisvasis narys b0 • Regresijos be laisvojo nario koeficientas R2 skaičiuojamas pagal skirtingas formules, todėl jų negalima lyginti • Regresijos lygties paklaidų suma ir paklaidų vidurkis nėra lygūs 0, t.y netenkinama klasikinė regresijos prielaida. • Todėl neverta skubėti eliminuoti laisvąjį narį iš regresijos lygties

More Related