Главная > Прикладной регрессионный анализ, книга 2
НАПИШУ ВСЁ ЧТО ЗАДАЛИ
СЕКРЕТНЫЙ БОТ В ТЕЛЕГЕ
<< Предыдущий параграф Следующий параграф >>
Пред.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
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. РЕЗЮМЕ

Как мы видели, все МНК-процедуры отбора переменных привели к уравнению как «наилучшему» для данных Хальда. Метод всех возможных регрессий также дал уравнение как второй подходящий вариант, но последующие процедуры показали, что это уравнение менее желательно, чем модель, содержащая (Процедура гребневого следа привела нас к другой модели, отличной от модели метода наименьших квадратов, которая включает все (предикторы X, но имеет смещенные оценки параметров.)

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 -критерия, а также от отношения статистиков к желаемой степени увеличения величины Необоснованный выбор может привести к совершенно различным уравнениям при использовании разных методов, и в этом нет ничего удивительного.

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
email@scask.ru