پایان نامه ارشد رایگان با موضوع دوربین واتسون و رگرسیون خطی

Y= Total Debt Over Total Asset
LIQ= Current Asset Divided by Current Liability
PRO= Earnings before Interest and tax Divided by Total Asset
GRO= Percentage change in Total Asset
BUSR= Percentage change in Total Earning over standard deviation of Percentage change in Total Earning
باید توجه داشت که روش رگرسیون خطی روشی حساس و پیچیده است که امکان دارد با وجود داده های خارج از دامنه خروجی های اشتباه پیش بینی نماید . به همین دلیل تشخیص داده های خارج از دامنه و انجام عملیاتی جهت هرچه کمتر کردن انها اهمیت دارد.
مفروضات رگرسیون
چندین فرض در این رگرسیون وجود دارد اما چهار فرض اصلی و مهم خودهمبستگی , هم‌خطی چندگانه , ناهم واریانسی , نرمال بودن قابل بررسی است.
3-8-1 خودهمبستگی
یکی از مفروضات رگرسیون، مستقل بودن خطاها از یکدیگر است . (خطاها همان تفاوت بین مقادیر واقعی و مقادیر پیش بینی شده توسط معادله رگرسیون هستند) در صورتی که خطاها با یکدیگر همبستگی داشته باشند، امکان استفاده از رگرسیون وجود ندارد. به منظور بررسی استقلال خطاها از یکدیگر از آزمونی به نام آزمون دوربین واتسون استفاده می شود.
اگر همبستگی بین خطاها را به p نشان دهیم در این صورت آماره دوربین واتسون به کمک رابطه DW = 2(1 − ρ ) محاسبه می شود.
همواره مقدار این آماره در فاصله 0 تا 4 قرار دارد و نتیجه آزمون به صورت زیر قابل تفسیر است:
اگر p = 0 در نتیجه مقدار DW = 2 خواهد بود که نشانه استقلال خطاها از یکدیگر است( عدم همبستگی خطاها)
اگر P = 1 در نتیجه مقدار DW = 0 خواهد بود که نشان م ی دهد خطاها دارای خود همبستگی مثبت هستند.
اگر P = -1 در نتیجه مقدار DW = 4 خواهد بود که نشانه همبستگی منفی بین خطاها است.
چنانچه DW در بازه 1.5 تا 2.5 قرار بگیرد بین خطاها استقلال وجود دارد و فرض خود همبستگی رد می شود.
3-8-2 هم‌خطی چندگانه
هم خطی وضعیتی است که نشان می دهد یک متغیر مستقل تابعی خطی از سایر متغیرهای مستقل دیگر در معادله خط رگرسیون است. اگر هم خطی در یک معادله رگرسیون بالا باشد، بدین معنی است که بین متغیرهای مستقل همیستگی بالایی وجود دارد و ممکن است با وجود بالا بودن R2 مدل دارای اعتبار بالایی نباشد. به عبارت دیگر با وجود آن که مدل خوب به نظر می رسد ولی دارای متغیرهای ، مستقل معنی داری نمی باشد. هم خطی چندگانه زمانی اتفاق می افتد که دو یا بیش از دو متغیر توضیح دهنده (مستقل) در یک رگرسیون چندمتغیره نسبت به یکدیگر از همبستگی بالایی برخوردار باشند . منظور از همبستگی در اینجا وجود یک ارتباط خطی بین متغیرهای مستقل است . بسته به شدت همبستگی بین متغیرهای مستقل، میزان و نوع همخطی متفاوت خواهد بود .زمانی که مشکل هم خطی چندگانه وجود داشته باشد OLS می تواند نتایج غلط و غیرکارا بدهد.
روشهای متفاوتی برای تشخیص هم خطی وجود دارد.
۱- ضرایب برآوردی نسبت به کم یا اضافه کردن متغیر در مدل از خود حساسیت نشان می دهند .
۲- در حالت همخطی رگرسیون به طور کلی معنادار بوده و دارای بالا می باشد اما ضرایب به تنهایی بی معنی هستند .
۳- اگر تک تک متغیرهای مستقل را روی بقیه متغیرهای توضیح دهنده رگرسیون کرده و آنها را با رگرسیون اصلی مقایسه کنیم . چنانچه های محاسبه شده بزرگتر از رگرسیون اصلی باشد در آنصورت احتمال وجود همخطی ناقص شدید است .
۴- اگر با خارج کردن یک متغیر از مدل یا اضافه کردن یک متغیر به آن ، تغییر قابل ملاحظه ای نداشته باشد، در آن صورت متغیر مذکور مستعد ایجاد همخطی است .
۵- معیار TOLERANCE وVIF:
این نوشته در علمی ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.