Содержание
Введение 3
1. МНК – основной метод построения линейной модели 4
2. Пример построения линейной модели и оценка коэффициентов регрессии 6
3. Типовая задача на оценку коэффициентов регрессии 11
3.1 Анализ коэффициентов уравнения регрессии при известном s2 12
3.2 Оценивание s2 14
3.3 Анализ коэффициентов уравнения регрессии при неизвестном s2 15
Заключение 16
Список литературы: 17
Выдержка из текста работы
- Введение
- 1. Построение и исследование классической линейной модели множественной регрессии
- 1.2 Исследование характера распределения регрессионных остатков
- 1.3 Проверка гипотезы об адекватности модели выборочным данным (о значимости модели регрессии)
- 1.4 Проверка гипотезы о значимости отдельных коэффициентов регрессии
- 1.5 Оценка качества построенной модели
- 1.6 Построение доверительных интервалов для коэффициентов регрессии
- 2. Исследование линейной модели множественной регрессии на наличие мультиколлинеарность
- 2.1 Проверка внешних признаков мультиколлинеарности
- 2.2 Проверка формальных признаков мультиколлинеарности
- 2.3 Устранение мультиколлинеарности методом пошаговой регрессии (с исключением переменных)
- 3. Исследование линейной модели множественной регрессии на наличие/отсутсвие гетероскедастичности в регрессионных остатках
- 3.1 Проверка внешних признаков гетероскедастичности: проведение графического анализа поведения регрессионных остатков
- 3.2 Применение статистического критерия для выявления гетероскедастичности: тест ранговой корреляции Спирмена, тест Голдфелда-Квандта
- 4. Исследование линейной модели множественной регрессии на наличие/отсутсвие автокорреляции регрессионных остатков
- 4.1 Проверка внешних признаков автокорреляции: проведение графического анализа поведения регрессионных остатков
- 4.2 Применить критерий Дарбина-Уотсона для выявления автокорреляции первого порядка
- Заключение
- Приложения
