A maradványelemzés - prognoz bi university, wiki
Az átlagos maradék (átlagos hiba) képlet az alábbi: (Σ_ (i = 1) ^ n▒ 〖(y_i- (y_i))〗) / n ahol n - a megfigyelések összes száma, y_i - a tényleges értékek a függő változó, (y_i) a magyarázott változó modell értéke. Azt jelzi, hogy az elmagyarázott változó tényleges értéke a szimulált értéktől függően átlagosan eltér.
A maradék abszolút értékeinek átlaga
A függő változó kezdeti értékeinek eltérései a modellváltozóktól. (Σ_ (i = 1) ^ n ± | y_i- (y_i) |) / n ahol n az összes megfigyelés száma, y_i a magyarázott változó tényleges értéke, (y_i) a magyarázott változó modell értéke.
A maradékok átlagos négyzetei
A függő változó kezdeti értékeinek négyzetes eltéréseinek átlaga a modellváltozókból. (Σ_ (i = 1) ^ n▒ 〖(y_i- (y_i))〗 ^ 2) / n ahol n - a megfigyelések összes száma, y_i - a tényleges értékek a függő változó, (y_i) - a modell értéke a függő változó.
A maradékok átlagos négyzetének gyökere
Az eltérések négyzetének átlaga. √ (i = 1) ^ n ± │ (y_i- (y_i))〗 ^ 2) / n)
Abban az esetben, maradványainak diszperzió megegyezik az átlagos négyzetes reziduálisok számítva a következő képlet szerint: (Σ_ (i = 1) ^ n▒ 〖(y_i- (y_i))〗 ^ 2) / n ahol n - a megfigyelések összes száma, y_i - tényleges az ismertetett változó értékei, (y_i) a magyarázott változó modell értéke. Egy pontosabb számítási képlet SHIFT nincs (korrigált) diszperziót: (Σ_ (i = 1) ^ n▒ 〖(y_i- (y_i))〗 ^ 2) / (n-1)
A maradványok standard deviációja
A mértéke, hogy a hibák milyen széles körben terjednek az átlag felett. (Y_i (y_i)) - (Σ_ (i = 1) ^ n ± 〖〖(y〗 _i- (y_i) √ (i = 1) )〗) / N) ^ 2)
Kritérium Jacques Baer használt teszt a hipotézist a normális eloszlás a minta és a kiszámítása a következő képlettel: JB = (N-k) / 6 (S ^ 2 + 〖(K-3) 2/4〗 ^) ahol: N - a megfigyelések száma; k a magyarázó változók száma; K a többletkijelző; S az aszimmetria együtthatója. A kapott értéket összehasonlítjuk a Chi-négyzet eloszlás táblázatának két fokozatú szabadságával. Ha a számított statisztika kisebb, mint a táblázatos érték, akkor a hipotézist elfogadjuk, a mintát normális eloszlásként ismerik el. Ellenkező esetben a hipotézist elutasítják.
Példa USA Model modellezésére növekmény hozzáadott érték az iparban (Y = -0,7349 + 0,3841x_1 + 0,2073x_2 + 0,0934x_3) statisztika értéke Jacques Ber (1,5208) sokkal kevésbé kritikus, kapott szignifikancia szinten 0 , 01 (9, 2103). Következésképpen elfogadják a sorozat többi részének eloszlásának normalitásának hipotézisét.
A maradék négyzetének összege
Az azonosító periódusban a magyarázott változó szimulált és aktuális értékei közötti eltérés értékek négyzetének összegét a következő képlet adja: Σ_ (i = 1) ^ n ± 〖(y_i- (y_i))〗 ^ 2
Maximális abszolút hiba
Az azonosító periódusban a magyarázott változó szimulált és tényleges értékei közötti eltérés legnagyobb értékét a következő képlet adja: 〖max (〗 〖X_i-X ̅)〗, i = (1, n) ⌈