|
|
|
Статистикой  имеет распределение Фишера c  степенями свободы. Существует еще ряд способов определения мультиколлинеарности, В целях устранения или уменьшения ее можно переходить к разностям для исходной информации, использовать метод факторного анализа или метод главных компонент. Получение прогнозов с помощью многофакторных регрессионных моделей предполагает неизменность значений коэффициентов этих моделей во времени. Тем не менее, в процессе исследования объекта возможно появление новой информации, что позволяет с помощью рекуррентного оценивания корректировать значения оценок коэффициентов моделей. В то же время исходная информация может содержать в себе различные динамики изменения независимых переменных, которые возникают в результате различных «ре- жимов» функционирования исследуемого объекта. В этом случае важным является, как сам факт установления различия динамик процессов на разных временных интервалах, так и выбор такого интервала для построения на нем модели прогнозирования, который был бы наиболее адекватным будущему поведению объекта В этом случае важным является, как сам факт установления различия динамик процессов на разных временных интервалах, так и выбор такого интервала для построения на нем модели прогнозирования, который был бы наиболее адекватным будущему поведению объекта. Если оказывается, что для одного интервала времени построена многофакторная модель  а для другого интервала - модель  Построение адекватных регрессионных моделей для целей прогнозирования с помощью метода наименьших квадратов предъявляет к исходной информации весьма жесткие требования. В ряде случаев эти требования для реальных наблюдений оказываются невыполненными, поэтому получаемые оценки оказываются неэффективными, а прогноз – недостоверным. Действительно, требование нормальности распределения ошибок, предъявляемое к исходной информации процедурой метода наименьших квадратов, в большом числе случаев оказывается невыполненным. Так, говорится: «Нормальность – это миф. В реальном мире никогда не было и никогда не будет нормального распределения». Поэтому в последнее время интенсивно разрабатывается новое направление в статистике – так называемая робастная статистика, задача которой в том и состоит, чтобы получать эффективные оценки в случаях невыполнения некоторых предпосылок, например, нормальности распределения, наличия аномальных наблюдений. Использование робастных методов получения статистических оценок для информации, содержащей аномальные «выбранные» наблюдения, позволяет значительно повысить надежность получаемых оценок по сравнению с обычным методом наименьших квадратов. 1. В чем состоит суть корреляционного анализа? 2. Какую роль в корреляционном анализе играет оценка показателей F-статистики Фишера и t-статистики Стьюдента? 3. В чем состоит проблема мультиколлинеарности? 4. Чем затруднен процесс построения адекватных прогнозов на основе регрессионных моделей? 
|
|
|
