F f-статистика рассчитывается как отношение дисперсии

F – статистика

Значимость регрессионной модели определяется с помощью F- критерия Фишера. Для этого вычисляется отношение

где n — число парных наблюдений; m — число независимых переменных xi ; R 2 коэффициент детерминации; RSS — сумма квадратов отклонений yi от среднего , объясненная регрессией; ESS — остаточная сумма квадратов отклонений (см. §15).

Для парной регрессии m = 1, поэтому формула (19.1) примет вид:

Можно сказать, что F- критерий определяет отношение факторной и остаточной дисперсии, рассчитанных на одну степень свободы. Если нулевая гипотеза справедлива, то факторная и остаточная дисперсии мало отличаются друг от друга. Для опровержения нулевой гипотезы необходимо, чтобы факторная дисперсия превышала остаточную в несколько раз.

Величина F имеет распределение Фишера с ν1 = m и ν2 = n-m -1 степенями свободы [3]. Задавая уровень значимости α (в частности, принимая α = 0,05) и находя из таблиц или с помощью пакетов EXCEL. STATISTICA и др. величину Fтабл1. ν2. α), сравниваем F и Fтабл. Табличное значение Fтабл — критерия — это максимальная величина отношения дисперсий, которая может иметь место при случайном расхождении для данного уровня вероятности и при условии, что нулевая гипотеза справедлива. Если F > Fтабл. то уровень регрессии признается статистически значимым и нулевая гипотеза отвергается. Если же F < Fтабл. то нулевая гипотеза принимается, т.е. зависимость между x и y признается несущественной.

Все темы данного раздела:

Состав исходной информации
Основной базой исходной информации для эконометрических исследований служат данные статистики либо данные бухгалтерского учета. Исследуемые эконометрикой взаимосвязи стохастичны по своей природе, т

Интерполяционный полином Лагранжа.
Пусть имеется зависимость y = f(x) между величинами x и y, для которой нам известны отдельные точки (xi,yi), i = 0,1,2,…,

Случай 1.
Через одну точку (x0, y0) можно провести пучок прямых y = y0+b(x-x0) (2.1) (а также вертикальную пря

Случай 2.
Через две различные точки (x0,y0), (x1,y1) проходит одна и только одна прямая. Если x0 ¹

Случай 3.
Многочлен второй степени (квадратичная функция), график которой проходит через три точки (x0,y0), (x1,y1), (x2

Случай n.
Теперь ясно, что интерполяционный полином Лагранжа n-ой степени, график которого проходит через n+1 точку (xi,yi), i=0,1,2,…,n, можно записать в ви

Парная линейная регрессия. Метод наименьших квадратов
Пусть имеется n пар чисел (xi, yi), i=1,2,…,n, относительно которых предполагается, что они отвечают линейной зависимости между величинами x и y:

Множественная линейная регрессия.
Парная регрессия может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь. Но, существует обычно нескол

Нелинейные модели.
Мы изучили применение метода наименьших квадратов для определения параметров, которые входят в функциональные зависимости линейно. Поэтому для них в параграфах 3 и 4 получились сист

Системы одновременных эконометрических уравнений.
Объектом статистического изучения в социально-экономических науках являются сложные системы. Измерение тесноты связей между переменными, построение изолированных уравнений регрессии

Составляющие временного ряда
Временной ряд x(t) – это множество значений величины x, отвечающих последовательности моментов времени t, т.е. это функция t®x(t), которая обычно считает

Определение составляющих временного ряда
Одним из наиболее распространенных способов моделирования тенденции временного ряда является построение аналитической функции, характеризующей зависимость последовательных значений

Временной ряд как случайный процесс
Пусть значение экономического показателя x( t ) в любой момент времени t представляет собой случайную величину X (t ). Предположим, что слу

Модели ARIMA
В эконометрике анализ временных рядов с использованием оценки спектральной плотности (спектральный анализ) играет, как правило, вспомогательную роль, помогая установить периоды хара

Учет сезонных составляющих
Обобщение модели ARIMA, позволяющие учесть периодические (сезонные) составляющие временного ряда было предложено Дж. Боксом и Г. Дженкинсом [2]. Этот метод реализован в систе

Анализ погрешностей исходной информации
Значения экономических показателей обычно известны неточно, с некоторой погрешностью. Рассмотрим основные правила обработки данных, содержащих погрешности, или ошибки измерений. Пус

Доверительные интервалы
Введем случайную величину. (13.1) Нетрудно проверить, что xÎN(0,1), вследствие ч

Расчет погрешностей.
Эмпирические данные часто подвергаются математической обработке – над ними выполняются арифметические операции сложения, вычитания, умножения и деления, в некоторых случаях

Коэффициент детерминации.
Коэффициент детерминации характеризует качество регрессионной модели. Значения различных величин, получ

Средняя ошибка аппроксимации.
Фактические значения интересующей нас величины отличаются от рассчитанных по уравнению регрессии. Чем меньше это отличие, чем ближе рассчитанные значения подходят к эмпирическим дан

Принцип максимального правдоподобия. Построение регрессионных моделей при гетероскедастичности ошибок
Для нахождения неизвестных величин по результатам измерений, содержащих случайные погрешности, служит метод наименьших квадратов (МНК). Определяемые величины обычно связаны уравнениями, образующими

Статистические гипотезы
В предыдущих параграфах рассматривалась методика моделирования взаимосвязей экономических показателей и процессов. С помощью полученных уравнений регрессии моделировалась эта связь.

T – статистика
Для оценки значимости отдельных параметров регрессионной модели y=a+bx+e их величина сравнивается с их стандартной ошибкой. При этом рассчитывается так называемый

Хотите получать на электронную почту самые свежие новости?



f f-статистика рассчитывается как отношение дисперсии:F – статистика Экономика ЭКОНОМЕТРИКА. На сайте allRefs.net есть практически любой реферат, курсовая работа, конспект, лекция, диплом, домашняя работы и пр. учебный материал.