ιαφάνειες ιαλέξεων 1-1 Πολυµεταβλητό γραµµικό υπόδειγµα
|
|
- Φοίβος Μιαούλης
- 7 χρόνια πριν
- Προβολές:
Transcript
1 ιαφάνειες ιαλέξεων - ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΕΡΕΥΝΑ ΚΛΑΣΙΚΟ ΠΟΛΥΜΕΤΑΒΛΗΤΟ ΓΡΑΜΜΙΚΟ ΥΠΟ ΕΙΓΜΑ Tο Πολυµεταβλητό Γραµµικό Υπόδειγµα Πολυµεταβλητό γραµµικό υπόδειγµα Το Κλασικό Υπόδειγµα Πολυµεταβλητό γραµµικό υπόδειγµα Με το πολυµεταβλητόγραµµικό υπόδειγµα παλινδρόµησης εκτιµούµε µια γραµµική (ως προς τις παραµέτρους) σχέση ανάµεσα σε δύο ή περισσότερες µεταβλητές Χκ, κ=,,.. («ανεξάρτητες µεταβλητές») και µια ποσοτική µεταβλητή Υ («εξαρτηµένη µεταβλητή»). Οι ανεξάρτητες µεταβλητές Χiσυνήθως είναι υπό τον έλεγχο του ερευνητή. Στόχος είναι να µελετήσουµε πώς οι (συνήθως ελεγχόµενες) µεταβολές των τιµών των Χiεπιδρούν γραµµικά στις τιµές που παίρνει η Υ, δηλ. πώς «η Υ εξαρτάται γραµµικά από τις Χκ» Με ένα εκτιµηµένο γραµµικό µοντέλο για την σχέση των Χκκαι Υ µπορούµε να: εξετάσουµε στατιστικά αν υπάρχει γραµµική σχέση ανάµεσα στις Χκ,Υ διεξάγουµε προβλέψεις των τιµών της Υ δεδοµένων των τιµών των Χκ στον Πληθυσµό: Y = β + β X + β X + + β X + u... k k β : συντελεστής τοµής β, =,,k : συντελεστές κλίσεως u : διαταρακτικόςόρος ( )... k k E Y = β + β X + β X + + β X είναι το «συστηµατικό» (ή προσδιοριστικό) µέρος του µοντέλου Το β i καθορίζει την επίδραση της ανεξάρτητης µεταβλητής X i στην εξαρτηµένη µεταβλητή Υ. Είναι επέκταση του απλού γραµµικού υποδείγµατος. 3 4 Βασικές Υποθέσεις Οι βασικές υποθέσεις του υποδείγµατος:. Η αληθής σχέση στον πληθυσµό είναι γραµµική: ΒΑΣΙΚΕΣ ΥΠΟΘΕΣΕΙΣ Y X X u i= β+ β i βk ki+ i. Ο διαταρακτικός όρος έχει µέση τιµή και σταθερή διακύµανση (οµοσκεδαστικότητα) για όλες τις παρατηρήσεις: ui ~ (, σu ), i=,,..., n 3. Οι διαταρακτικοί όροι διαφορετικών παρατηρήσεων είναι ανεξάρτητοι και συνεπώς ασυσχέτιστοι (απουσία αυτοσυσχέτισης) : σ u i u =, i ή E(uiu ) =, i 5 6 ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΕΡΕΥΝΑ -3 Χρήστος Εµµανουηλίδης PDF processed with CutePDF evaluation edition
2 ιαφάνειες ιαλέξεων - Βασικές Υποθέσεις Οι βασικές υποθέσεις του υποδείγµατος (συνέχεια): 4. Οι ερµηνευτικές µεταβλητές X είναι µη-στοχαστικέςκαι έχουν πεπερασµένη µεταβλητότητα. 5. Επιπλέον, δεν υπάρχει ακριβής γραµµική σχέση ανάµεσα σε δύο ή περισσότερες ερµηνευτικές µεταβλητές (απουσία απόλυτης πολυσυγγραµµικότητας). Οι υποθέσεις αυτές είναι απαραίτητες για την ισχύ του θεωρήµατος Gauss-Markov: οι εκτιµητές ελαχίστων τετραγώνων των συντελεστών του πολυµεταβλητού γραµµικού υποδείγµατος είναι άριστοι γραµµικοί αµερόληπτοι εκτιµητές (BLUE). Βασικές Υποθέσεις Συνέπειες από την παραβίαση των βασικών υποθέσεων: Σφάλµατα εξειδίκευσης -Μη γραµµικότητα ή/και παράλειψη σηµαντικών ερµηνευτικών µεταβλητών (omitted variables): Οι OLS εκτιµητές των παραµέτρων και των διακυµάνσεών τους δεν είναι ούτε αµερόληπτοι ούτε συνεπείς. Ετεροσκεδαστικότητα: Αδυναµία εκτίµησης του σταθερού όρου Μεροληψία στην εκτίµηση των διακυµάνσεων των συντελεστών κλίσεως Οι OLS εκτιµητές των παραµέτρων δεν είναι αποτελεσµατικοί (αλλά παραµένουν συνεπείς και αµερόληπτοι) 7 8 Βασικές Υποθέσεις Συνέπειες από την παραβίαση των βασικών υποθέσεων: Αυτοσυσχέτιση: Μεροληψία στην εκτίµηση των διακυµάνσεων των συντελεστών κλίσεως Οι OLS εκτιµητές των παραµέτρων δεν είναι αποτελεσµατικοί (αλλά παραµένουν συνεπείς και αµερόληπτοι) Στοχαστικές ερµηνευτικές µεταβλητές Οι OLS εκτιµητές των παραµέτρων δεν είναι αµερόληπτοι ούτε και συνεπείς Πολυσυγγραµµικότητα: Πρόβληµα ταυτοποίησης των συντελεστών (οι συντελεστές µεταβλητών πολύ ισχυρά γραµµικά συσχετισµένων δε µπορούν να εκτιµηθούν ξεχωριστά) Υπερεκτίµηση των διακυµάνσεων των συντελεστών (µεροληψία) Οι OLS εκτιµητές των παραµέτρων παραµένουν BLUE Έµµεσο σφάλµα εξειδίκευσης 9 Βασικές Υποθέσεις Υπόθεση κανονικότητας του διαταρακτικού όρου: ui ~ N(, σu ), i=,,..., n γίνεται για να είναι δυνατός ο έλεγχος υποθέσεων και η κατασκευή διαστηµάτων εµπιστοσύνης για τους συντελεστές µε τις συνήθεις µεθόδους. Για να µπορεί να εκτιµηθεί το υπόδειγµα, θα πρέπει: k< n Αναµενόµενη τιµή και διακύµανση των Υ i : Από τις βασικές υποθέσεις: E( Y ) = β + β X β X i i k ki σ = σ Yi u Ερµηνεία των Συντελεστών Κλίσεως Ερµηνεία συντελεστών κλίσεως: E( Y) β =, =,..., k X η µεταβολή της αναµενόµενης τιµής της Υόταν η Χ µεταβάλλεται κατά µία µονάδα, για σταθερές τιµές των υπόλοιπων ερµηνευτικών µεταβλητών. ονοµάζονται και µερικοί συντελεστές παλινδρόµησης ΕΚΤΙΜΗΣΗ ΤΟΥ ΥΠΟ ΕΙΓΜΑΤΟΣ ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΕΡΕΥΝΑ -3 Χρήστος Εµµανουηλίδης
3 ιαφάνειες ιαλέξεων -3 Eκτιµώµενο υπόδειγµα: Κατάλοιπα: Yˆ = ˆ β + ˆ β X ˆ β X i i k ki e = uˆ = Y Yˆ i i i i Μέθοδος ελαχίστων τετραγώνων: Ελαχιστοποίηση του SSE ( ˆ) n n i i i i= i= SSE= e = Y Y Η διαδικασία ελαχιστοποίησης είναι επέκταση αυτής που είδαµε στην Α.Γ.Π. Εκτιµητές των συντελεστών όπου (,,..., k) ˆ β = ˆ β ˆ β ˆ β ( Y Y Y ) ( ) βˆ = X'X X'Y, X X X k X X X X + k = Υ =,,..., n kn n ( n ( k ) ) 3 4 Eκτιµητής του σ u SSE SSE ˆ σ u = s = = n αριθµός εκτιµώµενων παραµέτρων n ( k+ ) Eκτιµητές διακυµάνσεων συνδιακυµάνσεων συντελεστών όπου ˆ = s = s σ ˆ β ˆ β ( X'X) ˆ σ ˆ ˆ σ ˆ ˆ ˆ σ ˆ ˆ β ββ ββκ ˆ σ ˆ ˆ ˆ σ ˆ ˆ σ ˆ ˆ ββ β ββκ σˆ ˆ β = ˆ σ ˆ ˆ ˆ σ ˆ ˆ ˆ σ β ˆ βκ ββκ βκ ( k+ ) ( k+ ) 5 Παράδειγµα Συγκέντρωση όζοντος στη Ν. Υόρκη. εδοµένα n= ηµερών (Μάιος Σεπτ. 973) Y = β + β X + β X + β 3 X 3 + u όπου Y = Συγκέντρωση όζοντος (ozone - ppb) X =Ηλιακή ακτινοβολία (rad - langleys) X = Μέγιστη ηµερήσια θερµοκρασία (temp - F) X 3 = Ταχύτητα ανέµου (wind - mph) 6 Παράδειγµα: ιαγράµµατα διασποράς (n=) Παράδειγµα: Εκτιµηµένο µοντέλο µε το SPSS rad 3 s temp 6 5 wind 5 5 Εκτιµηµένες παράµετροι s (mean squared error) 5 5 ozone ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΕΡΕΥΝΑ -3 Χρήστος Εµµανουηλίδης
4 ιαφάνειες ιαλέξεων -4 Σηµασία των συντελεστών Σηµασία των συντελεστών Παράδειγµα: Σηµασία των συντελεστών ˆ β =.6 ˆ β =.65 ˆ β 3 = Η µέση συγκέντρωση όζοντος, E(Υ), εκτιµάται ότι θα αυξηθεί κατά.6 ppmγια κάθε µοναδιαία αύξηση της έντασης της ηλιακής ακτινοβολίας, για σταθερές τιµές των υπόλοιπων µεταβλητών Η µέση συγκέντρωση όζοντος, E(Υ), εκτιµάται ότι θα αυξηθεί κατά.65 ppmγια κάθε µοναδιαία αύξηση της µέγιστης ηµερήσιας θερµοκρασίας, για σταθερές τιµές των υπόλοιπων µεταβλητών Η µέση συγκέντρωση όζοντος, E(Υ), εκτιµάται ότι θα µειωθεί κατά ppmγια κάθε µοναδιαία αύξηση της έντασης του ανέµου, για σταθερές τιµές των υπόλοιπων µεταβλητών 9 E(Y) Σηµασία συντελεστών Παράδειγµα Εκτιµηµένο µοντέλο: E ( Y ) = Yˆ = X+.65X 3.338X 3 Επίδρασητης X στην E(Y),κρατώντας τις X και X 3 σταθερές: X Γράφηµα της E(Y)για X ϵ (5,5) και (α) X = 88, X 3 = (πράσινη γραµµή) (β) X = 78, X 3 = (µαύρη γραµµή) (γ) X = 68, X 3 = 9 (κόκκινη γραµµή) Ο Συντελεστής Προσδιορισµού Ο συντελεστής προσδιορισµού R ορίζεται όπως και στο απλό γραµµικό υπόδειγµα: ΣΥΝΤΕΛΕΣΤΗΣ ΠΡΟΣ ΙΟΡΙΣΜΟΥ ( ˆ ) SSR Yi Y e SSE R = = = = SST ( Y Y ) ( Y Y ) SST i i Εκφράζει την αναλογία της µεταβλητότητας της Υ που εξηγείται από την παλινδρόµηση Ο Συντελεστής Προσδιορισµού Το R ποτέ δεν µειώνεται όταν προσθέτουµε µια νέα ερµηνευτική µεταβλητή στο γραµµικό µοντέλο, και συνήθως αυξάνεται. Συνεπώς πρέπει να συνυπολογίσουµε το γεγονός αυτό ώστε να λάβουµε ένα αντικειµενικό µέτρο καλής προσαρµογής και να µπορούµε να συγκρίνουµε εναλλακτικά µοντέλα Ορίζουµε τον διορθωµένο συντελεστή προσδιορισµού ( ) e / ( n ( k+ )) s Var( e) R = = = Y Y n Var( Y ) u / ( ) sy διαιρώντας µε τους αντίστοιχους βαθµούς ελευθερίας τα αθροίσµατα τετραγώνων. Έτσι εκφράζουµε τον συντελεστή προσδιορισµού ως συνάρτηση διακυµάνσεων και όχι µόνον της µεταβλητότητας. 3 Ο Συντελεστής Προσδιορισµού Σχέση διορθωµένου συντελεστή µε το R : n R = ( R ) n ( k+ ) Παρατηρούµε ότι.για k= R = R.για k> 3.Μπορεί R < R R (όταν το R είναι µικρό και το k µεγάλο) 4 ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΕΡΕΥΝΑ -3 Χρήστος Εµµανουηλίδης
5 ιαφάνειες ιαλέξεων -5 Ο Συντελεστής Προσδιορισµού Χρήση του διορθωµένου συντελεστή προσδιορισµού: Είναι πιο αντικειµενικό µέτρο καλής προσαρµογής του υποδείγµατος στα δεδοµένα από τον απλό συντελεστή προσδιορισµού. Ο Συντελεστής Προσδιορισµού Παράδειγµα µε το SPSS R, Rad Ο διορθωµένος συντελεστής προσδιορισµού χρησιµοποιείται και για τη σύγκριση της ερµηνευτικής ικανότητας δύο ή περισσότερων εναλλακτικών µοντέλων που διαφέρουν στον αριθµό των µεταβλητών (k) ή/και στο µέγεθος του δείγµατος (n). 5 6 ΕΛΕΓΧΟΣ ΤΟΥ ΥΠΟ ΕΙΓΜΑΤΟΣ Η διαδικασία ελέγχου του πολυµεταβλητού γραµµικού υποδείγµατος είναι επέκταση της µεθοδολογίας που ακολουθήσαµε στο απλό γραµµικό υπόδειγµα. Ενδιαφερόµαστε για: Κατασκευή διαστηµάτων εµπιστοσύνης για τους συντελεστές Έλεγχο υποθέσεων για την σηµαντικότηταενός, µερικών, ή όλων των συντελεστών του υποδείγµατος 7 8 Υποθέτουµε την ισχύ των βασικών υποθέσεων του κλασικού υποδείγµατος, άρα οι OLS συντελεστές είναι BLUE. Για να διεξάγουµε τους κλασικούς παραµετρικούς ελέγχους υποθέσεων κάνουµε την επιπλέον υπόθεση της κανονικότητας του διαταρακτικού όρου: το uείναι ανεξάρτητο απόταχ, Χ,, Χ k καιακολουθεί την κανονική κατανοµή u ~ N (, σ ) i u 9 Τώρα το υπόδειγµα καλείται κλασικό κανονικό γραµµικό υπόδειγµα. Οι κατανοµές δειγµατοληψίας των εκτιµητών OLSείναι κανονικές: ˆ β ~ N ( β, σ ), =,,,..., k Η εκτιµάται από την, άρα σ ˆ β s ˆ β n ( k+ ) ˆ β s βˆ ˆ β β ~ t, =,,,..., k 3 ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΕΡΕΥΝΑ -3 Χρήστος Εµµανουηλίδης
6 ιαφάνειες ιαλέξεων -6 Έλεγχος για έναν µοναδικό συντελεστή: H β : = c Παράδειγµα Έλεγχος για έναν µοναδικό συντελεστή µε το SPSS Ο έλεγχος (δίπλευρος ή µονόπλευρος) διεξάγεται µε τον γνωστό τρόπο (t-έλεγχος) που είδαµε στο απλό γραµµικό υπόδειγµα. Χρησιµοποιούνται για τον έλεγχο υποθέσεων για τις παραµέτρους ιαστήµατα εµπιστοσύνης για τις παραµέτρους ιάστηµα εµπιστοσύνης για τους συντελεστές (-α)%διαστήµαταεµπιστοσύνηςγιατουςσυντελεστέςβ : ˆ β t s β ˆ β + t s, =,,,..., k ( n k ), a/ ˆ β ( n k ), a/ ˆ β 3 3 Έλεγχος για όλους τους συντελεστές κλίσεως: H : β = β =... = β = H : τουλάχιστον ένας συντελεστής διάφορος του k Ο έλεγχος αφορά στην ικανότητα όλων των ανεξάρτητων µεταβλητών µαζίνα ερµηνεύσουν την µεταβλητότητα της Υ. Όσο µικρότερος ο συντελεστής προσδιορισµού τόσο µικρότερη η τιµή της F στατιστικής και για δεδοµένο επίπεδο σηµαντικότητας α η µηδενική υπόθεση Η θα απορρίπτεται όταν η F ξεπερνά µια κριτική τιµή, δηλαδή όταν F F α (k,n-k-). Μικρότερα α αντιστοιχούν σε µεγαλύτερεςτιµέςτου R καιµεγαλύτερεςκριτικέςτιµές. f(x) Είναι ένας έλεγχος καλής προσαρµογής και γίνεται µε τη χρήση της στατιστικής F SSR / k R / k F = = ~ F( k, n k ) SSE / ( n k ) ( R ) / ( n k ) α F α(k, n-κ-) F(k, n-κ-) Αν ένας συντελεστής είναι σηµαντικός µε τον t-έλεγχο τότε στονπαραπάνωέλεγχοηη θααπορρίπτεται Είναι δυνατόν να απορρίπτεται η παραπάνω Η και ταυτόχρονα να γίνεται αποδεκτή η υπόθεση β =για κάθε =,,k. Αυτό συµβαίνει συνήθως όταν τα Χ σχετίζονται ισχυρά γραµµικά µεταξύ τους και συνεπώς τα τυπικά σφάλµατα των συντελεστών είναι µεγάλα µε αποτέλεσµα οι τιµές της t-στατιστικής να είναι µικρές. Έλεγχος για µερικούς από τους συντελεστές κλίσεως: H : β β =... = = h+ = h+ βk H : τουλάχιστον ένας συντελεστής διάφορος του Ο έλεγχος αφορά στην ικανότητα όλων των αντίστοιχων k-h ανεξάρτητων µεταβλητών µαζίνα ερµηνεύσουν την µεταβλητότητα της Υ. Είναι ένας έλεγχος καλής προσαρµογής και γίνεται πάλι µε τη χρήση της στατιστικής F ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΕΡΕΥΝΑ -3 Χρήστος Εµµανουηλίδης
7 ιαφάνειες ιαλέξεων -7 Η λογική του ελέγχου είναι η ακόλουθη: αν η µηδενική υπόθεση είναι αληθής, τότε η ταυτόχρονη προσθήκη των k-h ανεξάρτητων µεταβλητών στην εξίσωση συνεισφέρει στο άθροισµα τετραγώνων της παλινδρόµησης (SSR)µια ποσότητα που είναι µικρή: Έστω SSR k το άθροισµα τετραγώνων παλινδρόµησης µε όλες (kτο πλήθος) ανεξάρτητες µεταβλητές και SSR h το άθροισµα τετραγώνων παλινδρόµησης χωρίς τις k-h ανεξάρτητες µεταβλητές. Τότε η συνεισφορά των k-hανεξάρτητων µεταβλητών είναι SSR k SSR h Αποδεικνύεται ότι η ποσότητα F = ( SSR SSR ) k h /( k h) ~ F( k h, n k) SSE /( n k) k Παρατηρείστε ότι αν k-h = η διαφορά SSR k SSR αναφέρεται στην προσθήκη της Χ µεταβλητής στο υπόδειγµα µε τις k- µεταβλητές. Η µηδενική υπόθεση είναι Η : β = και ελέγχεται µε την F στατιστική SSRk SSR F = ~ F(, n k) SSE /( n k) k και ο έλεγχος είναι ισοδύναµος µε τον γνωστό t-έλεγχο για έναν συντελεστή κλίσεως. και ο έλεγχος διεξάγεται κατά τα γνωστά µε την κατανοµή F Παράδειγµα µε το SPSS R, Rad ΕΠΙΛΟΓΗ ΠΑΛΙΝ ΡΟΜΗΣΕΩΝ β.ε αριθµητή (3) και παρονοµαστή (7) F test για όλους τους συντελ. κλίσης k = 3 n-k- = -3- = Επιλογή Παλινδροµήσεων Η επιλογήανάµεσα σε διαφορετικά πολυµεταβλητά γραµµικά υποδείγµατα (έστω Ακαι Β) µε βάση την καλή προσαρµογήγίνεται µε τη σύγκριση µέτρων καλής προσαρµογής που συνυπολογίζουν το πλήθος των ανεξάρτητων µεταβλητών (και το µέγεθος του δείγµατος):. ιορθωµένο R. AIC (Akaike Information Criterion) AIC= nln( ei ) + k 3. BIC (Bayesian Information Criterion), γνωστό και ως SBC (Schwarz's Bayesian criterion ) BIC= nln( ei ) + k ln n 4. Η στατιστική F (έλεγχος σηµαντικότητας ενός ή περισσότερων συντελεστών) Επιλογή Παλινδροµήσεων Με τη σύγκριση των διορθωµένων R των εναλλακτικών µοντέλων (τείνει όµως να ευνοεί µεγάλα µοντέλα) Αν B Με τη σύγκριση των τιµών των AIC (Akaike Information Criterion) Αν A R > R επιλέγεται το µοντέλο Α Με τη σύγκριση των τιµών των BIC (Bayesian Information Criterion) Αν AIC < AIC επιλέγεται το µοντέλο Α A BIC < BIC A B B επιλέγεται το µοντέλο Α Με ελέγχους σηµαντικότητας µε την στατιστική F κατά βήµατα προσθήκης ή απαλοιφής ανεξάρτητων µεταβλητών (forward or backward stepwise regression): Αν η µηδενική υπόθεση απορρίπτεται προσθέτουµε τη µεταβλητή στην εξίσωση, αλλιώς την απαλείφουµε. 4 4 ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΕΡΕΥΝΑ -3 Χρήστος Εµµανουηλίδης
8 Y ιαφάνειες ιαλέξεων -8 Χρήση της εκτιµηµένης εξίσωσης για εκτίµηση και πρόβλεψη Εκτίµηση αναµενόµενης τιµής της Υ f ΕΚΤΙΜΗΣΗ ΚΑΙ ΠΡΟΒΛΕΨΗ ιάστηµα εµπιστοσύνης (-α)%για την Ε(Υ f ) όπου k+ ο αριθµός των συντελεστών, x f διάνυσµα τιµών των Χ για την f-παρατήρηση, uˆ i ', σˆ f = σˆ u x' f ( X X) x i= n f και ˆ σ = u n ( k + ) Χρήση της εκτιµηµένης εξίσωσης για εκτίµηση και πρόβλεψη Εκτίµηση µιας µεµονωµένης τιµής της Υ πρόβλεψητης Υ f ιάστηµα εµπιστοσύνης (-α)%για τηνπρόβλεψητης Υ f Χρήση της εκτιµηµένης εξίσωσης για εκτίµηση και πρόβλεψη Το.Ε. για την πρόβλεψη είναι µεγαλύτερο από αυτό για την αναµενόµενη τιµή 99%.Ε. για τις προβλέψεις 99%.Ε. για τις εκτιµήσεις (αναµενόµενες τιµές) R-Square =.99 όπου Y u f σˆ ˆ = σˆ ' ' ( + x f ( X X) x f) η διακύµανση της πρόβλεψης Τώρα η αβεβαιότητα είναι µεγαλύτερη καθώς συνυπολογίζεται και ο διαταρακτικός όρος u i : το σφάλµα πρόβλεψης εξαρτάται και από το u i Predicted Values of Y Οι προβλέψεις έχουν µικρότερη διακύµανση όταν: Η διακύµανση του διαταρακτικού όρου είναι µικρότερη, Το δείγµα είναι µεγαλύτερο Το x f είναι κοντά στο δειγµατικό µέσο X 46 Χρήση της εκτιµηµένης εξίσωσης για εκτίµηση και πρόβλεψη Παράδειγµα µε το SPSS Σηµειακή εκτίµηση Ε(Υ).Ε. για το Ε(Υ).Ε. για την πρόβλεψη της Υ ΠΟΙΟΤΙΚΕΣ ΑΝΕΞΑΡΤΗΤΕΣ ΜΕΤΑΒΛΗΤΕΣ ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΕΡΕΥΝΑ -3 Χρήστος Εµµανουηλίδης
9 ιαφάνειες ιαλέξεων -9 Μοντέλα µε Ποιοτικές Ανεξάρτητες Μεταβλητές Παράδειγµα ηµερήσιας κατανάλωσης τσιγάρων. Πώς επιδρά το φύλο στην κατανάλωση; Μοντέλα µε Ποιοτικές Ανεξάρτητες Μεταβλητές Παράδειγµα ηµερήσιας κατανάλωσης τσιγάρων. Πώς επιδρά το φύλο στην κατανάλωση; Μια ποιοτική ανεξάρτητη µεταβλητή Ζ µε v δυνατές τιµές (επίπεδα µέτρησης) επεισέρχεται στο µοντέλο σαν ένα σύνολο από ν- «ψευδοµεταβλητές» : Κάθε ψευδοµεταβλητή Χ κωδικοποιείται ως Χ=αν η Ζ παίρνει την τιµή i=,..,v ή ως Χ= αν όχι. Π.χ. για το φύλο (Μ,F δύο δυνατές τιµές) χρειαζόµαστε µια ψευδοµεταβλητή Χ, που θα έχει τιµή Χ= αν το φύλο είναι Μ και Χ= αν όχι, δηλ. αν το φύλο είναι F (ή αντίστροφα). Αν το µοντέλο έχει τη µορφή Y=β +β Χ + u, τότε ο συντελεστής β είναι η επίδραση της τιµής Χ= (Μ) στην εξαρτηµένη µεταβλητή 49 Μέση ηµερήσια κατανάλωση Αν το µοντέλο έχει τη µορφή Ε(Υ) Y=β +β Χ + u, τότε ο συντελεστής β είναι η επίδραση της τιµής Χ= (δηλ. φύλο=μ) στην εξαρτηµένη µεταβλητή Υ (κατανάλωση) 5 Μοντέλα µε Ποιοτικές Ανεξάρτητες Μεταβλητές Παράδειγµα ηµερήσιας κατανάλωσης τσιγάρων - Επίδραση του φύλου. Μοντέλα µε Ποιοτικές Ανεξάρτητες Μεταβλητές Παράδειγµα ηµερήσιας κατανάλωσης τσιγάρων - Επίδραση του φύλου. Το µοντέλο µας επιτρέπει να κάνουµε έλεγχο της διαφοράς δύο µέσων σε δύο ανεξάρτητα δείγµατα (ένα για κάθε φύλο) Μέση κατανάλωση στις γυναίκες = 9. Μέση κατανάλωση στους άνδρες = =.33 Μέση κατανάλωση στις γυναίκες = 9. Μέση κατανάλωση στους άνδρες = =.33 5 Στατιστικά σηµαντική διαφορά των µέσων στα δύο δείγµατα (δηλ. στα δύο φύλα). 5 Μοντέλα µε Αλληλεπιδράσεις ΑΛΛΗΛΕΠΙ ΡΑΣΕΙΣ Μοντέλο µε αλληλεπιδράσειςανάµεσα σε δύο ανεξάρτητες ποσοτικές µεταβλητές όπου ( β + β X ) 3 Y = β + β X + β X + β X X + u 3 = ηµεταβολήστην E(Y)για κάθε µοναδιαία αύξησηστην X, κρατώντας την X σταθερή ( β + β X ) 3 = ηµεταβολήστην E(Y)για κάθε µοναδιαία αύξησηστην X, κρατώντας την X σταθερή ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΕΡΕΥΝΑ -3 Χρήστος Εµµανουηλίδης
10 ιαφάνειες ιαλέξεων - Μοντέλα µε Αλληλεπιδράσεις Παράδειγµα -Όζον Y = β + β X + β X + β X X + u όπου Χ = temp, Χ = wind 3 Μοντέλα µε Αλληλεπιδράσεις Μοντέλο µε αλληλεπιδράσειςανάµεσα σε δύο ανεξάρτητες µεταβλητές, η µία ποσοτική (Χ) και η άλλη ποιοτική (Χ έστω δίτιµη, π.χ. φύλο = (F)ή (M) ) Y = β + β X + β X + β X X + u 3 Τώρα έχουµε µια ευθεία παλινδρόµησης για κάθε τιµή της Χ Επίδραση temp (X): 4..7X π.χ. για X =, η επίδραση είναι.83 (κλίση της ευθείας για X = ) Επίδραση wind (X): X π.χ. για X = 78, η επίδραση είναι (κλίση της ευθείας για X= 78) Η επίδραση καθεµιάς από τις Xκαι Xστην Υ είναι φθίνουσα συνάρτηση των τιµών της άλλης 55 Για Για X = (Φύλο = Female) : E( Y ) = β + β X ( β β ) ( β β ) X = (Φύλο = Male) : E( Y ) = X 3 56 Μοντέλα µε Αλληλεπιδράσεις Μοντέλα µε Αλληλεπιδράσεις Παράδειγµα -Κατανάλωση (Y = Cons,κατανάλωση) Y = β + β X + β X + β X X + u 3 όπου Χ = Inc (µην. εισόδηµα), Χ = SEXM (= αν F, = αν Μ) Παράδειγµα -Κατανάλωση (Y = Cons,κατανάλωση) Η απάντηση δίνεται µε έναν έλεγχο F για τους συντελεστές βκαι β3 H : β = β = 3 Περιορισµένο µοντέλο: E( Y) = β + β X H : τουλάχιστον ένας διάφορος του Πλήρες µοντέλο: E( Y) = β + β X + β X + β X X 3 Παλινδρόµηση για Φύλο = F (X=): E( Y) = β + β X = X Παλινδρόµηση για Φύλο = Μ (X=): E( Y) = ( β+ β) + ( β+ β3) X= X Είναι στατιστικά σηµαντική η διαφορά ανάµεσα στις δύο παραπάνω εξισώσεις; 57 H : β = β 3 = δεν απορρίπτεται γιαα <.34 Συνεπώς το πλήρες µοντέλο δεν υποστηρίζεται επαρκώς από τα δεδοµένα. εχόµαστε το περιορισµένο µοντέλο, δηλ. ότι η κατανάλωση είναι ανάλογη του εισοδήµατος µε συντελεστή αναλογίας ανεξάρτητο του φύλου. 58 Πολυωνυµική Παλινδρόµηση ΠΟΛΥΩΝΥΜΙΚΗ ΠΑΛΙΝ ΡΟΜΗΣΗ Πολυωνυµική γραµµική παλινδρόµηση k-τάξης µε µια ανεξάρτητη µεταβλητή Χ k Y = β+ βx + β X βk X + u Κατάλληλη για να περιγράψει µη-γραµµικές σχέσεις ανάµεσα στα Χκαι Υ Επίδραση της Χστην Υ: dy = β+ β X βk X dx k 59 6 ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΕΡΕΥΝΑ -3 Χρήστος Εµµανουηλίδης
11 ιαφάνειες ιαλέξεων - Πολυωνυµική Παλινδρόµηση Παράδειγµα: Χρόνος έκθεσης(χ time in ms) και επιπέδου προτίµησης (Υ pref ). Πολυωνυµική Παλινδρόµηση Παράδειγµα: Χρόνος έκθεσης(χ time in ms) και επιπέδου προτίµησης (Υ pref ) clutch pref Yπάρχει σχέση ανάµεσα στις Χ και Υ; Αν ναι, είναι γραµµική ή µη γραµµική; clutch pref pref clutch length time length time Γραµµική καµπύλη προσαρµογής E( Y ) = β + β X length time Πολυωνυµική καµπύλη προσαρµογής ου βαθµού E( Y ) = β+ βx + β X 6 Πολυωνυµική Παλινδρόµηση Παράδειγµα: Χρόνος έκθεσης. Γραµµικό µοντέλο ( ου βαθµού) Πολυωνυµική Παλινδρόµηση Παράδειγµα: Χρόνος έκθεσης. Πολυωνυµικό γραµµικό µοντέλο ου βαθµού R, R < ad R, Rad F test µη σηµαντικό F test, t tests σηµαντικά ΤΕΛΟΣ ΕΝΟΤΗΤΑΣ 65 ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΕΡΕΥΝΑ -3 Χρήστος Εµµανουηλίδης
Χ. Εμμανουηλίδης, 1
Εφαρμοσμένη Στατιστική Έρευνα Απλό Γραμμικό Υπόδειγμα AΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟ ΕΙΓΜΑ Δρ. Χρήστος Εμμανουηλίδης Αν. Καθηγητής Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Εφαρμοσμένη Στατιστική, Τμήμα Ο.Ε. ΑΠΘ Χ. Εμμανουηλίδης,
Διαβάστε περισσότεραΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ
ΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΑΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟΔΕΙΓΜΑ Συντελεστής συσχέτισης (εκτιμητής Person: r, Y ( ( Y Y xy ( ( Y Y x y, όπου r, Y (ισχυρή θετική γραμμική συσχέτιση όταν, ισχυρή αρνητική
Διαβάστε περισσότεραΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ Οικονομετρία 4.1 Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης Γενικεύοντας τη διμεταβλητή (Y, X) συνάρτηση
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Βιολέττα Δάλλα. Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών
ΟΙΚΟΝΟΜΕΤΡΙΑ Βιολέττα Δάλλα Τµήµα Οικονοµικών Επιστηµών Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών 1 Εισαγωγή Οικονοµετρία (Econometrics) είναι ο τοµέας της Οικονοµικής επιστήµης που περιγράφει και αναλύει
Διαβάστε περισσότεραιαφάνειες ιαλέξεων 1-1 Απλό γραµµικό υπόδειγµα
ιαφάνειες ιαλέξεων - Εφαρµοσµένη Στατιστική Έρευνα AΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟ ΕΙΓΜΑ Tο ο Απλό Γραµµικό Υπόδειγµα Παράδειγµα Συγκέντρωση όζοντος στη Ν. Υόρκη. εδοµένα ηµερών (Μάιος Σεπτ. 973) ozoe (Y) Συγκέντρωση
Διαβάστε περισσότεραΠολλαπλή παλινδρόµηση. Μάθηµα 3 ο
Πολλαπλή παλινδρόµηση Μάθηµα 3 ο Πολλαπλή παλινδρόµηση (Multivariate regression ) Η συµπεριφορά των περισσότερων οικονοµικών µεταβλητών είναι συνάρτηση όχι µιας αλλά πολλών µεταβλητών Y = f ( X, X 2, X
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο 2
013 [Κεφάλαιο ] ΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο Μάθημα Εαρινού Εξάμηνου 01-013 M.E. OE0300 Πανεπιστήμιο Θεσσαλίας Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας και Περιφερειακής Ανάπτυξης [Οικονομετρία 01-013] Μαρί-Νοέλ
Διαβάστε περισσότεραΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική
ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ 7o Μάθημα: Απλή παλινδρόμηση (ΕΠΑΝΑΛΗΨΗ) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & ΠΑΜΑΚ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΕρωτήσεις κατανόησης στην Οικονομετρία (Με έντονα μαύρα γράμματα είναι οι σωστές απαντήσεις)
Ερωτήσεις κατανόησης στην Οικονομετρία (Με έντονα μαύρα γράμματα είναι οι σωστές απαντήσεις) 1. Έχοντας στη διάθεσή μας ένα δείγμα, προκύπτει ότι το 95% διάστημα εμπιστοσύνης για το μέσο μ ενός κανονικού
Διαβάστε περισσότεραΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής Υποθέσεις του Απλού γραμμικού υποδείγματος της Παλινδρόμησης Η μεταβλητή ε t (διαταρακτικός όρος) είναι τυχαία μεταβλητή με μέσο όρο
Διαβάστε περισσότεραΔιαχείριση Υδατικών Πόρων
Εθνικό Μετσόβιο Πολυτεχνείο Διαχείριση Υδατικών Πόρων Γ.. Τσακίρης Μάθημα 3 ο Λεκάνη απορροής Υπάρχουσα κατάσταση Σενάριο 1: Μέσες υδρολογικές συνθήκες Σενάριο : Δυσμενείς υδρολογικές συνθήκες Μελλοντική
Διαβάστε περισσότεραΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική
ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ 7ο μάθημα: Πολυμεταβλητή παλινδρόμηση (ΕΠΑΝΑΛΗΨΗ) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & ΠΑΜΑΚ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 5: Ανάλυση γραμμικού υποδείγματος Πολυμεταβλητή παλινδρόμηση (1 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: ageliki.papaa@gmail.com, agpapaa@auth.gr Webpage: http://users.auth.gr/agpapaa
Διαβάστε περισσότεραΕισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500
Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Πληθυσμός Δείγμα Δείγμα Δείγμα Ο ρόλος της Οικονομετρίας Οικονομική Θεωρία Διατύπωση της
Διαβάστε περισσότεραΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ Οικονομετρία 6.1 Ετεροσκεδαστικότητα: Εισαγωγή Συχνά, η υπόθεση της σταθερής διακύμανσης των όρων σφάλματος,
Διαβάστε περισσότεραx y max(x))
ΚΕΦΑΛΑΙΟ 0 Απλή Γραµµική Παλινδρόµηση Μωυσιάδης Χρόνης 6 o Εξάµηνο Μαθηµατικών Ένα Πρόβληµα εδοµένα.6 3. 3.8 4. 4.4 5.8 6.0 6.7 7. 7.8 y 5.6 7.9 8.0 8. 8. 9. 9.5 9.4 9.6 9.9 Έχει σχέση το yµε το ; Ειδικότερα
Διαβάστε περισσότεραΠολλαπλή παλινδρόμηση (Multivariate regression)
ΜΑΘΗΜΑ 3 ο 1 Πολλαπλή παλινδρόμηση (Multivariate regression) Η συμπεριφορά των περισσότερων οικονομικών μεταβλητών είναι συνάρτηση όχι μιας αλλά πολλών μεταβλητών Υ = f ( X 1, X 2,... X n ) δηλαδή η Υ
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13
ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7 ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13 1.1. Εισαγωγή 13 1.2. Μοντέλο ή Υπόδειγμα 13 1.3. Η Ανάλυση Παλινδρόμησης 16 1.4. Το γραμμικό μοντέλο Παλινδρόμησης 17 1.5. Πρακτική χρησιμότητα
Διαβάστε περισσότεραΑναπλ. Καθηγήτρια, Ελένη Κανδηλώρου. Αθήνα Σημειώσεις. Εκτίμηση των Παραμέτρων β 0 & β 1. Απλό γραμμικό υπόδειγμα: (1)
Σημειώσεις Αναπλ. Καθηγήτρια, Ελένη Κανδηλώρου Αθήνα -3-7 Εκτίμηση των Παραμέτρων β & β Απλό γραμμικό υπόδειγμα: Y X () Η αναμενόμενη τιμή του Υ, δηλαδή, μέση τιμή του Υ, δίνεται παρακάτω: EY ( ) X EY
Διαβάστε περισσότεραΑντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών. Εξίσωση παλινδρόμησης. Πρόβλεψη εξέλιξης
Γραμμική Παλινδρόμηση και Συσχέτιση Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών Εξίσωση παλινδρόμησης Πρόβλεψη εξέλιξης Διμεταβλητές συσχετίσεις Πολλές φορές χρειάζεται να
Διαβάστε περισσότεραΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
Π E Ρ IEXOMENA Πρόλογος... xiii ΜΕΡΟΣ ΠΡΩΤΟ ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΙΚΕΣ ΕΝΝΟΙΕΣ ΠΑΡΟΥΣΙΑΣΗ ΤΩΝ ΣΤΑΤΙΣΤΙΚΩΝ Ε ΟΜΕΝΩΝ 1.1 Εισαγωγή... 3 1.2 Ορισµός και αντικείµενο της στατιστικής... 3
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Β μέρος: Ετεροσκεδαστικότητα. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 10: Οικονομετρικά προβλήματα: Παραβίαση των υποθέσεων Β μέρος: Ετεροσκεδαστικότητα Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr
Διαβάστε περισσότεραΤμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Οικονομετρία Διάλεξη 3η: Απλή Γραμμική Παλινδρόμηση. Διδάσκουσα: Κοντογιάννη Αριστούλα
Τμήμα Διοίκησης Επιχειρήσεων Γρεβενά Μάθημα: Οικονομετρία Διάλεξη 3η: Απλή Γραμμική Παλινδρόμηση Διδάσκουσα: Κοντογιάννη Αριστούλα Ιδιότητες εκτιμώμενης ευθείας παλινδρόμησης με τη μέθοδο των ελαχίστων
Διαβάστε περισσότερα9. Παλινδρόμηση και Συσχέτιση
9. Παλινδρόμηση και Συσχέτιση Παλινδρόμηση και Συσχέτιση Υπάρχει σχέση ανάμεσα σε δύο ή περισσότερες μεταβλητές; Αν ναι, ποια είναι αυτή η σχέση; Πως μπορεί αυτή η σχέση να χρησιμοποιηθεί για να προβλέψουμε
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 13: Επανάληψη Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana 1 Γιατί μελετούμε την Οικονομετρία;
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ Ι ΦΥΛΛΑΔΙΟ
ΟΙΚΟΝΟΜΕΤΡΙΑ Ι ΦΥΛΛΑΔΙΟ Παράρτημα Πανεπιστημίου: Δεληγιώργη 6 Α (έναντι Πανεπιστημίου Πειραιώς) Τηλ.: 4..97,,, Fax : 4..634 URL : www.vtal.gr emal: f@vtal.gr Παράρτημα Πανεπιστημίου: Δεληγιώργη 6 Α (έναντι
Διαβάστε περισσότεραΑπλή Γραμμική Παλινδρόμηση και Συσχέτιση 19/5/2017
Απλή Γραμμική Παλινδρόμηση και Συσχέτιση 2 Εισαγωγή Η ανάλυση παλινδρόμησης περιλαμβάνει το σύνολο των μεθόδων της στατιστικής που αναφέρονται σε ποσοτικές σχέσεις μεταξύ μεταβλητών Πρότυπα παλινδρόμησης
Διαβάστε περισσότεραΑπλή Παλινδρόμηση και Συσχέτιση
Απλή Παλινδρόμηση και Συσχέτιση Πωλήσεις, Δαπάνες Διαφήμισης και Αριθμός Πωλητών Έτος Πωλήσεις (χιλ ) Διαφήμιση (χιλ ) Πωλητές (Άτομα) Έτος Πωλήσεις (χιλ ) Διαφήμιση (χιλ ) Πωλητές (Άτομα) 98 050 6 3 989
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 6 ΧΡΗΣΗ ΓΡΑΜΜΙΚΩΝ ΜΟΝΤΕΛΩΝ ΚΑΙ ΓΡΑΜΜΙΚΗΣ ΠΑΛΙΝ ΡΟΜΗΣΗΣ
ΚΕΦΑΛΑΙΟ 6 ΧΡΗΣΗ ΓΡΑΜΜΙΚΩΝ ΜΟΝΤΕΛΩΝ ΚΑΙ ΓΡΑΜΜΙΚΗΣ ΠΑΛΙΝ ΡΟΜΗΣΗΣ 6.1 Εισαγωγή Σε πολλές στατιστικές εφαρµογές συναντάται το πρόβληµα της µελέτης της σχέσης δυο ή περισσότερων τυχαίων µεταβλητών. Η σχέση
Διαβάστε περισσότεραΑπλή Γραμμική Παλινδρόμηση II
. Ο Συντελεστής Προσδιορισμού Η γραμμή Παλινδρόμησης στο δείγμα, αποτελεί μία εκτίμηση της γραμμής παλινδρόμησης στον πληθυσμό. Αν και από τη μέθοδο των ελαχίστων τετραγώνων προκύπτουν εκτιμητές που έχουν
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Η μέθοδος των βοηθητικών μεταβλητών. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 12: Σφάλματα μέτρησης στις μεταβλητές Η μέθοδος των βοηθητικών μεταβλητών Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage:
Διαβάστε περισσότεραΜΕΘΟΔΟΙ ΕΡΥΕΝΑΣ ΔΙΑΛΕΞΗ 5: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΟΙΚΟΝΟΜΕΤΡΙΑ (Ι)
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΧΩΡΟΤΑΞΙΑΣ, ΠΟΛΕΟΔΟΜΙΑΣ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΗΣ ΑΝΑΠΤΥΞΗΣ ΠΜΣ «ΕΠΕΝΔΥΣΕΙΣ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΗ ΑΝΑΠΤΥΞΗ» ΜΕΘΟΔΟΙ ΕΡΥΕΝΑΣ ΔΙΑΛΕΞΗ 5: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΑΓΩΓΙΚΗ
Διαβάστε περισσότεραΑναλυτική Στατιστική
Αναλυτική Στατιστική Συμπερασματολογία Στόχος: εξαγωγή συμπερασμάτων για το σύνολο ενός πληθυσμού, αντλώντας πληροφορίες από ένα μικρό υποσύνολο αυτού Ορισμοί Πληθυσμός: σύνολο όλων των υπό εξέταση μονάδων
Διαβάστε περισσότεραΑπλή Γραμμική Παλινδρόμηση I
Απλή Γραμμική Παλινδρόμηση I. Εισαγωγή Έστω ότι θέλουμε να ερευνήσουμε εμπειρικά τη σχέση που υπάρχει ανάμεσα στις δαπάνες κατανάλωσης και στο διαθέσιμο εισόδημα, των οικογενειών. Σύμφωνα με την Κεϋνσιανή
Διαβάστε περισσότεραΤμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Οικονομετρία Διάλεξη 2η: Απλή Γραμμική Παλινδρόμηση. Διδάσκουσα: Κοντογιάννη Αριστούλα
Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Οικονομετρία Διάλεξη 2η: Απλή Γραμμική Παλινδρόμηση Διδάσκουσα: Κοντογιάννη Αριστούλα Πώς συσχετίζονται δυο μεταβλητές; Ένας απλός τρόπος για να αποκτήσουμε
Διαβάστε περισσότεραΑΝΩΤΑΤΟ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙ ΕΥΤΙΚΟ Ι ΡΥΜΑ ΜΕΣΟΛΟΓΓΙΟΥ ΣΧΟΛΗ ΙΟΙΚΗΣΗΣ & ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΕΦΑΡΜΟΓΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΣΤΗ ΙΟΙΚΗΣΗ ΚΑΙ ΣΤΗΝ ΟΙΚΟΝΟΜΙΑ
Α εξεταστική περίοδος χειµερινού εξαµήνου 4-5 ιάρκεια εξέτασης ώρες και 45 λεπτά Θέµατα Θέµα (α) Τα υποδείγµατα που χρησιµοποιούνται στην οικονοµική θεωρία ονοµάζονται ντετερµινιστικά ενώ τα οικονοµετρικά
Διαβάστε περισσότεραΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ MSc Τραπεζικής & Χρηματοοικονομικής
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ MSc Τραπεζικής & Χρηματοοικονομικής ΑΥΤΟΣΥΣΧΕΤΙΣΗ Στις βασικές υποθέσεις των γραμμικών υποδειγμάτων (απλών και πολλαπλών), υποθέτουμε ότι δεν υπάρχει αυτοσυσχέτιση (autocorrelation
Διαβάστε περισσότεραΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τμήμα Τραπεζικής & Χρηματοοικονομικής
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τμήμα Τραπεζικής & Χρηματοοικονομικής Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης Τα υποδείγματα του απλού γραμμικού υποδείγματος της παλινδρόμησης (simple linear regression
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 6: Ανάλυση γραμμικού υποδείγματος Πολυμεταβλητή παλινδρόμηση (2 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage:
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Βιολέττα Δάλλα. Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών
ΟΙΚΟΝΟΜΕΤΡΙΑ Βιολέττα Δάλλα Τµήµα Οικονοµικών Επιστηµών Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών 1 Μη γραµµικά υποδείγµατα παλινδρόµησης Έστω µία συνάρτηση f = f(x 1,..., X K ) των µεταβλητών X 1,...,
Διαβάστε περισσότεραΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΙI (ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΤΗ ΔΙΟΙΚΗΣΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ) (ΟΔΕ 2116)
Σελίδα 1 ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΜΑΘΗΜΑ: ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΙΙ (ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΤΗ ΔΙΟΙΚΗΣΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ) (ΟΔΕ 2116) ΠΑΝΕΠΙΣΤΗΜΙΑΚΟΣ ΥΠΟΤΡΟΦΟΣ ΠΑΝΑΓΙΩΤΗΣ
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική: Συντελεστής συσχέτισης. Παλινδρόμηση απλή γραμμική, πολλαπλή γραμμική
ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕΡΟΣ B Δημήτρης Κουγιουμτζής e-mal: dkugu@auth.gr Ιστοσελίδα αυτού του τμήματος του μαθήματος: http://uer.auth.gr/~dkugu/teach/cvltraport/dex.html Εφαρμοσμένη Στατιστική:
Διαβάστε περισσότεραΓΡΑΜΜΙΚΗ ΠΑΛΙΝ ΡΟΜΗΣΗ
ΓΡΑΜΜΙΚΗ ΠΑΛΙΝ ΡΟΜΗΣΗ ιαφάνειες για το µάθηµα Information Management ΑθανάσιοςΝ. Σταµούλης 1 ΠΗΓΗ Κονδύλης Ε. (1999) Στατιστικές τεχνικές διοίκησης επιχειρήσεων, Interbooks 2 1 Γραµµική παλινδρόµηση Είναι
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 8ο
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 8ο Επιλογή του αριθμού των χρονικών υστερήσεων Στις περισσότερες οικονομικές χρονικές σειρές υπάρχει υψηλή συσχέτιση μεταξύ της τρέχουσας
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. σε μη γραμμικές μορφές. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 7: Επεκτάσεις του γραμμικού υποδείγματος σε μη γραμμικές μορφές Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΕπαυξημένος έλεγχος Dickey - Fuller (ADF)
ΜΑΘΗΜΑ 5ο Επαυξημένος έλεγχος Dickey - Fuller (ADF) Στον έλεγχο των Dickey Fuller (DF) και στα τρία υποδείγματα που χρησιμοποιήσαμε προηγουμένως κάνουμε την υπόθεση ότι ο διαταρακτικός όρος e είναι μια
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Βιολέττα Δάλλα. Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών
ΟΙΚΟΝΟΜΕΤΡΙΑ Βιολέττα Δάλλα Τµήµα Οικονοµικών Επιστηµών Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών 1 Πολυσυγγραµµικότητα Αν υπάρχει ακριβής γραµµική σχέση ανάµεσα σε κάποιες από τις ερµηνευτικές µεταβλητές
Διαβάστε περισσότεραΠανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης
Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης ΜΑΘΗΜΑ ΕΠΙΛΟΓΗΣ: ΟΙΚΟΝΟΜΕΤΡΙΑ Το Γενικευμένο Γραμμικό Υπόδειγμα (Α) ΔΙΑΛΕΞΗ 05 Μαρί-Νοέλ Ντυκέν,
Διαβάστε περισσότεραΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΡΩΤΗΣΕΙΣ ΣΤΗΝ ΟΙΚΟΝΟΜΕΤΡΙΑ II ΗΜΗΤΡΙΟΣ ΘΩΜΑΚΟΣ
ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΡΩΤΗΣΕΙΣ ΣΤΗΝ ΟΙΚΟΝΟΜΕΤΡΙΑ II ΗΜΗΤΡΙΟΣ ΘΩΜΑΚΟΣ Ερώτηση : Εξηγείστε τη διαφορά µεταξύ του συντελεστή προσδιορισµού και του προσαρµοσµένου συντελεστή προσδιορισµού. Πώς µπορεί να χρησιµοποιηθεί
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 07-08 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε
Διαβάστε περισσότεραΣτόχος µαθήµατος: ΒΙΟΣΤΑΤΙΣΤΙΚΗ ΙΙ. 1. Απλή γραµµική παλινδρόµηση. 1.2 Παράδειγµα 6 (συνέχεια)
ΠΜΣ ΕΠΑΓΓΕΛΜΑΤΙΚΗ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗ ΥΓΕΙΑ, ΙΑΧΕΙΡΙΣΗ ΚΑΙ ΟΙΚΟΝΟΜΙΚΗ ΑΠΟΤΙΜΗΣΗ ΑΚ. ΕΤΟΣ 2006-2007, 3ο εξάµηνο ΒΙΟΣΤΑΤΙΣΤΙΚΗ ΙΙ. Απλή γραµµική παλινδρόµηση Παράδειγµα 6: Χρόνος παράδοσης φορτίου ΜΑΘΗΜΑ
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 3: Ανάλυση γραμμικού υποδείγματος Απλή παλινδρόμηση (2 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Βιολέττα Δάλλα. Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών
ΟΙΚΟΝΟΜΕΤΡΙΑ Βιολέττα Δάλλα Τµήµα Οικονοµικών Επιστηµών Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών 1 Σφάλµα εξειδικεύσεως Αν η υπόθεση Α.1 ισχύει, τότε το υπόδειγµα παλινδρόµησης είναι σωστά εξειδικευµένο
Διαβάστε περισσότεραΕΦΑΡΜΟΣΜΕΝΗ ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ ΚΑΙ ΔΙΑΣΠΟΡΑΣ (ΝΠΣ) & ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ (ΠΠΣ) (6o Εξάμηνο Μαθηματικών) Ιανουάριος 2008
ΕΦΑΡΜΟΣΜΕΝΗ ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ ΚΑΙ ΔΙΑΣΠΟΡΑΣ (ΝΠΣ) & ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ (ΠΠΣ) (6o Εξάμηνο Μαθηματικών) Ιανουάριος 008 Επώνυμο... Όνομα... A.E.M.... Εξάμηνο... Θέμα Θέμα Θέμα 3 Θέμα 4 Βαθμός ΝΠΣ
Διαβάστε περισσότεραΣτατιστική Ι. Ανάλυση Παλινδρόμησης
Στατιστική Ι Ανάλυση Παλινδρόμησης Ανάλυση παλινδρόμησης Η πρόβλεψη πωλήσεων, εσόδων, κόστους, παραγωγής, κτλ. είναι η βάση του επιχειρηματικού σχεδιασμού. Η ανάλυση παλινδρόμησης και συσχέτισης είναι
Διαβάστε περισσότεραΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά
ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ Επικ Καθ Στέλιος Ζήμερας Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά 05 Έλεγχος διακυμάνσεων Μας ενδιαφέρει να εξετάσουμε 5 δίαιτες που δίνονται
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutra@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε
Διαβάστε περισσότεραΕλένη Κανδηλώρου Αναπλ. Καθηγήτρια. Γραμμικά Μοντέλα. Λύσεις Ασκήσεων
Ελένη Κανδηλώρου Αναπλ. Καθηγήτρια Αθήνα, 6-4-7 Γραμμικά Μοντέλα Λύσεις Ασκήσεων η Άσκηση: (α) Eίναι η σχέση μεταξύ των δύο μεταβλητών γραμμική; Διάγραμμα Διασποράς Για το Υψόμετρο & τις Αρνητικές Τιμές
Διαβάστε περισσότεραΟικονομετρία Ι. Ενότητα 4: Διάστημα Εμπιστοσύνης - Έλεγχος Υποθέσεων. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής
Οικονομετρία Ι Ενότητα 4: Διάστημα Εμπιστοσύνης - Έλεγχος Υποθέσεων Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Διαβάστε περισσότεραΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά
ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ Επικ Καθ Στέλιος Ζήμερας Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά 5 Έστω για την σύγκριση δειγμάτων συλλέγουμε παρατηρήσεις Υ =,,, από
Διαβάστε περισσότερα3. ΣΕΙΡΙΑΚΟΣ ΣΥΝΤΕΛΕΣΤΗΣ ΣΥΣΧΕΤΙΣΗΣ
3. ΣΕΙΡΙΑΚΟΣ ΣΥΝΤΕΛΕΣΤΗΣ ΣΥΣΧΕΤΙΣΗΣ Πρόβλημα: Ένας ραδιοφωνικός σταθμός ενδιαφέρεται να κάνει μια ανάλυση για τους πελάτες του που διαφημίζονται σ αυτόν για να εξετάσει την ποσοστιαία μεταβολή των πωλήσεων
Διαβάστε περισσότεραΔιάστημα εμπιστοσύνης της μέσης τιμής
Διάστημα εμπιστοσύνης της μέσης τιμής Συντελεστής εμπιστοσύνης Όταν : x z c s < μ < x +z s c Ν>30 Στον πίνακα δίνονται κρίσιμες τιμές z c και η αντιστοίχισή τους σε διάφορους συντελεστές εμπιστοσύνης:
Διαβάστε περισσότεραΓΡΑΜΜΙΚΗ ΠΑΛΙΝ ΡΟΜΗΣΗ
ΓΡΑΜΜΙΚΗ ΠΑΛΙΝ ΡΟΜΗΣΗ ΠΟΤΕ ΚΑΙ ΓΙΑΤΙ ΧΡΗΣΙΜΟΠΟΙΕΙΤΑΙ ΜΟΝΤΕΛΟ ΕΚΤΙΜΗΣΗ ΠΑΡΑΜΕΤΡΩΝ ΕΡΜΗΝΕΙΑ ΤΩΝ ΕΚΤΙΜΗΤΩΝ ΤΩΝ ΠΑΡΑΜΕΤΡΩΝ ΤΩΝ ΣΥΝΤΕΛΕΣΤΩΝ ΠΑΛΙΝ ΡΟΜΗΣΗΣ ΥΠΟΘΕΣΕΙΣ ΠΙΝΑΚΑΣ ΑΝΑ ΙΑ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ ΓΙΑ ΤΙΣ ΠΑΡΑΜΕΤΡΟΥΣ
Διαβάστε περισσότεραΒΑΣΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΣΕΙΡΩΝ ΚΑΝΟΝΙΚΟΤΗΤΑ
ΒΑΣΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΣΕΙΡΩΝ ΚΑΝΟΝΙΚΟΤΗΤΑ απόκλιση από την κανονικότητα µπορεί να σηµαίνει Ύπαρξη θετικής ή αρνητικής ασυµµετρίας Ύπαρξη λεπτοκύρτωσης, δηλαδή παρουσία ακραίων τιµών που δεν είναι συµβατές
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Εφαρμοσμένη Στατιστική Παλινδρόμηση Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότερα) = a ο αριθµός των µηχανών n ο αριθµός των δειγµάτων που παίρνω από κάθε µηχανή
Ανάλυση Συνδιακύµανσης Alsis of Covrice Η ανάλυση συνδιακύµανσης είναι µία άλλη τεχνική για να βελτιώσουµε την ακρίβεια της προσέγγισης του µοντέλου µας στο πείραµα. Ας υποθέσουµε ότι σ ένα πείραµα εκτός
Διαβάστε περισσότεραΕισαγωγή στην Γραμμική Παλινδρόμηση
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΔΙΑΛΕΞΗ 13-11-015 Εισαγωγή στην Γραμμική Παλινδρόμηση Γραμμική σχέση μεταξύ μεταβλητών Αν. Καθ. Μαρί-Νοέλ Ντυκέν Στόχος Πολύ συχνά, η Τ.Μ. που εξετάζουμε π.χ. η κατανάλωση των νοικοκυριών
Διαβάστε περισσότεραΜΑΘΗΜΑ 3ο. Υποδείγματα μιας εξίσωσης
ΜΑΘΗΜΑ 3ο Υποδείγματα μιας εξίσωσης Οι βασικές υποθέσεις 1. Ο διαταρακτικός όρος u t είναι μια τυχαία μεταβλητή με μέσο το μηδέν. Eu t = 0 για t = 1,2,3..n 2. Η διακύμανση της τυχαίας μεταβλητής u t είναι
Διαβάστε περισσότεραΠΑΛΙΝΔΡΟΜΗΣΗ. Απλή Παλινδρόμηση. (Όγκος πωλήσεων = α +b έξοδα διαφήμησης +e ) Εκτίμηση Απλής Παλινδρόμησης. α= εκτίμηση της τεταγμένης για χ=0
ΠΑΛΙΝΔΡΟΜΗΣΗ ΓΡΑΜΜΙΚΟ ΜΗ ΓΡΑΜΜΙΚΟ ΔΕΝ ΥΠΑΡΧΕΙ ΣΧΕΣΗ Απλή Παλινδρόμηση Y = a + bx + e (Όγκος πωλήσεων = α +b έξοδα διαφήμισης +e ) Εκτίμηση Απλής Παλινδρόμησης Y = a + bx (Όγκος πωλήσεων = α +b έξοδα διαφήμησης
Διαβάστε περισσότεραΣτατιστική για Πολιτικούς Μηχανικούς Λυμένες ασκήσεις μέρους Β
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Στατιστική για Πολιτικούς Μηχανικούς Λυμένες ασκήσεις μέρους Β Κουγιουμτζής Δημήτρης Τμήμα Πολιτικών Μηχανικών Α.Π.Θ. Θεσσαλονίκη, Μάρτιος 4 Άδειες Χρήσης Το παρόν
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 2 Μαΐου /23
Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 2 Μαΐου 2017 1/23 Ανάλυση Διακύμανσης. Η ανάλυση παλινδρόμησης μελετά τη στατιστική σχέση ανάμεσα
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 2: Ανάλυση γραμμικού υποδείγματος Απλή παλινδρόμηση (1 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ Οικονομετρία 7.1 Πολυσυγγραμμικότητα: Εισαγωγή Παραβίαση υπόθεσης Οι ανεξάρτητες μεταβλητές δεν πρέπει
Διαβάστε περισσότεραΜέρος V. Ανάλυση Παλινδρόμηση (Regression Analysis)
Μέρος V. Ανάλυση Παλινδρόμηση (Regresso Aalss) Βασικές έννοιες Απλή Γραμμική Παλινδρόμηση Πολλαπλή Παλινδρόμηση Εφαρμοσμένη Στατιστική Μέρος 5 ο - Κ. Μπλέκας () Βασικές έννοιες Έστω τ.μ. Χ,Υ όπου υπάρχει
Διαβάστε περισσότεραΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ Οικονομετρία 5.1 Αυτοσυσχέτιση: Εισαγωγή Συχνά, η υπόθεση της μη αυτοσυσχέτισης ή σειριακής συσχέτισης
Διαβάστε περισσότεραΗ τελεία χρησιμοποιείται ως υποδιαστολή (π.χ 3 14 τρία κόμμα δεκατέσσερα) Παρακαλώ παραδώστε τα θέματα μαζί με το γραπτό σας ΟΝΟΜΑ: ΕΠΩΝΥΜΟ: ΑΜ:
Πανεπιστήμιο Πατρών, Τμήμα Οικονομικών Επιστημών Εξεταστική περίοδος Ιανουαρίου 2014 (18-Φεβ-2014) 9:00-11:00 Μάθημα: «ΟΙΚΟΝΟΜΕΤΡΙΑ» ΟΙΚΟΝ 320 Διδάσκων: Επίκουρος Καθηγητής Ιωάννης Α. Βενέτης Διάρκεια
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ ΠΡΩΤΟ
ΠΕΡΙΕΧΟΜΕΝΑ Εισαγωγή 1. Γενικά... 25 2. Έννοια και Είδη Μεταβλητών... 26 3. Κλίμακες Μέτρησης Μεταβλητών... 29 3.1 Ονομαστική κλίμακα... 30 3.2. Τακτική κλίμακα... 31 3.3 Κλίμακα ισοδιαστημάτων... 34 3.4
Διαβάστε περισσότεραΣυνολοκλήρωση και μηχανισμός διόρθωσης σφάλματος
ΜΑΘΗΜΑ 10 ο Συνολοκλήρωση και μηχανισμός διόρθωσης σφάλματος Η μέθοδος της συνολοκλήρωσης είναι ένας τρόπος με τον οποίο μπορούμε να εκτιμήσουμε τη μακροχρόνια σχέση ισορροπίας που υπάρχει μεταξύ δύο ή
Διαβάστε περισσότεραΠΑΛΙΝ ΡΟΜΗΣΗ..Π.Μ.Σ. Μαθηµατικά των Υπολογιστών και των Αποφάσεων. Πάτρα, 27 Ιανουαρίου 2011
Πάτρα, 7 Ιανουαρίου 011 Γενικά Πολλές ϕορές µας ενδιαφέρει να µελετήσουµε τις σχέσεις που υπάρχουν ανάµεσα στις µεταβλητές. Παράδειγµα 1 OZON 300 80 60 40 0 00 180 150 00 50 300 350 400 450 CFC 1 Από το
Διαβάστε περισσότεραΑνάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017
Ανάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017 2 Γιατί ανάλυση διακύμανσης; (1) Ας θεωρήσουμε k πληθυσμούς με μέσες τιμές μ 1, μ 2,, μ k, αντίστοιχα Πως μπορούμε να συγκρίνουμε τις μέσες τιμές k πληθυσμών
Διαβάστε περισσότεραΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ Οικονομετρία 8.1 Η Φύση των Ψευδομεταβλητών Οι μεταβλητές που παίρνουν τιμές 0 και 1 ονομάζονται ψευδομεταβλητές
Διαβάστε περισσότεραΟικονομετρία Ι. Ενότητα 9: Αυτοσυσχέτιση. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής
Οικονομετρία Ι Ενότητα 9: Αυτοσυσχέτιση Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότεραΕξέταση Φεβρουαρίου (2011/12) στο Μάθηµα: Γεωργικός Πειραµατισµός. Ζήτηµα 1 ο (2 µονάδες) Για κάθε λανθασµένη απάντηση δεν λαµβάνεται υπόψη µία σωστή
Σειρά Β Εξέταση Φεβρουαρίου (0/) στο Μάθηµα: Γεωργικός Πειραµατισµός Θεσσαλονίκη: 4/0/0 Επώνυµο Όνοµα Αρ. Μητρώου Κατεύθυνση Ζήτηµα ο ( µονάδες) Για κάθε λανθασµένη απάντηση δεν λαµβάνεται υπόψη µία σωστή
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Α μέρος: Πολυσυγγραμμικότητα. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 9: Οικονομετρικά προβλήματα: Παραβίαση των υποθέσεων Α μέρος: Πολυσυγγραμμικότητα Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr
Διαβάστε περισσότεραΠΑΛΑΙΑ ΘΕΜΑΤΑ ******************************************************
ΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ ΤΜΗΜΑ ΙΕΘΝΩΝ ΟΙΚΟΝΟΜΙΚΩΝ ΣΧΕΣΕΩΝ ΚΑΙ ΑΝΑΠΤΥΞΗΣ ΜΑΘΗΜΑ: ΟΙΚΟΝΟΜΕΤΡΙΑ Ι ΚΑΘΗΓΗΤΗΣ: ΣΑΒΒΑΣ ΠΑΠΑ ΟΠΟΥΛΟΣ ΠΑΛΑΙΑ ΘΕΜΑΤΑ ******************************************************
Διαβάστε περισσότεραΘα εξεταστούν μόνο οι περιπτώσεις των ψευδομεταβλητών που χρησιμοποιούνται σαν ανεξάρτητες μεταβλητές
Όταν ένα μέγεθος είναι αδύνατο να ποσοτικοποιηθεί αλλά πρέπει οπωσδήποτε να χρησιμοποιηθεί σε ένα υπόδειγμα προσεγγίζεται συνήθως με μια μεταβλητή η οποία ονομάζεται ποιοτική μεταβλητή ή ψευδομεταβλητή.
Διαβάστε περισσότεραΠρόλογος Μέρος Ι: Απλό και πολλαπλό υπόδειγμα παλινδρόμησης Αντικείμενο της οικονομετρίας... 21
Περιεχόμενα Πρόλογος... 15 Μέρος Ι: Απλό και πολλαπλό υπόδειγμα παλινδρόμησης... 19 1 Αντικείμενο της οικονομετρίας... 21 1.1 Τι είναι η οικονομετρία... 21 1.2 Σκοποί της οικονομετρίας... 24 1.3 Οικονομετρική
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ
ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ Μ.Ν. Ντυκέν, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. Ε. Αναστασίου, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. ΔΙΑΛΕΞΗ 07 & ΔΙΑΛΕΞΗ 08 ΣΗΜΠΕΡΑΣΜΑΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Βόλος, 016-017 ΕΙΣΑΓΩΓΗ ΣΤΗΝ
Διαβάστε περισσότερα7.1.1 Η Μέθοδος των Ελαχίστων Τετραγώνων
7.. Η Μέθοδος των Ελαχίστων Τετραγώνων Όπως ήδη αναφέρθηκε, μία ευρύτατα διαδεδομένη μέθοδος για την εκτίμηση των σταθερών α και β είναι η μέθοδος των ελαχίστων τετραγώνων. Η μέθοδος αυτή επιλέγει εκτιμήτριες
Διαβάστε περισσότερα5. ΤΟ ΓΕΝΙΚΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ (GENERAL LINEAR MODEL) 5.1 Εναλλακτικά μοντέλα του απλού γραμμικού μοντέλου: Το εκθετικό μοντέλο
5. ΤΟ ΓΕΝΙΚΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ (GENERAL LINEAR MODEL) 5.1 Εναλλακτικά μοντέλα του απλού γραμμικού μοντέλου: Το εκθετικό μοντέλο Ένα εναλλακτικό μοντέλο της απλής γραμμικής παλινδρόμησης (που χρησιμοποιήθηκε
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 4: ΔΙΑΛΕΞΗ 04
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 4: ΔΙΑΛΕΞΗ 04 Μαρί-Νοέλ Ντυκέν Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
Διαβάστε περισσότεραΣτόχος µαθήµατος: ΒΙΟΣΤΑΤΙΣΤΙΚΗ ΙΙ. 1. Πολλαπλή γραµµική παλινδρόµηση. 1.2 Παράδειγµα 7 (συνέχεια)
ΠΜΣ ΕΠΑΓΓΕΛΜΑΤΙΚΗ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗ ΥΓΕΙΑ, ΙΑΧΕΙΡΙΣΗ ΚΑΙ ΟΙΚΟΝΟΜΙΚΗ ΑΠΟΤΙΜΗΣΗ ΑΚ. ΕΤΟΣ 2006-2007, 3ο εξάµηνο ΒΙΟΣΤΑΤΙΣΤΙΚΗ ΙΙ ΜΑΘΗΜΑ 12β ΕΡΓΑΣΤΗΡΙΟ 4β ΠΟΛΛΑΠΛΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝ ΡΟΜΗΣΗ ΜΕ ΤΗΝ ΧΡΗΣΗ SPSS
Διαβάστε περισσότεραΜΕΘΟΔΟΙ ΕΡΥΕΝΑΣ ΔΙΑΛΕΞΗ 6: ΠΟΛΛΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ - ΟΙΚΟΝΟΜΕΤΡΙΑ (Ι)
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΧΩΡΟΤΑΞΙΑΣ, ΠΟΛΕΟΔΟΜΙΑΣ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΗΣ ΑΝΑΠΤΥΞΗΣ ΠΜΣ «ΕΠΕΝΔΥΣΕΙΣ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΗ ΑΝΑΠΤΥΞΗ» ΜΕΘΟΔΟΙ ΕΡΥΕΝΑΣ ΔΙΑΛΕΞΗ 6: ΠΟΛΛΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ
Διαβάστε περισσότεραΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ
ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΠΡΟΤΥΠΑ ΜΑΘΗΜΑ ΠΡΩΤΟ ΘΕΩΡΙΑΣ-ΑΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟΔΕΙΓΜΑ ΕΡΓΑΣΤΗΡΙΟ PASW 18 Δρ. Κουνετάς Η Κωνσταντίνος Ακαδημαϊκό Έτος 2011 2012 ΕΠΙΧ
Διαβάστε περισσότερα2. ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΟΥ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΟΥ ΑΠΟΚΛΕΙΣΜΟΥ ΜΕΤΑΒΛΗΤΩΝ (Backward Elimination Procedure) Στην στατιστική βιβλιογραφία υπάρχουν πολλές μέθοδοι για
2. ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΟΥ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΟΥ ΑΠΟΚΛΕΙΣΜΟΥ ΜΕΤΑΒΛΗΤΩΝ (Backward Elimination Procedure) Στην στατιστική βιβλιογραφία υπάρχουν πολλές μέθοδοι για τον καθορισμό του καλύτερου υποσυνόλου από ένα σύνολο
Διαβάστε περισσότεραΣτασιμότητα χρονοσειρών Νόθα αποτελέσματα-spurious regression Ο έλεγχος στασιμότητας είναι απαραίτητος ώστε η στοχαστική ανάλυση να οδηγεί σε ασφαλή
Χρονικές σειρές 12 Ο μάθημα: Έλεγχοι στασιμότητας ΑΝΑΚΕΦΑΛΑΙΩΣΗ: Εκτίμηση παραμέτρων γραμμικών μοντέλων Συνάρτηση μερικής αυτοσυσχέτισης Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική
Διαβάστε περισσότεραΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΓΕΝΙΚΟ ΤΜΗΜΑ
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΓΕΝΙΚΟ ΤΜΗΜΑ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΦΑΡΜΟΣΜΕΝΕΣ ΕΠΙΣΤΗΜΕΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑ ΔΙΠΛΩΜΑΤΙΚΗ ΔΙΑΤΡΙΒΗ ΜΕΤΑΠΤΥΧΙΑΚΟΥ ΔΙΠΛΩΜΑΤΟΣ ΕΙΔΙΚΕΥΣΗΣ ΚΑΤΕΥΘΥΝΣΗ : «ΕΦΑΡΜΟΣΜΕΝΑ ΚΑΙ ΥΠΟΛΟΓΙΣΤΙΚΑ
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 8 ΠΡΟΒΛΗΜΑΤΑ ΜΕ ΤΙΣ ΕΠΕΞΗΓΗΜΑΤΙΚΕΣ ΜΕΤΑΒΛΗΤΕΣ
ΚΕΦΑΛΑΙΟ 8 ΠΡΟΒΛΗΜΑΤΑ ΜΕ ΤΙΣ ΕΠΕΞΗΓΗΜΑΤΙΚΕΣ ΜΕΤΑΒΛΗΤΕΣ 8. ΕΙΣΑΓΩΓΗ Μέχρι τώρα τα προβλήματα που δημιουργούνται από την παραβίαση των υποθέσεων που πρέπει να ισχύουν ώστε οι OLS εκτιμητές να είναι BLUE
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 30 Μαρτίου /32
Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 30 Μαρτίου 2017 1/32 Ανάλυση Παλινδρόμησης: Γενικά. Με την ανάλυση παλινδρόμησης εξετάζουμε
Διαβάστε περισσότεραΚεφάλαιο 16 Απλή Γραμμική Παλινδρόμηση και Συσχέτιση
Κεφάλαιο 16 Απλή Γραμμική Παλινδρόμηση και Συσχέτιση Copyright 2009 Cengage Learning 16.1 Ανάλυση Παλινδρόμησης Σκοπός του προβλήματος είναι η ανάλυση της σχέσης μεταξύ συνεχών μεταβλητών. Η ανάλυση παλινδρόμησης
Διαβάστε περισσότερα