- •11. Анализ парных наблюдений в политологии: постановка задачи, применение критерия знаков. (Бочарова а)
- •12. «Задача о двух выборках»: постановка задачи. Критерий Стьюдента: алгоритм решения, ограничения метода. Пример использования в политологии.(Бочарова а)
- •X (демократии): 3, 6, 2, 11, 7, 5, 15.
- •13. Коэффициент корреляции Пирсона: содержательный смысл, формула расчета. Проблема устойчивости. Примеры применения в политологии (прошлый год)
- •Общие положения
- •Алгоритм действий
- •Vs h1: модель лучше константы.
- •Vs h1: β1 мнк с крышкой ≠ 0.
Vs h1: модель лучше константы.
Определяем уровень значимости. Пусть альфа = 0,05.
Вводим статистику критерия. И определяем распределение статистики при нулевой гипотезе.
F = R2 / [(1 – R2) / (n – 2)] ~ F (1; n-2),
где n – число наблюдений.
Определяем доверительную зону (по таблице).
Рассчитываем наблюденное значение статистики.
Принимаем решение.
Критерий F: отвергать H0 в пользу H1 на уровне значимости 0,05, если наблюденное значение статистики F критерия не попало в доверительную зону.
Можно ли считать β1 мнк с крышкой отличным от нуля?
yi = β0 + β1 * xi + εi
Формулируем нулевую гипотезу.
H0: β1 мнк с крышкой = 0.
Vs h1: β1 мнк с крышкой ≠ 0.
Определяем уровень значимости. Пусть альфа = 0,05.
Вводим статистику критерия, определяем ее распределение при нулевой гипотезе:
t = [β1 мнк с крышкой / с.о. (β1)] ~ t (n – 2) при нулевой гипотезе,
где с.о. – это станд. ошибка, 2 станд. откл.
Определяем доверительную зону (по таблице).
Рассчитываем наблюденное значение статистики.
Принимаем решение.
Критерий е: отвергать H0 в пользу H1 на уровне значимости 0,05, если наблюденное значение статистики F критерия не попало в доверительную зону.
Доп. лекция по регрессии:
Условным мат. ожидание y при условии x называется мат. ожидание y при конкретном значении x.
E (Y| X=x) = ∑ yi P (X=yi|X=x) |
E (Y| X) = β0 + β1xi
Регрессия, по сути, представляет собой модель условного мат. ожидания.
yi = E (Y| X) + ei
(yi – y ср.) = β0* + β1*(xi – x ср.) + ei
Регрессия не выявляет причинно-следственных связей, их задает сам исследователь при постановке задачи.
Разложение вариации.
Качество регрессии определяется тем, в какой мере отклонения y от своего у ср. определяются отклонениями x от своего x ср., т.е. тогда, когда доля вариации y, обусловленная вариацией x, высока.
Вариация y – оценка дисперсии y.
1/n ∑ (yi – y ср.)2 = 1/n ∑ (yi – yi с крышкой)2 + 1/n ∑ (yi с крышкой – y ср.)2
Общ. сумм. кв. Остаточная сумма кв. Объясн. сумм. кв.
TSS RSS ESS
TSS = RSS + ESS
Критерий качества модели (коэф. детерминации).
Коэф. дет. – доля объясн. вар. отклика.
R2 = ESS / TSS = (TSS – RSS) / TSS = 1 – RSS/TSS
RSS = ∑ (ei)2
F-критерий (критерий Фишера).
H0: R2 = 0
VS H1: R2 > 0
Альфа = 0,05.
Статистика критерия:
F = (ESS/1) / [RSS/(n – 2)], что есть частный случай от (ESS/k) / [RSS/(n – k – 1)].
F ~ F (1, n – 2) при нулевой гипотезе.