Пред.
След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
6.12. РЕЗЮМЕКак мы видели, все МНК-процедуры отбора переменных привели к уравнению Хотя во многих случаях все МНК-процедуры приводят к одному и тому же уравнению, это не всегда имеет место, как показано Хама-кером (Нamакег Н. С. On multiple regression analysis.- Statistica Nederlandica, 1962, 16, p. 31-56). В теоретическом отношении наилучшим будет метод всех возможных регрессий, поскольку он позволяет «исследовать все». Благодаря существованию метода выбора «наилучшего подмножества» предикторов (см. 6.2) теперь можно не прибегать к методу всех возможных регрессий. Однако в случае данных Хальда как метод исключения, так и шаговый регрессионный метод приводят к одному и тому же уравнению. Если рассматриваются все регрессии, то выбор предикторов во многом зависит от уровней, при которых отвергаются различные гипотезы с помощью Мнение. Мы предпочитаем использовать в практических ситуациях шаговый регрессионный метод. Если есть желание исследовать уравнение, полученное шаговым методом, мы отдаем предпочтение а процедуре выбора «наилучшего подмножества» предикторов с использованием С-статистики. Применять метод всех возможных регрессий неразумно, исключая тот случай, когда число предикторов мало. В целом мы пришли к выводу, что процедуры, не основанные на методе наименьших квадратов, мало полезны на практике, хотя мы поддерживаем метод гребневой регрессии, если он применяется при соответствующих условиях, описанных в § 6.7. Если возникают трудности с трактовкой прогноза по построенной модели или функций от оценок регрессионных коэффициентов, то желательно проверить устойчивость модели на основе фактических данных и попытаться выяснить, в чем суть дела, вместо того чтобы вслепую применять метод, ограничения которого не совсем понятны. Конечно, располагая современными ЭВМ, теперь можно без особого труда выполнить все расчеты, которые мы обсуждали, но может потребоваться несметное количество бумаги. Лучше всего работать с каким-то одним методом и овладеть его специфическими особенностями. Такой подход вероятно выгоднее, чем в течение длительного времени выбирать подходящий метод. Никакой метод не будет хорошо работать при всех условиях, как бы хорошо он не проявил себя на частном примере. Нет метода, который был бы всегда лучше всех остальных. (Если бы это было так, то данная глава была бы куда короче!) Необходимо постоянно иметь в виду, что, если данные беспорядочны, а не получены с помощью специально спланированных экспериментов, любая модель отражает ограничения, которые вытекают из структуры данных и практических ограничений задачи. Методы, описанные в этой главе, могут быть полезными. Однако никакой из них не может компенсировать здравый смысл и жизненный опыт.
|
1 |
Оглавление
|