Анализ и исследование алгоритмов оценки точности регрессионных моделей

Анализ видов регрессионных моделей и алгоритмов оценки их точности. Математическое описание информационной системы оценки точности моделей. Параметры, влияющие на эффективность алгоритмов информационной системы оценки точности регрессионных моделей.

Рубрика Экономика и экономическая теория
Вид статья
Язык русский
Дата добавления 10.03.2019
Размер файла 180,7 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

ФГБОУ ВПО "Волгоградский государственный технический университет"

Волжский политехнический институт (филиал)

Анализ и исследование алгоритмов оценки точности регрессионных моделей

Шелкова А.А., Фадеева М.В.

Аннотация

В данной работе был проведен анализ регрессионных моделей и алгоритмов оценки их точности.

Ключевые слова: регрессионные модели, алгоритмы оценки точности.

Изучение взаимосвязей различной природы между существующими явлениями и процессами имеет существенный вес в науке. С его помощью можно лучше понять сложный механизм причинно-следственных отношений между исследуемыми явлениями, ведь для полноценного исследования разных явлений необходимо количественно измерить тесноту причинно-следственных связей и выявить форму влияний. Для этих целей применяются различные виды анализа: корреляционный, дисперсный, регрессионный и так далее.

Широкое применение в прогнозировании находит регрессионный анализ. В настоящее время существуют большое количество регрессионных моделей которые вполне удачно справляются с задачей прогнозирования в различных народнохозяйственного и внутризаводского планирования. Практика показала, что регрессионные уравнения -- достаточно качественные измерители связей между любыми явлениями разных предметных областей. Поэтому все больше специалистов в различных областях науки в ходе своих исследований обращаются к данному разделу математической статистики, основанному на логике массовых явлений.

Целью данной работы является: повышение эффективности алгоритмов оценки точности регрессионных моделей.

Для достижения поставленной цели были обозначены следующие исследовательские задачи:

- Провести анализ видов регрессионных моделей, анализ алгоритмов оценки точности регрессионных моделей.

- Составить математическое описание информационной системы оценки точности регрессионных моделей.

- Выполнить программную реализацию информационной системы оценки точности регрессионных моделей.

- Выяснить, какие параметры влияют на эффективность реализованных алгоритмов информационной системы оценки точности регрессионных моделей.

Постановка задачи. Сначала было выполнено исследование следующих видов регрессионных моделей: простая регрессия, множественная регрессия, факторная регрессия, полиномиальная регрессия, регрессия поверхности отклика, регрессия поверхности смеси. Различные виды регрессионных моделей характеризуются различными видами уравнений регрессии, количеством коэффициентов в данных уравнениях. Было выяснено, что наиболее удачно работают гибридные модели, а именно аддитивные, линейно-мультипликативные модели и модели с запаздыванием[1].

Далее был выполнен анализ качества определения оценок коэффициентов регрессии и адекватности уравнения регрессии. О качестве моделей регрессии можно судить по значениям коэффициента корреляции (индекса корреляции) и коэффициента детерминации для однофакторной модели и по значениям коэффициента множественной корреляции и совокупного коэффициента детерминации для моделей множественной регрессии. Чем ближе абсолютные величины данных коэффициентов к 1, тем теснее связь между изучаемым признаком и выбранными факторами и, следовательно, с тем большей уверенностью можно судить об адекватности построенной модели, включающей в себя наиболее влияющие факторы[2].

Далее был выполнен анализ точности определения оценок коэффициентов регрессии и адекватности уравнения регрессии.

Также было рассмотрено применение регрессионных моделей (Рис.1): автоматизированная информационная система прогнозирования свойств полимерных композиционных материалов (ПКМ) на основе регрессионного анализа и применение регрессионных моделей для прогнозирования объемов продаж.

Рисунок 1. Структурная модель АИС прогнозирования свойств ПКМ

В заключении были получены результаты оценки точности модели, результаты оценки адекватности модели, результаты оценки сложности алгоритмов.

регрессионный математический информационный алгоритм

Библиографический список

1) Вельдяксов В. Н., Шведов А. С. О методе наименьших квадратов при регрессии с нечеткими данными // Экономический журнал ВШЭ. 2014. №2 С.328-344.

2) Ивашнев Л.И., Горбачёва С.Л. Варианты метода взвешенной регрессии. - М.: Вестник МГОУ, Серия «Экономика и право», 2013, № 2

Размещено на Allbest.ru


Подобные документы

  • Характеристика двухшагового метода наименьших квадратов для решения систем эконометрических уравнений. Способы оценки неизвестных параметров регрессионных моделей по выборочным данным. Знакомство с особенностями системы эконометрических уравнений.

    курсовая работа [593,8 K], добавлен 04.06.2015

  • Основы построения регрессионных моделей: метод наименьших квадратов; двухмерная линейная концепция корреляционного и регрессионного анализа. Показатели статистической обработки информации: дисперсия, математическое ожидание и стандартное отклонение.

    контрольная работа [80,8 K], добавлен 27.11.2012

  • Анализ системы показателей, характеризующих как адекватность модели, так и ее точность; определение абсолютной и средней ошибок прогноза. Основные показатели динамики экономических явлений, использование средних значений для сглаживания временных рядов.

    контрольная работа [16,7 K], добавлен 13.08.2010

  • Виды детерминированного факторного анализа. Показатели рентабельности производства на основе регрессионных моделей. Способы измерения влияния факторов в детерминированном анализе. Моделирование взаимосвязей между результативным и факторными показателями.

    курсовая работа [700,7 K], добавлен 18.05.2011

  • Моделирование односекторной экономической системы. Построение графической, статистической и динамической моделей. Графики погашения внешних инвестиций. Моделирование двухсекторной экономической системы. Архитектура системы. Спецификация данных модели.

    дипломная работа [1023,8 K], добавлен 16.12.2012

  • Описание системы показателей оценки эффективности инвестиций. Простые показатели и сферы их применения. Математическое выражение оценки эффективности инвестиций и производства в целом. Системы оценочных показателей эффективности инвестиционных проектов.

    контрольная работа [1,6 M], добавлен 12.12.2011

  • Расчет основных характеристик рядов динамики показателей денежного обращения в России. Выявление тенденций показателей денежного обращения на основе метода аналитического выравнивания и прогнозирования. Построение динамических регрессионных моделей.

    курсовая работа [322,9 K], добавлен 23.10.2014

  • Процесс оценки стоимости предприятия. Информационная база оценки, ее состав и структура. Использование информационной базы в доходном, сравнительном, затратном подходе оценки бизнеса. Подготовка информационной базы для оценки стоимости ОАО "КОМЗ".

    курсовая работа [72,9 K], добавлен 19.08.2010

  • Исследование основных этапов создания системы массовой оценки. Сбор и первичный анализ исходной информации. Принцип построения корпоративной системы массовой оценки объектов недвижимости. Разработка математической модели оценки стоимостных показателей.

    презентация [13,0 M], добавлен 26.01.2015

  • Раскрытие экономической сущности стоимости капитала как принесенного дохода, необходимого для оправдания вложений инвестора. Характеристика традиционных методов и моделей оценки стоимости капитала. Практика определения стоимости собственного капитала.

    контрольная работа [24,4 K], добавлен 16.06.2011

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.