Prezența heteroscedasticitate în modelul de regresie poate duce la consecințe negative:
- ecuația de estimare normală de regresie liniară rămâne imparțial și consecvent, dar eficiența este pierdut;
- există o probabilitate mare ca estimările erorile standard ale coeficienților modelului de regresie care urmează să fie calculat incorect, care ar putea duce în cele din urmă la afirmarea ipoteze incorecte cu privire la semnificația coeficienților de regresie și semnificația ecuației de regresie în ansamblu.
Pentru a elimina autocorelarea se utilizează metoda celor mai mici pătrate ponderate, care este un caz special al metodei celor mai mici pătrate generalizată.
detectarea heteroscedasticitate
În unele cazuri, cunoscând natura datelor, apariția problemelor HETEROSCEDASTICITĂȚII pot fi anticipate și pentru a încerca să elimine acest dezavantaj în etapa de specificații. Cu toate acestea, in mod semnificativ mai susceptibile de a avea de a rezolva problema după construirea ecuației de regresie. Pentru a determina Heteroskedasticity dezvoltat destul de o serie de teste și criteriile pentru ei.
exemple de lucrări
cooperare
materiale site-
avantajele noastre
- Experiența largă de muncă pentru studenții din toată România
- lucrări soluție profesională
- design de înaltă calitate
- Posibilitatea de a rezolva muncă pe zi
- preturi mici
- Examene
- cursuri
- Ajutor on-line în examinările și controlul
- consiliere on-line
- testarea
- prezentari