Количествени методи и модели, 21.10.2008, Записки към презентацията

... used = използвани наблюдения, а не направени!!!

[фактор] [коефицент] [стандартна грешка] [Т-ратио] [вероятност]

- първия абзац е за коефицентите по отделно; втория за модела като цяло

R-squared коефицент на детерминация показва каква част от вариацията на зависимата променлива се обеснява с вариациите на независимите променливи, а не се дължи!; този показател приема стойност между 0 и 1 (т.е. между 0 и 100%)
Т-ратио определя статистическата значимост за всеки параметър
R-bar-Squared преизчислен коефицент на детерминация; по същност е същия като R-squared, но с малки промени
S.E. of Reg стандартна грешка на модела като цяло; показва с каква грешка е оценен модела като цяло и се използва за определяне на доверителните интервали при прогноза
MDV средно на теоретически получената стойност на зависима променлива
F-stat индикатор, показващ статистическата значимост на модела като цяло; нулевата хипотеза за тази статистика е всички коефиценти са едновременно равни на нула; приемането на нулевата хипотеза означава, че модела е статистически незначим; отхвърлянето на нулевата хипотеза означава поне 1 параметър е различен от нула, т.е. модел има и той е статистически значим
SDDV стандартно отклонение на зависимата променлива
RSS сума от квадратите на реда на грешката; използва се за оценка на стабилността на модела
ELL лог вариатностен тест, който се интерпретира при методи, които използват интерактивни методи за оценка (циклични); този показател не се използва когато говорим за МНМК
AIC & SBC интерпретират се ако се работи авторегресионен модел; също нямат конкретна интерпретация когато се работи с такива модели
DW-stat показва налице ли е авторегресионен процес в реда на грешката от 1 ред; т.е. той дава информация за изискванията на хипотезата на класическата линейна регресионна теория, което гласи, че в реда на грешката не трябва да има серийна автокорелация; т.е. не трябва да има зависимост между текущата стойност в реда на грешката и някоя от предходните; самостоятелното му използване е индикативно, но не достатъчно

- ако DW ~2, или >= 1,5, то няма проблем със серийната автокорелация от 1-ви ред
- ако DW = 1,2 § 1,5, заключение не може да се направи
- ако DW < 1,2, то със сигурност имаме авторегресионен процес в реда на грешката от 1-ви ред