44. Метод пошаговой регрессии. Проблема мультиколлинеарности.
Мультиколлинеарностью для множественной регрессии называется наличие линейной зависимости между факторными переменными, включенными в модель.
Признаки мультиколлинеарности: коэф детерминации достаточно высокий, но некоторые из коэффициентов регрессии статистически незначимы; парные корреляции между малозначимыми объясняющими переменными достаточно высоки (для 2 переменных); высокие частные коэффициенты корреляции; наличие сильной вспомогатнльной регрессии (одна из независимых х является линейной комбинацией других независимых включенных в модель) Мультиколлинеарность может быть проблемой, так как она затрудняет разделение влияния объясняющих факторов на поведение зависимой переменной и делает оценки коэффициентов регрессии ненадежными.Последствия мультиколлинеарности: большие дисперсии оценко, что затрудняет нахождение истинных значенй, определяемых величин и расширяет интервальные оценки, ухудшая их точность; уменьшаются t-статистики коэффициентов, что может привести к неоправданному выводу о влиянии соответствующей переменной на зависимую переменную; оценки коэффициентов по МНК и их стандартные ошибки становятся очень чувствительными к малейшим изменениям данных; затрудняется определение вклада каждой из объясняющей переменных в объясняемую уравнением регрессию дисперсию зависимой переменной; возможно получение неверного знака у коэффициентов регрессии. Для оценки мультиколлинеарности можно вычислить коэффициент VIF. , где Rj2 – коэффициент множественной корреляции переменной со всеми другими независимыми переменными. Если переменные не коррелируют – VIF=1, в случае сильной корреляции – 10 и больше. Пороговое значение – 5.
Методы устранения мультиколлинеарности: исключение из модели одной или ряда коррелирующих переменных; получение дополнительных данных или новой выборки; изменение спецификации модели – изменение формы модели либо добавление новых переменных; преобразование переменных.
Пошаговая регрессия – регрессионная процедура, в которой предикторы по очереди вводят или выводят из уравнения регрессии. Цель – отбор из большого количества предикторов небольшой подгруппы переменных, которые вносят небольшой вклад в вариацию переменной зависимой.Прямая пошаговая регрессия – введение предикторов по одному, при условии, что они удовлетворяют определенному статистическому критерию. Обратная – исключение из всей совокупности предикторов не соответствующих статистическому критерию. Пошаговый подход – на каждом шаге включение осуществляют одновременно с выводом предикторов, которые не удовлетворяют конкретному критерию.
- 2.Объекты ми:
- 4. Система анализа информации представляет собой набор современных логических, эконом- математических и эконом- стат методик обработки информации:
- 5.Основные направления анализа полученной информации
- 6. Разработка маркетинговой стратегии:
- 5. Формулирование цели маркетингового исследования. Формирование рабочей гипотезы. Методы генерирования рабочих гипотез.
- 6. Разработка плана маркетингового исследования.
- 7. Сбор и анализ вторичной информации.
- 8. Анализ избранных случаев.
- 9. Метод фокус-групп: характеристика и этапы использования.
- 10. Глубинные интервью: характеристика и этапы использования.
- 11. Проекционные методы (пм) исследования: характеристика и этапы использования.
- 12. Общая характеристика выборочных методов.
- 13. Детерминированные и вероятностные методы расчета выборки.
- 14. Расчет размера и ошибки выборки в случае вероятностного метода отбора.
- 15. Методы проведения опроса. Этапы использования метода опроса.
- 16. Разработка анкеты. Формулировка и оценка вопросов. Выбор последоват. Вопросов. Тестирование анкеты и ее корректировка.
- 21.Концепция причинности в маркетинге. Причинно-следственные связи.
- 22.Этапы разработки и проведения эксперимента.
- 23.Обеспечение валидности экспериментов. Возможные угрозы валидности. Контроль факторов, снижающих валидность.
- 24.Классические модели эксперимента: предварительные модели.
- 25.Классические модели эксперимента: истинные модели.
- 26.Классические модели эксперимента: модели квазиэксперимента.
- 27.Статистические модели эксперимента.
- 28.Пробный маркетинг как вид контролируемого эксперимента.
- 29. Подготовка данных к анализу: редактирование и кодирование данных. Категориальная и дихотомическая кодировка.
- 30 Подготовка данных к анализу: составление базы данных, табулирование, корректировка.
- 31 Логические методы анализа: экспертный анализ, контент – анализ.
- 32 Построение частотных распределений. Показатели центра распределения.
- 33.Показатели вариации и формы распределения данных.
- 34.Этапы проверки гипотез о связях между переменными. Нулевая и альтернативная гипотезы. Статистический критерий. Уровень значимости. Критическая область.
- 35.Построение таблиц сопряженности признаков. Введение третьей переменной.
- 36. Показатели оценки статистической значимости и тесноты связи переменных, включенных в состав таблицы сопряженности.
- 40. Многофакторный дисперсионный анализ. Ковариационный анализ.
- 40.Ковариационный анализ.
- 41. Корреляционный анализ.
- 42. Регрессионный анализ.
- 43. Множественный регрессионный анализ. Нелинейная регрессия.
- 44. Метод пошаговой регрессии. Проблема мультиколлинеарности.
- 45. Оценка регрессионной модели. Проверка адекватности модели регрессии.
- 46. Дискриминантный анализ (да): цели, этапы выполнения
- 48. Кластерный анализ (ка): суть метода, этапы выполнения анализа, вращение факторов.
- 49. Многомерное шкалирование (мш) и совместный анализ (са)
- 50. Международные маркетинговые исследования.
- 51.Отчет о маркетинговом исследовании. Презентация отчета. Поддержка клиента и оценка эффективности проекта.
- 1. Подготовка отчета.
- 17. Измерение и шкалирование. Типы шкал
- 18. Методы сравнительного и несравнительного шкалирования
- 19. Этапы использования метода наблюдения. Оценка надежности наблюдения
- 20. Полевые работы