Большая энциклопедия нефти и газа. Если коэффициент регрессии больше нуля, то. Средняя ошибка прогноза определяется по формуле
В долях среднего квадратического отклонения факторного и результативного признаков;
6. Если параметр а в уравнении регрессии больше нуля, то:
7. Зависимость предложения от цен характеризуется уравнением вида у = 136·х 1,4 . Что это означает?
С увеличением цен на 1 %, предложение увеличивается в среднем на 1,4%;
8. В степенной функции параметр b является:
Коэффициентом эластичности;
9. Остаточное среднее квадратическое отклонение определяется по формуле:
10. Уравнение регрессии, построенное по 15 наблюдениям, имеет вид: у = 4 + 3х +?6значение t - критерия равно 3,0 Коэффициент детерминации для этого уравнения равен:
На стадии формирования модели, в частности в процедуре отсева факторов, используют
Частные коэффициенты корреляции.
12. «Структурными переменными» называются :
Фиктивные переменные.
13. Дана матрица парных коэффициентов корреляции:
У xl х2 х3
У 1,0 - - -
Xl 0,7 1,0 - -
Х2 -0,5 0,4 1,0 -
Х3 0,4 0,8 -0,1 1,0
Какие факторы являются коллинеарными?
14. Автокорреляционная функция временного ряда - это:
последовательность коэффициентов автокорреляции уровней временного ряда;
15. Прогнозное значение уровня временного ряда в аддитивной модели - это:
Сумма трендовой и сезонной компонент.
16. Одним из методов тестирования гипотезы о коинтеграции временных рядов является:
Критерий Энгеля-Грангера;
17. Коинтеграция временных рядов - это:
Причинно - следственная зависимость в уровнях двух (или более) временных рядов;
18. Коэффициенты при экзогенных переменных в системе уравнений обозначаются:
19. Уравнение сверхидентифицируемо, если:
20.Модель считается неидентифицируемой, если:
Хотя бы одно уравнение модели неидентифицируемо;
ВАРИАНТ 13
1. Первым этапом эконометрического исследования является:
Постановка проблемы.
При какой зависимости разным значениям одной переменной соответствуют разные распределения значений другой переменной?
Статистической;
3. Если коэффициент регрессии больше нуля, то:
Коэффициент корреляции больше нуля.
4. Классический подход к оцениванию коэффициентов регрессии основан на:
Методе наименьших квадратов;
F-критерий Фишера характеризует
Соотношение факторной и остаточной дисперсий, рассчитанных на одну степень свободы.
6. Стандартизованным коэффициентом регрессии является:
Множественный коэффициент корреляции;
7. Для оценки значимости коэффициентов нелинейной регрессии рассчитывают:
F - критерий Фишера;
8. Методом наименьших квадратов определяются параметры:
9. Случайная ошибка коэффициента корреляции определяется по формуле:
M= √(1-r 2)/(n-2)
10. Дано: Dфакт = 120;Docт = 51. Чему будет равно фактическое значение F-критерия Фишера?
11.Частный F-критерий Фишера оценивает:
Статистическую значимость присутствия соответствующего фактора в уравнении множественной регрессии;
12. Несмещенность оценки означает, что :
Математическое ожидание остатков равно нулю.
13. При расчете модели множественной регрессии и корреляции в Ехсеl для вывода матрицы парных коэффициентов корреляции используется:
Инструмент анализа данных Корреляция;
14. Сумма значений сезонной компоненты по всем кварталам в аддитивной модели должна быть равна:
15. Прогнозное значение уровня временного ряда в мультипликативной модели - это:
Произведение трендовой и сезонной компонент;
16. Ложная корреляция вызвана наличием:
Тенденции.
17. Для определения авто корреляции остатков используют:
Критерий Дарбина- Уотсона;
18. Коэффициенты при эндогенных переменных в системе уравнений обозначаются :
19 . Условие, что ранг матрицы, составленной из коэффициентов при переменных. отсутствующих в исследуемом уравнении не меньше числа эндогенных переменных системы на единицу-это:
Дополнительное условие идентификации уравнения в системе уравнений
20. Косвенный метод наименьших квадратов применяется для решения:
Идентифицируемой системы уравнений.
ВАРИАНТ 14
1. Математико-статистическими выражениями, количественно характеризующими экономические явления и процессы и обладающими достаточно высокой степенью надежности, называются:
Эконометрические модели.
2. Задачей регрессионного анализа является:
Определение тесноты связи между признаками;
3. Коэффициент регрессии показывает:
Среднее изменение результата с изменением фактора на одну единицу его измерения.
4. Средняя ошибка аппроксимации - это:
Среднее отклонение расчетных значений результативного признака от фактических;
5. Неправильный выбор математической функции относится к ошибкам:
Спецификации модели;
6. Если параметр а в уравнении регрессии больше нуля, то :
Вариация результата меньше вариации фактора;
7. Линеаризация какой функции происходит путем замены переменных: x=x1, x2=x2
Полинома второй степени;
8. Зависимость спроса от цен характеризуется уравнением вида у = 98 х - 2,1. ЧТО это означает?
С увеличением цен на 1 %, спрос снижается в среднем на 2,1 %;
9. Средняя ошибка прогноза определяется по формуле:
- σост=√(∑(у-ỹ) 2 / (n-m-1))
10. Пусть имеется уравнение парной регрессии: у = 13+6*x, построенное по 20 наблюдениям, при этом r = 0,7. Определить стандартную ошибку для коэффициента корреляции:
11. Стандартизованные коэффициенты регрессии показывают:
На сколько сигм изменится в среднем результат, если соответствующий фактор изменится на одну сигму при неизменном среднем уровне других факторов;
12. Одной ИЗ пяти предпосылок метода наименьших квадратов является:
Гомоскедастичность;
13. Для расчета множественного коэффициента корреляции в Excel используется :
Инструмент анализа данных Регрессия.
14. Сумма значений сезонной компоненты по всем периодам в мультипликативной модели в цикле должна быть равна:
Четырем.
15. При аналитическом выравнивании временного ряда в качестве независимой переменной выступает:
16. Автокорреляция в остатках - это нарушение предпосылки МНК о:
Случайности остатков, полученных по уравнению регрессии;
Показывает
(Эконометрика)
1) На сколько % изменится фактор при изменении результата на 1 %.
2) На сколько % изменится результат при изменении фактора на 1 %.
№2. Коэффициент эластичности показывает На сколько % изменится фактор при изменении результата на 1 %.
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) На сколько ед. изменится фактор при изменении результата на 1 ед.
2) На сколько ед. изменится результат при изменении фактора на 1 ед.
3) Во сколько раз изменится результат при изменении фактора на 1 ед.
4) На сколько % изменится фактор при изменении результата на 1 %.
№3. Стандартизованный коэффициент уравнения Bk s применяется при проверке
(Эконометрика)
(1. Выбор единственно правильного ответа.)
1) При проверке статистической значимости k-го фактора
4) При проверке на гомоскедастичность
№4. Какое из уравнений регрессии нельзя свести к линейному виду?
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Y=Bo+B1x1B2+ … + e
1) Y=Bo+B1x1+ …Bnxn + e
2) Y=eBox1B1 … xnBn e
3) Y=B0+B1 x1 + …Bn/xn+ e
4) Y=B0+B1 x12 + …Bn/xn2+ e
№5. Не является предпосылкой классической модели предположение
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Факторы экзогенны
4) Факторы нестохастические
№6. Какое из уравнений регрессии является степенным?
(Эконометрика)
(1. Выбор единственно правильного ответа.)
1) Y=Bo+B1x1B2+ … + e
2) Y=Bo+B1 /x1 2+ … e
3) Y=B0+B1 x1B2x2 e
4) Y=B0+B1 x1B2 + e
№7. Найдите предположение, являющееся предпосылкой классической модели.
(Эконометрика)
(1. Выбор единственно правильного ответа.)
№8. Найдите предположение, не являющееся предпосылкой классической модели.
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Возмущающая переменная обладает нормальным распределением.
1) Возмущающая переменная имеет нулевое математическое ожидание.
2) Возмущающая переменная имеет постоянную дисперсию .
3) Отсутствует автокорреляция возмущающих переменных.
4) Отсутствует поперечная корреляция возмущающих переменных.
№9. Оценка B** значения параметра модели B является несмещенной, если
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Математическое ожидание B* равно B.
№10. Оценка B* значения параметра модели B является эффективной, если
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) B* обладает наименьшей дисперсией по сравнению с другими оценками.
1) Математическое ожидание B* равно B.
3) При Т, вероятность отклонения B* от значения B стремится к 0.
№11. Оценка В* значения параметра модели В является состоятельной, если
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) При Т, вероятность отклонения В* от значения В стремится к 0.
№12. Критерий Стьюдента предназначен для
(Эконометрика)
(1. Выбор единственно правильного ответа.)
№13. Если коэффициент уравнения регрессии (BK) статистически значим, то
(Эконометрика)
(1. Выбор единственно правильного ответа.)
№14. Табличное значение критерия Стьюдента зависит
(Эконометрика)
(1. Выбор единственно правильного ответа.)
4) Только от уровня доверительной вероятности и длины исходного ряда.
№15. Критерий Дарбнна-Уотсона применяется для
(Эконометрика)
(1. Выбор единственно правильного ответа.)
4) Отбора факторов в модель.
№16. Обобщенный метод наименьших квадратов применяется
(Эконометрика)
(1. Выбор единственно правильного ответа.)
№17. Главные компоненты представляют собой
(Эконометрика)
(1. Выбор единственно правильного ответа.)
3) Центрированные факторы.
4) Пронормированные факторы.
№18. Число главных компонент
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Меньше числа исходных факторов.
№19. Первая главная компонента
(Эконометрика)
(1. Выбор единственно правильного ответа.)
4) Отражает тесноту связи между результатом и первым фактором.
№20. В правой части структурной формы взаимозависимой системы могут стоять
(Эконометрика)
(1. Выбор единственно правильного ответа.)
4) Только эндогенные переменные (как лаговые, так - и нелаговые).
№21. В правой части структурной формы взаимозависимой системы могут стоять
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Любые экзогенные и эндогенные переменные.
1) Только экзогенные лаговые переменные.
2) Только экзогенные переменные (как лаговые, так и нелаговые).
3) Только эндогенные лаговые переменные.
№22. В правой части прогнозной формы взаимозависимой системы могут стоять
(Эконометрика)
(1. Выбор единственно правильного ответа.)
1) Только экзогенные лаговые переменные.
2) Только экзогенные переменные (как лаговые, так и нелаговые).
4) Любые экзогенные и эндогенные переменные.
№23. Под переменной структурой понимается
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Изменение степени влияния факторов на результирующий показатель.
1) Изменение состава факторов в модели.
2) Изменение статистической значимости факторов.
3) Присутствие в модели фактора времени в явном виде.
4) Изменение экономической значимости факторов.
№24. Проверка гипотезы о переменной структуре модели осуществляется с помощью
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Критерия Стьюдента.
1) Критерия Дарбина-Уотсона.
2) Критерия Пирсона.
3) Критерия Фишера.
№25. Найдите неверно указанный элемент интервального прогноза.
(Эконометрика)
(1. Выбор единственно правильного ответа.)
№26. Какое из уравнений регрессии является степенным?
(Эконометрика)
(1. Выбор единственно правильного ответа.)
1) Y=Bo+B1x1B2+ … + e
2) Y=Bo+B1 /x1 2+ … e
3) Y=B0+B1 x1B2x2 e
4) Y=B0+B1 x1B2 + e
№27. Оценка B* значения параметра модели B является состоятельной, если
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) При Т. вероятность отклонения B* от значения B стремится к 0.
1) B* обладает наименьшей дисперсией по сравнению с другими оценками.
2) Математическое ожидание B* равно B.
№28. Обобщенный метол наименьших квадратов применяется
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) И в случае автокорреляции ошибок и в случае гетероскедастичности.
1) Только в случае автокорреляции ошибок
2) Только в случае гетероскедастичности.
3) При наличии мультиколлинеарности (корреляции факторов).
4) Только в случае гомоскедастичности.
№29. В правой части структурной формы взаимозависимой системы могут стоять
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Любые экзогенные и эндогенные переменные.
1) Только экзогенные лаговые переменные.
2) Только экзогенные переменные (как лаговые, так и нелаговые).
3) Только эндогенные лаговые переменные.
4) Только эндогенные переменные (как лаговые. так и нелаговые).
№30. Найдите неверно указанный элемент интервального прогноза.
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Объясненная уравнением регрессии дисперсия результирующего показателя.
1) Точечный прогноз результирующего показателя.
2) Среднеквадратическое отклонение прогнозного значения.
3) Квантиль распределения Стьюдента.
4) Неверно указанного элемента нет.
№31. Коэффициент эластичности показывает
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) На сколько ед. изменится результат при изменении фактора на 1 ед.
1) На сколько % изменится результат при изменении фактора на 1 %.
2) На сколько % изменится фактор при изменении результата на 1 %.
3) На сколько ед. изменится фактор при изменении результата на 1 ед.
4) Во сколько раз изменится результат при изменении фактора на 1 ед.
№32. Найдите предположение, являющееся предпосылкой классической модели.
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Результирующий показатель является количественным.
1) Результирующий показатель измеряется в порядковой шкале.
2) Результирующий показатель измеряется в номинальной шкале.
3) Результирующий показатель измеряется в дихотомической шкале.
4) Результирующий показатель может быть и количественным и качественным.
№33. Критерий Стьюдента предназначен для
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Определения статистической значимости каждого коэффициента уравнения.
1) Определения экономической значимости каждого коэффициента уравнения.
2) Проверки модели на автокорреляцию остатков.
3) Определения экономической значимости модели в целом.
4) Проверки на гомоскедастичность.
№34. Табличное значение критерия Стьюдента, зависит
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) И от доверительной вероятности, и от числа факторов, и от длины исходного ряда.
1) Только от уровня доверительной вероятности.
2) Только от числа факторов в модели.
3) Только от длины исходного ряда.
4) Только от уровня доверительной вероятности и длины исходного ряда
№35. В правой части структурной формы взаимозависимой системы могут стоять
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Любые экзогенные и эндогенные переменные.
1) Только экзогенные лаговые переменные.
2) Только экзогенные переменные (как лаговые, так и нелаговые).
3) Только эндогенные лаговые переменные.
4) Только эндогенные переменные (как лаговые, так и нелаговые).
№36. Стандартизованный коэффициент уравнения Bk s применяется при проверке
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) При проверке важности фактора по сравнению с остальными факторами.
1) При проверке статистической значимости k-го фактора.
2) При проверке экономической значимости k-го фактора.
3) При отборе факторов в модель.
4) При проверке на гомоскедастичность.
№37. Критерий Дарбина-Уотсона применяется для
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Проверки модели на автокорреляцию остатков.
1) Определения экономической значимости модели в целом.
2) Определения статистической значимости модели в целом.
3) Сравнения двух альтернативных вариантов модели.
4) Отбора факторов в модель.
№38. Число главных компонент
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Меньше числа исходных факторов
1) Больше числа исходных факторов, но меньше длины базисного ряда данных.
2) Равно числу исходных факторов.
3) Равно длине базисного ряда данных.
4) Больше длины базисного ряда данных.
№39. Первая главная компонента
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Содержит максимальную долю изменчивости всей матрицы факторов.
1) Отражает степень влияния первого фактора на результат.
2) Отражает степень влияния результата на первый фактор.
3) Отражает долю изменчивости результата, обусловленную первым фактором.
4) Отражает тесноту связи между результатом и первым фактором
№40. Найдите неверно указанный элемент интервального прогноза.
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Объясненная уравнением регрессии дисперсия результирующего показателя.
1) Точечный прогноз результирующего показателя.
2) Среднеквадратическое отклонение прогнозного значения.
3) Квантиль распределения Стьюдента.
4) Неверно указанного элемента нет.
№41. Какое из уравнений регрессии нельзя свести к линейному виду?
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) y=B0+B1x1B2+ .. +e
1) y=B0+B1x1+ … Bnxn+e
2) y=eB0x1B1 … xnBn e
3) y=B0+B1/x1+ … Bn/xn+e
4) y=B0+B1/x12+ … +Bn/xn2+e
№42. Коэффициенты множественной детерминации (О) и корреляции (К) связаны
(Эконометрика)
(1. Выбор единственно правильного ответа.)
№43. Главные компоненты представляют собой
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Линейные комбинации факторов.
1) Статистически значимые факторы.
2) Экономически значимые факторы.
3) Центрированные факторы.
4) Пронормированные факторы.
№44. В оравой части прогнозной формы взаимозависимой системы могут стоять
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Эндогенные лаговые и экзогенные переменные (и лаговые и нелаговые).
1) Только экзогенные лаговые переменные.
2) Только экзогенные переменные (как лаговые, так и нелаговые).
3) Только эндогенные переменные (как лаговые, так и нелаговые).
4) Любые экзогенные и эндогенные переменные
№45. Проверка гипотезы о переменной структуре модели осуществляется с помощью
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Критерия Стьюдента.
1) Критерия Дарбина-Уотсона.
2) Критерия Пирсона.
3) Критерия Фишера.
4) Коэффициента множественной детерминации.
№46. Не является предпосылкой классической модели предположение
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Факторы экзогенны.
1) Матрица факторов - невырожденная.
2) Длина исходного ряда данных больше, чем количество факторов.
3) Матрица факторов содержит все важные факторы, влияющие на результат.
4) Факторы нестохастические.
№47. Оценка В** значения параметра модели? является несмешанной, если
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Математическое ожидание В* равно В.
2) обладает наименьшей дисперсией по сравнению с другими оценками.
3) При Т, вероятность отклонения В* от значения В стремится к 0
№48. Оценка В* значения параметра модели В является состоятельной, если
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) При Т вероятность отклонения В* от значения В стремится к 0.
1) В* обладает наименьшей дисперсией по сравнению с другими оценками.
2) Математическое ожидание В* равно В.
№49. Если коэффициент уравнения регрессии (В) статистически значим, то
(Эконометрика)
(1. Выбор единственно правильного ответа.)
4) 0 < Bk < 1.
№50. Обобщенный метод наименьших квадратов применяется
(Эконометрика)
(1. Выбор единственно правильного ответа.)
0) Ив случае автокорреляции ошибок и в случае гетероскедастичности.
1) Только в случае автокорреляции ошибок
2) Только в случае гетероскедастичности.
3) При наличии мультиколлинеарности (корреляции факторов).
4) Только в случае гомосксдастичности.
Общие интенсивные коэффициенты (рождаемости, смертности, детской смертности, заболеваемости и т.д.) правильно отражают частоту явлений при их сопоставлении лишь в том случае, если состав сравниваемых совокупностей однороден. Если же они имеют неоднородный возрастно-половой или профессиональный состав, различие по тяжести болезни, по нозологическим формам иди по другим признакам, то ориентируясь на общие показатели, сравнивая их, можно сделать неправильный вывод о тенденциях изучаемых явлений и истинных причинах разницы общих показателей сравниваемых совокупностей.
Например, больничная летальность на терапевтическом отделении № 1 в отчетном году составила 3%, а на терапевтическом отделении №2 в том же году - 6%. Если оценивать деятельность этих отделений по общим показателям, то можно сделать вывод о неблагополучии на 2 терапевтическом отделении. А если предположить, что состав лечившихся на этих отделениях разнится по нозологическим формам или по тяжести заболеваний госпитализированных, то наиболее правильным способом анализа является сопоставление специальных коэффициентов, рассчитанных отдельно.для каждой группы больных с одинаковыми нозологическими формами или тяжестью заболеваний, так называемых «повозрастных коэффициентов».
Зачастую, однако, в сравниваемых совокупностях наблюдаются противоречивые данные. Кроме того, даже при наличии одинаковой тенденции во всех сравниваемых группах не всегда удобно пользоваться набором показателей, а предпочтительнее получить единую суммарную оценку. Во всех подобных случаях прибегают к методу стандартизации, то есть к устранению (элиминации) влияния состава (структуры) совокупностей на общий, итоговый показатель.
Следовательно, метод стандартизации применяется тогда, когда имеющиеся различия в составе сравниваемых совокупностей могут повлиять на размеры общих коэффициентов.
Для того, чтобы устранить влияние неоднородности составов сравниваемых совокупностей на величину получаемых коэффициентов, их приводят к единому стандарту, то есть условно допускается, что состав сравниваемых совокупностей одинаков. В качестве стандарта можно принять состав какой-либо близкой по существу третьей совокупности, средний состав двух сравниваемых групп или, проще всего, состав одной из сравниваемых групп.
Стандартизованные коэффициенты показывают, каковы были бы общие интенсивные показатели (рождаемости, заболеваемости, смертности, летальности и т.д.), если бы на их величину не оказывала влияние неоднородность в составах сравниваемых групп. Стандартизованные коэффициенты являются условными величинами и применяются исключительно для анализа в целях сравнения.
Существуют три метода стандартизации: прямой, косвенный и обратный (Керриджа).
Рассмотрим применение этих трех методов стандартизации на примерах, взятых из статистики злокачественных новообразований. Как известно, с возрастом значительно повышаются, коэффициенты смертности от злокачественных новообразований. Отсюда следует, что если в каком-либо городе будет относительно высока доля людей пожилых возрастов, а в другом - преобладать население среднего возраста, то даже при полном равенстве санитарных условий жизни и медицинской помощи в обоих сравниваемых городах неизбежно общий коэффициент смертности населения от злокачественных новообразований в первом городе будет выше, чем тот же коэффициент во втором городе.
Для того, чтобы нивелировать влияние возраста на общий показатель смертности населения от злокачественных новообразований, необходимо применить стандартизацию. Только после этого можно будет сравнивать полученные коэффициенты и сделать обоснованный вывод о большем или меньшем уровне смертности от злокачественных новообразований в целом в сравниваемых городах.
Прямой метод стандартизации. В нашем примере его можно применять в том случае, когда известен возрастной состав населения и есть информация для расчета повозрастных коэффициентов смертности населения от злокачественных новообразований (числа умерших от злокачественных новообразований в каждой возрастной группе).
Методика вычисления стандартизованных коэффициентов прямым методом слагается из четырех последовательных этапов (табл. 5.1).
Первый этап. Вычисление «повозрастных» коэффициентов смертности от злокачественных новообразований (отдельно для каждой возрастной группы).
Второй этап. Выбор стандарта осуществляется произвольно. В нашем примере за стандарт взят возрастной состав населения в городе «А».
Таблица 5.1
Стандартизация коэффициентов смертности от злокачественных новообразований в городах «А» и «Б» (прямой метод)
Третий этап. Расчет «ожидаемых» чисел. Мы определяем, сколько бы человек умерло от злокачественных новообразований в каждой возрастной группе населения города «Б» при имеющихся повозрастных показателях смертности от злокачественных новообразований в этом городе, но при возрастном составе города «А» (стандарт).
Например, в возрастной группе «до 30 лет»:
или в возрастной группе «40-49 лет»:
Четвертый этап. Расчет стандартизованных коэффициентов. Сумму «ожидаемых» чисел (1069,0) мы предлагаем получить из общей численности населения города «А» (700000). А сколько же умерших от злокачественных новообразований приходится на 100000 населения?
Из наших результатов можно сделать следующий вывод: если бы возрастной состав населения «Б» был бы такой же, как в городе «А» (стандарт), то смертность населения от злокачественных новообразований в городе «Б» была бы существенно выше (152,7%ооо против 120,2%ооо).
Косвенный метод стандартизации. Применяется, если специальные коэффициенты в сравниваемых группах неизвестны или известны, но мало достоверны. Это наблюдается, например, когда числа заболевших очень малы и, следовательно, вычисляемые коэффициенты будут существенно меняться в зависимости от прибавления одного или нескольких случаев заболеваний.
Вычисление стандартизованных коэффициентов косвенным способом можно разбить на три этапа (см. табл. 5.2).
Первый этап. Состоит в выборе стандарта. Так как нам обычно неизвестны специальные коэффициенты сравниваемых групп (коллективов), то за стандарт берутся специальные коэффициенты какого-то хорошо изученного коллектива. В рассматриваемом примере таковыми могут служить повозрастные показатели смертности от злокачественных новообразований в городе «С».
Второй этап включает вычисление «ожидаемых» чисел умерших от злокачественных новообразований. Допуская, что повозрастные коэффициенты смертности в обоих сравниваемых городах равны стандартным, определяем сколько бы умерло людей от злокачественных новообразований в каждой возрастной группе.
На третьем этапе вычисляются стандартизованные коэффициенты смертности населения от злокачественных новообразований. Для этого действительное число умерших относят к суммарному «ожидаемому» числу, и результат умножают на общий коэффициент смертности стандарта.
Действительное число умерших Общий коэф. смертности стандарта
«Ожидаемое» число умерших
Cтраница 1
Стандартизованные коэффициенты регрессии показывают, на сколько сигм изменится в среднем результат, если соответствующий фактор х, изменится на одну сигму при неизменном среднем уровне других факторов. В силу того, что все переменные заданы как центрированные и нормированные, стандартизованные коэффициенты рефессии Д сравнимы между собой. Сравнивая их друг с другом, можно ранжировать факторы по силе их воздействия на результат. В этом основное достоинство стандартизованных коэффициентов рефессии в отличие от коэффициентов чистой рефессии, которые несравнимы между собой.
Согласованность частной корреляции и стандартизованных коэффициентов регрессии наиболее отчетливо видна из сопоставления их формул при двухфакгорном анализе.
Согласованность частной корреляции и стандартизованных коэффициентов регрессии наиболее отчетливо видна из сопоставления их формул при двухфакторном анализе.
Для определения значений оценок at стандартизованных коэффициентов регрессии а (наиболее часто находят применение следующие методы решения системы нормальных уравнений: метод определителей, метод квадратного корня и матричный метод. В последнее время для решения задач регрессионного анализа широко применяется матричный метод. Здесь же рассмотрим решение системы нормальных уравнений методом определителей.
Иными словами, в двухфакторном анализе частные коэффициенты корреляции - это стандартизованные коэффициенты регрессии, умноженные на корень квадратный цз соотношения долей остаточных дисперсий фиксируемого фактора на фактор и на результат.
Существует и другая возможность оценки роли группировочных признаков, их значимости для классификации: на основе стандартизованных коэффициентов регрессии или коэффициентов раздельной детерминации (см. гл.
Как видно из табл. 18, компоненты исследованной композиции распределились по абсолютной величине коэффициентов регрессии (Ь5) с их квадратной ошибкой (5ъг) в ряд от окиси углерода и органических кислот до альдегидов и паров масла. При вычислении стандартизованных коэффициентов регрессии (р) оказалось, что с учетом диапазона колебаний концентраций на первый план ло значимости в формировании токсичности смеси в целом выходят кетоны и окись углерода, а органические кислоты остаются на 3 - м месте.
Коэффициенты условно-чистой регрессии bf являются Именованными числами, выраженными в разных единицах измерения, и поэтому несравнимы друг с другом. Для преобразования их в сравнимые относительные показатели применяется то же преобразование, что и для получения коэффициента парной корреляции. Полученную величину называют стандартизованным коэффициентом регрессии или - коэффициентом.
Коэффициенты условно-чистой регрессии А; являются именованными числами, выраженными в разных единицах измерения, и поэтому несравнимы друг с другом. Для преобразования их в сравнимые относительные показатели применяется то же преобразование, что и для получения коэффициента парной корреляции. Полученную величину называют стандартизованным коэффициентом регрессии или - коэффициентом.
В процессе разработки нормативов численности собираются исходные данные о списочной численности управленческого персонала и значениях факторов по отобранным базовым предприятиям. Далее отбираются существенные факторы для каждой функции на основе корреляционного анализа, исходя из значения коэффициентов корреляции. Выбираются факторы с наибольшим значением парного коэффициента корреляции с функцией и стандартизованного коэффициента регрессии.
Результаты перечисленных выше вычислений позволяют расположить в порядке уменьшения коэффициенты регрессии, соответствующие исследуемой смеси, и тем самым количественно оценить степень их опасности. Однако полученный таким путем коэффициент регрессии не учитывает диапазона возможных колебаний каждого компонента в составе смеси. В результате продукты деструкции, имеющие высокие коэффициенты регрессии, но колеблющиеся в малом диапазоне концентраций, могут оказать на суммарный токсический эффект меньшее влияние, чем ингредиенты с относительно малыми Ь, содержание которых в составе смеси изменяется в более широких пределах. Поэтому представляется целесообразным производить дополнительную операцию - расчет так называемых стандартизованных коэффициентов регрессии р (Дж.
Страницы: 1
Загрузка...
