- •Многомерные статистические методы (для специальности 06.18.00 «Математические методы в экономике»)
- •Содержание
- •9.Методы многомерного анализа 26
- •1.О статистических методах в экономике
- •2.Статистические методы
- •3. Многомерные статистические методы: свойства недетерминированных объектов
- •4.Методы многомерного анализа
- •Дисперсионный анализ;
- •Регрессионный анализ;
- •5.Система случайных величин
- •6.Многомерный нормальный закон распределения
- •7.Статистические выводы и оценивание
- •7.Критерии оценивания в больших выборках
- •8.Метод наименьших квадратов
- •9.Методы многомерного анализа
- •10.Дисперсионный анализ
- •11.Статистическая обработка результатов дисперсионного анализа
- •12.Основная схема дисперсионного анализа
- •13.Применение мнк для дисперсионного анализа
- •14.Планы дисперсионного анализа для изучения источников рассеивания
- •15.Дисперсионный анализ при многосторонней классификации
- •16.Планы многоступенчатой классификации
- •17. Регрессионный анализ
- •18.Задача идентификации в регрессионном анализе
- •19.Оценка результатов регрессионного анализа
- •20.Проверка воспроизводимости
- •21.Проверка значимости
- •22.Проверка адекватности
- •23.Метод гребневой регрессии в регрессионном анализе
- •24.Метод главных компонент
- •25.Факторный анализ
- •26.Корреляционный анализ
- •27.Планирование эксперимента в задачах идентификации
- •28.Общие критерии оптимальности планов эксперимента
- •29.Ортогональный план эксперимента
- •30.Построение матрицы планирования полного факторного эксперимента
- •31.Дробный факторный эксперимент
- •32.Анализ подбираемых моделей при ортогональном планировании
15.Дисперсионный анализ при многосторонней классификации
Матрицу ДА для блочных рандомизированных планов можно интерпретировать как матрицу не однофакторного, а двухфакторного ДА. Такая задача может считаться задачей двухфакторного ДА или задачей классификации. Существует два основных варианта этой задачи:
факторы равноправны, т.е. действуют одинаково и независимо,
факторы являются равноподчиненными (зависимыми).
В первом случае ДА рассматривается как метод многосторонней классификации, во втором – многоступенчатой классификации. В многосторонней классификации часто выделяют третий фактор, который вводится в виде блоков, и эксперимент интерпретируется как двухфакторный блочный план. Основные его отличия состоят в том, что, во-первых, кроме двух факторов действует эффект двух блоков, во-вторых, рассматривается взаимодействие факторов, которые в модели рассматриваются как их произведение. Модель в этом случае имеет вид:
Эффект взаимодействия оценивается также по критерию Фишера, однако для расчета надо знать математическое ожидание сумы квадратов отклонений.
- численность организации,
- период наблюдения (год),
- установление зависимости между факторами,
- эффект блоков, в качестве которого можно взять вид собственности.
Таблица ДА при многосторонней классификации
блоки |
|
1 |
… |
j |
... |
n |
|
1 |
|
|
... |
|
... |
|
|
... |
... |
... |
... |
... |
... |
... |
... |
k |
... |
|
... |
|
... |
|
|
... |
... |
... |
... |
... |
... |
... |
... |
l |
... |
|
... |
|
... |
|
|
|
... |
|
... |
... |
... |
|
|
Средняя по каждому индексу суммирования:
Таблица ДА
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
После составления таблиц производится второй этап – проверка статистических гипотез. Здесь могут возникнуть два случая:
если уровни фактора в матрице планирования являются фиксированными, проверяется гипотеза с использованием критерия Фишера ;
если уровни фактора случайны, проверяется гипотеза о том, что дисперсия равна нулю с использованием ; если дисперсия однородна, данная гипотеза принимается, но проводится сравнение математических ожиданий оценок дисперсий.
16.Планы многоступенчатой классификации
Многоступенчатое представление дисперсии основано на следующем положении статистики: дисперсия генеральной совокупности, состоящей из нескольких частных совокупностей, равна средней из дисперсий частных совокупностей плюс дисперсия частного среднего значений. Например, если данные внутри блока разбиты еще и на группы, то справедлива следующая схема:
- рассеивание внутри блока, которое делится на разбиение блока на группы и остаточную дисперсию.
Для каждой группы блока проводят параллельное наблюдение. Такая схема позволяет получить несколько ступеней классификации. Группа может быть разбита на подгруппы и т.д.
Схема ДА, тождество ДА и тождество степеней свободы аналогичны рассмотренным ранее. В качестве статистического критерия проверки гипотез используется критерий Фишера. Также существуют модели, позволяющие проводить анализ динамики процесса.