dobór zmiennych


Overview

hellwig
bartosiewicz


Sheet 1: hellwig

Zad 1.11
















R0= 0,7

R= 1 0,1


0,5


0,1 1










m=2
2^2-1=3
X={X1,X2}












C1 = {X1}
C3={X1,X2}





C2 = {X2}
















indywidualne wskaźniki pojemnosci informacyjnej:




integralne wskaźniki pojemności informacyjnej:

h11 = 0,49



H1 = 0,49
h22 = 0,25



H2 = 0,25









h31 = 0,445454545454545 h32 = 0,227272727272727

H3 = 0,672727272727273









max {Hs} = H3
więc optymalny zbiór zmiennych objaśniających: {X1,X2}














model ma postać:
Yt = a0 + a1X1t + a2X2t + et














Zad 1.12

















0,7

1 -0,4 0,7

R0= 0,8
R= -0,4 1 0,9


0,9

0,7 0,9 1










m = 3
2^3 - 1 = 7
X = {X1, X2, X3}











C1 = {X1}
C4 = {X1,X2}
C7 = {X1,X2,X3}



C2 = {X2}
C5 = {X1,X3}





C3 = {X3}
C6 = {X2,X3}














indywidualne wskaźniki pojemnosci informacyjnej:




integralne wsakźniki pojemności informacyjnej:

h11 = 0,49



H1 = 0,49
h22 = 0,64



H2 = 0,64
h33 = 0,81



H3 = 0,81









h41 = 0,35 h42 = 0,457142857142857

H4 = 0,807142857142857
h51 = 0,288235294117647 h53 = 0,476470588235294

H5 = 0,764705882352941
h62 = 0,336842105263158 h63 = 0,426315789473684

H6 = 0,763157894736842









h71 = 0,233333333333333 h72 = 0,278260869565217 h73 = 0,311538461538462 H7 = 0,823132664437012









max {Hs} = H7
więc optymalny zbiór zmiennych objaśniających: {X1,X2,X3}














model ma postać:
Yt = a0 + a1X1t + a2X2t + a3X3t + et









































Zad 1.13

















0,6

1 0,5 0,3

R0= 0,9
R= 0,5 1 -0,9


-0,8

0,3 -0,9 1










m = 3
2^3 - 1 = 7
X = {X1, X2, X3}











C1 = {X1}
C4 = {X1,X2}
C7 = {X1,X2,X3}



C2 = {X2}
C5 = {X1,X3}





C3 = {X3}
C6 = {X2,X3}














indywidualne wskaźniki pojemnosci informacyjnej:




integralne wskaźniki pojemności informacyjnej:

h11 = 0,36



H1 = 0,36
h22 = 0,81



H2 = 0,81
h33 = 0,64



H3 = 0,64









h41 = 0,24 h42 = 0,54

H4 = 0,78
h51 = 0,276923076923077 h53 = 0,492307692307692

H5 = 0,769230769230769
h62 = 0,426315789473684 h63 = 0,336842105263158

H6 = 0,763157894736842









h71 = 0,2 h72 = 0,3375 h73 = 0,290909090909091 H7 = 0,828409090909091









max {Hs} = H7
więc optymalny zbiór zmiennych objaśniających: {X1,X2,X3}














model ma postać:
Yt = a0 + a1X1t + a2X2t + a3X3t + et
































Zad. 1.14







W treści zadania należy usunąć współczynnik korelacji r2=0,2.Wówczas wartość tego współczynnika należy wyliczyć korzystając z informacji o integralnej pojemności informacyjnej







kombinacji zmiennych {X1,X2}


























0,01

1 0,1 0,8

R0= x
R= 0,1 1 0,1


0,58

0,8 0,1 1



















H({X1,X2}) = 0,036

















0,01^2/(1+0,1)+x^2/(0,1+1)=0,036

















x^2=0,04
















x = +/- 0,2















0,01

1 0,1 0,8

R0= 0,2
R= 0,1 1 0,1


0,58

0,8 0,1 1










m = 3
2^3 - 1 = 7
X = {X1, X2, X3}











C1 = {X1}
C4 = {X1,X2}
C7 = {X1,X2,X3}



C2 = {X2}
C5 = {X1,X3}





C3 = {X3}
C6 = {X2,X3}














indywidualne wskaźniki pojemnosci informacyjnej:




integralne wskaźniki pojemności informacyjnej:

h11 = 0,0001



H1 = 0,0001
h22 = 0,04



H2 = 0,04
h33 = 0,3364



H3 = 0,3364









h41 = 9E-05 h42 = 0,036363636363636

H4 = 0,036454545454546 dane w treści zadania-można nie liczyć
h51 = 5,55555555555556E-05 h53 = 0,186888888888889

H5 = 0,186944444444444 dane w treści zadania-można nie liczyć
h62 = 0,036363636363636 h63 = 0,305818181818182

H6 = 0,342181818181818









h71 = 5,26315789473684E-05 h72 = 0,033333333333333 h73 = 0,177052631578947 H7 = 0,210438596491228 dane w treści zadania-można nie liczyć









max {Hs} = H6
więc optymalny zbiór zmiennych objaśniających: {X2,X3}














model ma postać:
Yt = a0 + a1X2t + a1X3t + et














Zad. 1.15
















X = {X1,X2,X3,X4}

















0,4

1 0,6 0,4 0,2

0,4

0,6 1 0,4 0,6
R0= 0,6
R= 0,4 0,4 1 0,8

0,8

0,2 0,6 0,8 1


















C1 = {X1,X2,X3}
C2 = {X1.X2,X4}
C3 = {X2,X3,X4}





















H1 = 0,36
H2 = 0,517171717171717
H3 = 0,51030303030303










max{Hs} = H2
optymalny zbiór zmiennych objaśniających:



C2 = {X1.X2,X4}









model ma postać:
Yt = a0 + a1X1t + a2X2t + a3X4t+et






Sheet 2: bartosiewicz

Zadanie na metodę analizy macierzy współczynników korelacji





































0,43


1 0,4 0,25 0,26 -0,49 0,28 0,08







0,53



1 0,74 0,62 -0,84 0,31 0,62







-0,28




1 0,53 -0,64 0,14 0,41






R0= 0,54

R=


1 -0,69 0,16 0,43







-0,58






1 -0,13 -0,55







0,04







1 -0,03







0,59








1

























A)

















poziom istotności:


g= 0,05












liczebność próby:


n= 25












liczba stopni swobody:


n-2= 23































wartość statystyki t-studenta dla poziomu istotności g=0,05 i 23 stopni swobody: I*=







2,06865761041905








krytyczna wartość współczynnika korelacji:




r*= 0,413164573224316
















































B) ze zbioru potencjalnych zmiennych {X1,X2,X3,X4,X5,X6,X7} odrzucamy zmienne nie skorelowane istotnie ze zmienną objaśnianą, tzn. zmienne dla których :
















|ri|<=r*
odrzucamy X6,X3










































































C) Ze zbioru pozostałych potencjalnych zmiennych {X1,X3,X4,X5,X7} wybieramy zmienną Xh dla której:










|rh|=max{|ri|}













|r7|= 0,59








Zmienna X7 jest nośnikiem najwiekszego zasobu informacji o zmiennej objaśnianej

















D) Ze zbioru potencjalnych zmiennych eliminuje się zmienne zbyt silnie skorelowane ze ze zmienną X7, tzn zmienne dla których:












|ri7|>r*



Odrzucamy zmienne X2,X4,X5




































E) W zbiorze potencjalnych zmiennych objaśniających pozostała tylko zmienna X1.

















Przyjmujemy X1 do optymalnego zbioru zmiennych objaśniających




































F)

















Optymalny zbiór zmiennych ojasniających w modelu {X1,X7}

















postać modelu:
Yt=a0+a1X1t+a2X7t+et
















Wyszukiwarka

Podobne podstrony:
W2 Dobór zmiennych objaśniających do modelu
W2 Dobór zmiennych objaśniających do modelu 2
3 dobór zmiennych do liniowego modelu ekonometrycznego
Dobor zmiennnych objasniajacych
dobór zmiennych rozw ćwiczenia2
dobór zmiennych rozw ćwiczenia2
Dobor zmiennnych objasniajacych
Wyklad 5b Dobor zmiennych
Wykład5, Dobór zmiennych do modelu - Hellwig, Dobór zmiennych do modelu
W6 dobor zmiennych, Ekonometria
dobor zmiennych gorski m
dobór zmiennych rozw ćwiczenia2
dobór zmiennych rozwiazania01
dobór zmiennych
Dobór zmiennych1
dobór zmiennych
dobor zmiennych Gargula K
Dobór zmiennych3

więcej podobnych podstron