回帰分析 - シミュレーション科学研究室

回帰分析 - シミュレーション科学研究室

ID:8268387

大小:505.61 KB

页数:29页

时间:2018-03-15

回帰分析 - シミュレーション科学研究室_第1页
回帰分析 - シミュレーション科学研究室_第2页
回帰分析 - シミュレーション科学研究室_第3页
回帰分析 - シミュレーション科学研究室_第4页
回帰分析 - シミュレーション科学研究室_第5页
资源描述:

《回帰分析 - シミュレーション科学研究室》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、回帰分析回帰分析•回帰分析(regressionanalysis)–従属変数(目的変数)と独立変数(説明変数)の間に関数式をあてはめ,従属変数と説明変数の関係を定量的に分析すること.•(単)回帰分析–独立変数(説明変数)が一つだけ.•重回帰分析–独立変数(説明変数)が2つ以上.線形回帰分析•従属変数?が独立変数?1,?2,⋯の線形関数(一次関数)で与えられる.?=?0+?1?1+?2?2+⋯•多項式近似の場合は?=?+??+??2+⋯012•ただし,?=?,?=?2,⋯12非線形回帰分析•ロジスティック関数(シグモイド関数)?1

2、log=??=1−?1+?−?•ロジスティック回帰モデル?log=?0+?1?1+?2?2+⋯1−?1?=1+?−(?0+?1?1+?2?2+⋯)最小二乗近似y(??,??)?=?0+?1?(??,??)(?1,?1)xy(??,??)?=?0+?1?(??,??)?=?+??+??2+⋯012=?0+?1?+?2?2+⋯(?1,?1)x?一変数,一次関数(??,??)?=?0+?1?1+⋯+??−1??−1(?1,?1)(?2,?2)?パラメータ決定1変数の一次関数を用いると?=?0+?1?つまり?1=?0+?1?1?2=?0

3、+?1?2⋯??=?0+?1???多変数,高次関数(??,⋯,??,??)1??=?+??+⋯+???−101?−1≡?0+?1?1+⋯+??−1??−1(?1,⋯,?1,?1)1?(?2,⋯,?2,?2)1??1相関係数•R-2値–相関係数.2変数の線形な関係性を示す.変数?,?のデータが?組あるとする.つまり,?1,?1,?2,?2,⋯,??,??このとき,両者の相関係数は次式で与えられる.??=1(??−?)(??−?)???=??−?2??−?2?=1??=1?ここで,?,?はそれぞれの平均値を示す.T検定(t値)•T検

4、定(t値)–2つのサンプルの平均値に有意な差があるか?を示す.T検定(t値)•回帰分析においては,–説明変数が目的変数に与える影響の大きさ.–回帰直線の勾配が0と有意に異なるかどうかを検定する.–この値の絶対値が2以上であれば,係数は説明変数として認めることができる.•定義?∙?−2?=1−?2相関係数:?,サンプル数:?P-値•データから計算された統計量よりも極端な統計量が観測される確率.•ある数値(相関係数等)において,p値が大きい場合は,”たまたま”その値であるだけ.•有意水準として1%有意,5%有意,10%有意がよく用い

5、られる.(通常,0.05以内であればよい.)pttpF検定•F検定–モデル式自体の有効度合を判定する–F分布を利用して分散の比の検定を行うもので,等分散性の検定に用いられる.–実際には,t検定の前提条件である等分散性の検定に用いられることが多い.時系列データの分析時系列データ時系列データ=トレンド+周期性+ランダム性•トレンド–潮流,流行.傾向変動(経済学).•周期性–特定の現象が一定期間ごとに現れる•ランダム–予測できない動き.ホワイトノイズで表現する.自己回帰モデル•経済指標予測や気象予測など,時系列データの予測にもっとも一

6、般的に用いられる方法が自己回帰モデルである.•最も簡単な線形自己回帰は次式で与えられる.•線形自己回帰モデルでは,目的変数は目的変数の過去値を説明変数とする.自己回帰モデル自己回帰(AutoRegressive)モデル:AR(p)???=?0+????−?+??ここで,誤差項??=???∈?(0,1)•過去の値の一次関数と誤差(ランダム)との和で表現する.ボラティリティ変動モデル前提時系列データが次のように表現できる.??=??+??ここで,??は予測値,??は予測値からの乖離幅.乖離幅を次式で表現する.??=??????:ボラ

7、ティリティ??:正規乱数分散自己回帰モデル分散自己回帰(Autoregressiveconditionalheteroscedasticity)モデル:ARCH(q)•ボラティリティを次式から求める.??2=?+??2?0??−?自己回帰モデル:演習自己回帰モデル•AutoRegressive(AR)Modelでは,目的変数は目的変数の過去値を説明変数とする.???=?0+????−?+???=1?∈?2?(0,1)?•係数??は最尤推定を用いて決定する.•ここでは簡単のため重回帰分析を用いることにする.AR(1)モデル(1)A

8、R(1)(?=1の場合)??=?0+?1??−1+??誤差項??を無視すると??=?0+?1??−1この係数?0,?1を求める.方法・??と??−1で線形回帰分析を行う.AR(1)モデル(2)AR(1)??=?0+?1??−1+??を変形すると,誤差項は??=?

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。