Особливості застосування поліноміальної моделі регресії з похибками вимірювання в прогнозуванні соціально-економічних процесів.
Ключові слова:
модель регресії, похибки вимірювання, оцінка, метод найменших квадратів, економетрична модель, мультиколінеарність.
Анотація
Розглянуто полiномiальну регресiйну модель з похибками вимірювання. З допомогою методу виправлених найменших квадратів знайдено конзистентну оцiнку для невідомого параметра. Досліджується взаємозв’язок між факторними змінними, які потенційно можуть входити до економетричної моделі. Обгрунтовується вплив мультиколінеарності на якість оцінок, отриманих за допомогою МНК. Розглянуто способи виявлення мультиколінеарності та методи тестування мультиколінеарності.
Посилання
Glushak OM, Semenyaka SO Prerequisites for constructing a multifactor econometric model: a study on multicollinearity. Physical and mathematical education. 2018. Vip. 1. S. 171–175.
Economic and mathematical modeling: Textbook / Ed. OT Ivashchuk. Ternopil: TNEU "Economic Thought", 2008. 704 p.
Kukush A.G. and Polekha M.Ya. A goodness-of-fit test for a multivariate errors-in-variables model. Theory of Stochastic Processes. 12(28), 3-4, 2006. 67-79.
The method of principal components. Wikipedia is a free encyclopedia. URL: https://uk.wikipedia.org/wiki/Метод_головних_компонент (access date: 03.11.2020).
Moiseev NA Comparative analysis of the effectiveness of methods to eliminate multicollinearity. Accounting and statistics. 2017. № 2. S. 62–73.
Paul R.K. Multicollinearity: causes, effects and remedies. IASRI. 2006. No. 35. P. 58–65.
Cheng C.-L. and Schneeweiss H. Polynomial regression with errors in the variables. J. R. Statist. Soc. B, 60, 1998. 189-199.
Cheng C.-L. and Schneeweiss H. A small sample estimator for a polynomial regression with errors in the variables. J. R. Statist. Soc. B, 62, 2000. 699-709.
Cheng C.-L. and Schneeweiss H. On the polynomial measurement error model, in: S. van Huffel and P. Lemmerling (editors), Total Least Squares and Errors-in-Variables Modeling. Kluwer, Dordrecht, 2002. 131-143.
Khomyak M. Ya. Application of the polynomial model with errors in variables in forecasting socio-economic processes // Modern challenges and current problems of science, education and production: intersectoral debates [collection. Science. pr.]: materials of the IX International Scientific and Practical Internet Conference (Kyiv, October 16, 2020). Kyiv, 2020. - P. 723-726.
Khomyak M. A polynomial errors-in-variables model in forecasting of economic processes // International Scientific Internet Conference "Information Society: Technological, Economic and Technical Aspects of Formation" (issue 52) / Collection of abstracts: issue 52 (m. Ternopil, October 14, 2020). - Ternopil. - P. 17-19.
Economic and mathematical modeling: Textbook / Ed. OT Ivashchuk. Ternopil: TNEU "Economic Thought", 2008. 704 p.
Kukush A.G. and Polekha M.Ya. A goodness-of-fit test for a multivariate errors-in-variables model. Theory of Stochastic Processes. 12(28), 3-4, 2006. 67-79.
The method of principal components. Wikipedia is a free encyclopedia. URL: https://uk.wikipedia.org/wiki/Метод_головних_компонент (access date: 03.11.2020).
Moiseev NA Comparative analysis of the effectiveness of methods to eliminate multicollinearity. Accounting and statistics. 2017. № 2. S. 62–73.
Paul R.K. Multicollinearity: causes, effects and remedies. IASRI. 2006. No. 35. P. 58–65.
Cheng C.-L. and Schneeweiss H. Polynomial regression with errors in the variables. J. R. Statist. Soc. B, 60, 1998. 189-199.
Cheng C.-L. and Schneeweiss H. A small sample estimator for a polynomial regression with errors in the variables. J. R. Statist. Soc. B, 62, 2000. 699-709.
Cheng C.-L. and Schneeweiss H. On the polynomial measurement error model, in: S. van Huffel and P. Lemmerling (editors), Total Least Squares and Errors-in-Variables Modeling. Kluwer, Dordrecht, 2002. 131-143.
Khomyak M. Ya. Application of the polynomial model with errors in variables in forecasting socio-economic processes // Modern challenges and current problems of science, education and production: intersectoral debates [collection. Science. pr.]: materials of the IX International Scientific and Practical Internet Conference (Kyiv, October 16, 2020). Kyiv, 2020. - P. 723-726.
Khomyak M. A polynomial errors-in-variables model in forecasting of economic processes // International Scientific Internet Conference "Information Society: Technological, Economic and Technical Aspects of Formation" (issue 52) / Collection of abstracts: issue 52 (m. Ternopil, October 14, 2020). - Ternopil. - P. 17-19.
Опубліковано
2020-12-21
Як цитувати
Хомяк, М. (2020). Особливості застосування поліноміальної моделі регресії з похибками вимірювання в прогнозуванні соціально-економічних процесів . КОМП’ЮТЕРНО-ІНТЕГРОВАНІ ТЕХНОЛОГІЇ: ОСВІТА, НАУКА, ВИРОБНИЦТВО, (41), 114-118. https://doi.org/10.36910/6775-2524-0560-2020-41-19
Розділ
Автоматика та управління
