Пошаговая регрессия с исключением

Данный метод аналогичен предыдущему, однако «наилучшую» регрессионную модель получают, исключая из анализа

переменные (Салин, Чурилова 2002: 118) — по одной на каждом этапе, пока не останутся лишь те переменные, которые наиболее значимы для регрессии. Необходимо отметить, что при использовании метода пошаговой регрессии с включением и метода пошаговой регрессии с исключением конечный результат может различаться. В этом случае рекомендуется использовать метод гребневой регрессии.

Мультиколлинеарность

Мультиколлинеарность возникает, когда независимые переменные тесно связаны друг с другом (то есть наблюдается значимая линейная зависимость).

Скорректированный коэффициент детерминации

Скорректированный коэффициент детерминации (Боровиков, Боровиков 1998: 39) определяют по формуле

Adjusted R-square = 1 - (1 - R-square) • (п / (п -р)), (3.5)

где и — число наблюдений в модели; р — число параметров в модели (число независимых переменных плюс 1 из-за свободного члена).

Коэффициент Дарбина-Уотсона

Коэффициент Дарбина-Уотсона (Салин, Чурилова 2002: 109— 110) позволяет проверить условие независимости остатков между собой — в частности, убедиться в отсутствии автокорреляции в остатках. Значение коэффициента в статистике Дарбина-Уотсона изменяется от 0 до 4. Чем ближе данный показатель к 0, тем больше вероятность наличия положительной автокорреляции; чем ближе к 4 — вероятность отрицательной автокорреляции. Если коэффициент Дарбина-Уотсона равен 2, то это свидетельствует об отсутствии автокорреляции в остатках и об адекватности построенной модели.

 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ   ОРИГИНАЛ   След >