Regression model building with the use of regression diagnostics

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25310%2F14%3A39900195" target="_blank" >RIV/00216275:25310/14:39900195 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

čeština

Original language name

Výstavba regresního modelu diagnostikami regresního tripletu

Original language description

Postup hledání regresního modelu obsahuje: 1. Návrh modelu začíná vždy od nejjednoduššího modelu, a to lineárního. 2. Předběžná analýza dat sleduje proměnlivost proměnných na rozptylových diagramech a indexových grafech. Vyšetřuje se multikolinearita, heteroskedasticita, autokorelace a vlivné body. 3. Odhadování parametrů se provádí klasickou metodou nejmenších čtverců, následované testem významnosti parametrů Studentovým t-testem. Střední kvadratická chyba predikce MEP a Akaikovo informační kritérium AIC představují rozhodčí kritéria při hledání nejlepšího regresního modelu. 4. Regresní diagnostika provádí identifikaci vlivných bodů a ověření předpokladů metody nejmenších čtverců. V případě více vysvětlujících proměnných se posoudí vhodnost jednotlivých proměnných pomoci parciálních regresních grafů a parciálních reziduálních grafů. 5. Parametry zpřesněného modelu jsou odhadovány s využitím (a) metody vážených nejmenších čtverců (MVNČ) při nekonstantnosti rozptylu, (b) metody zobecněn

Czech name

Výstavba regresního modelu diagnostikami regresního tripletu

Czech description

Postup hledání regresního modelu obsahuje: 1. Návrh modelu začíná vždy od nejjednoduššího modelu, a to lineárního. 2. Předběžná analýza dat sleduje proměnlivost proměnných na rozptylových diagramech a indexových grafech. Vyšetřuje se multikolinearita, heteroskedasticita, autokorelace a vlivné body. 3. Odhadování parametrů se provádí klasickou metodou nejmenších čtverců, následované testem významnosti parametrů Studentovým t-testem. Střední kvadratická chyba predikce MEP a Akaikovo informační kritérium AIC představují rozhodčí kritéria při hledání nejlepšího regresního modelu. 4. Regresní diagnostika provádí identifikaci vlivných bodů a ověření předpokladů metody nejmenších čtverců. V případě více vysvětlujících proměnných se posoudí vhodnost jednotlivých proměnných pomoci parciálních regresních grafů a parciálních reziduálních grafů. 5. Parametry zpřesněného modelu jsou odhadovány s využitím (a) metody vážených nejmenších čtverců (MVNČ) při nekonstantnosti rozptylu, (b) metody zobecněn

Type

D - Article in proceedings

CEP classification

JD - Use of computers, robotics and its application

OECD FORD branch

—

Project

—

Continuities

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Publication year

2014

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Article name in the collection

Analýza dat 2014

ISBN

—

ISSN

1805-6903

e-ISSN

—

Number of pages

22

Pages from-to

43-56

Publisher name

TriloByte Statistical Software, spol. s r. o.

Place of publication

Pardubice

Event location

Pardubice

Event date

Nov 25, 2014

Type of event by nationality

CST - Celostátní akce

UT code for WoS article

—