Kčemu slouží upravený index determinace?
k porovnáníkvality modelů sodlišnými počty parametrů
k porovnání kvality modelů se stejnými počty parametrů
k posouzení významnosti jednotlivých parametrů
Korelační koeficient se spočítá jako:
Podíl kovariance a součinu směrodatných odchylek
Podíl rozptylu a součinu směrodatných odchylek
Druhá mocnina koeficientu determinace
Korelační koeficient: r =-0,8 + znázorněný graf, napsat, co platí
Silná přímá závislost
Silná nepřímá závislost
Chyba měření-korelační koeficientnemůže být záporný
Hodnoty párového korelačního koeficientu leží vintervalu
<-1 ; 0>
<-1 ; 0)
<-1 ; 1>
Koeficient determinace vregresní analýze lze případně spočítat jako:
druhá odmocnina zkorelačního koeficientu
druhá odmocnina zvar. koeficientu
druhá mocnina korelační koeficient na druhou
Co je to index determinace?
Nabývá hodnot <-1 ;1>
Poměr čtverců modelu a celkových čtverců
Poměr čtverce modelu a reziduálních čtverců
Regresní přímka je zadána rovnicí Y=100 + 5x, co se stane se závislou proměnnou Y, když se x zvýší o100 jednotek?
Zvýší se o 500 jednotek
Sníží se o 500 jednotek
Zvýší se o 100 jednotek
Když se u regresní přímky všechny y zvětší o 2 a x se nezmění, co se stane
směrnice přímky se nezmění a průsečík s osou y se změní o 2
směrnice přímky se zvýší o 2 a průsečík s osou y se nezmění
nic se nezmění
Hodnota součinu sdružených výběrových regresních koeficientů bxy a byx je vždy:
V intervalu <0;1>
Rovna jedné
Větší než jedna
Regresní analýza vyjadřuje závislost
Dvou kvantitativních proměnných
Dvou kvalitativních proměnných
Kvantitativní proměnné na kvalitativní proměnné
Vícenásobný regresní model o 6 neznámých, 2 jsme vyřadili, koeficient determinace se:
Zmenší
Zvětší
Nelze určit bez výpočtu
Z regresního modelu se čtyřmi vysvětlujícími proměnnými byly dvě proměnné odebrány jako málo důležité. Potom:
index determinace v menším modelu nemůže být větší než v modelu s více proměnnými
index determinace se může zvýšit, pokud vynechané proměnné nejsou v modelu důležité
nelze obecně říci, jaký vztah bude mezi indexy determinace
Součin výběrových koeficientů sdružených regresních přímek je vždy číslo nezáporné.
Pomocí regrese je možné měřit závislost dvou kvantitativních proměnných.
Jestliže je směrnice přímky záporná, tak to znamená, že je korelační koeficient záporný
Může být index determinace vyšší než upravený index determinace
Jestliže do modelu přidáme další vysvětlující proměnnou, může se index determinace snížit (může se pouze zvýšit)
Korelační koeficient je podíl reziduálního součtu čtverců na celkovém součtu čtverců
Může být index determinace vyšší než upravený index determinace? (vždy je)
Korelační koeficient se používá pro určení závislosti analýzy rozptylu
Metodu nejmenších čtverců lze přímo použít k odhadu parametrů u nelineární regrese
Regresní parabola je funkcí lineární z pohledu parametrů
Jestliže známe jeden řetězový index, co z něho můžeme vypočítat?
Laspeyresův index
Bazický index předchozího období
Meziroční tempo růstu
Chronologický průměr využijeme u:
časových řad intervalových
časových řad okamžikových
při měření aritmetického průměru časové řady
Kdy používáme vážený chronologický průměr
u okamžikových časových řad, kdy mezi obdobími je různé rozmezí
u okamžikových časových řad, kdy mezi obdobími je stejné rozmezí
u tokových časových řad
Průměrnou hodnotu časové řady “Počet zaměstnanců k poslednímu dni měsíce” zjištěnou v r. 1990 v lednu, březnu a pak od května každý měsíc. Vypočítáme:
Váženým aritmetickým průměrem
Prostým chronologickým průměrem
Váženým chronologickým průměrem
Jak lze převést okamžikovou měsíční časovou řadu na čtvrtletní?
Sečíst 3 po sobě jdoucí měsíční hodnoty
Sečíst 4 po sobě jdoucí měsíční hodnoty
Vzít z měsíční ČŘ každou 3. hodnotu
(Je to okamžiková ČŘ, kdyby se jednalo o intervalovou řadu, pak by bylo správně a)
Průměr u časových řad, když známe koeficienty růstu je:
Geometrický
Aritmetický
Harmonický
Očištěná časová řada má:
jen trendovou část
sezonní a náhodnou složku
jen trendovou a náhodnou složku
Průměrný koeficient růstu se vypočítá jako:
aritmetický průměr
geometrický průměr
harmonický průměr
Při modelování sezónní složky regresní metodou do modelu:
nevládáme žádné sezónní umělé proměnné
vkládáme o jednu méně sezónních umělých proměnných než je počet sezón
o jednu více sezónních umělých proměnných než je počet sezón
Jaký je relativní přírůstek, když koeficient růstu = 0,85
-0,15
0,15
15 %
Součet sezónních faktorů u modelu řady s konstantní sezónností je:
roven nule
roven jedné
roven délce sezónnosti
Čtvrtletní časovou řadu očistíme od sezónnosti:
Aritmetickými průměry
Jednoduchými klouzavými průměry
Centrovanými klouzavými průměry
Váženými aritmetickými průměry
Průměrnou hodnotu časové řady je vždy vhodné vypočítat jako prostý aritmetický průměr jejich jednotlivých hodnot.
(časové řady intervalové = aritmetický průměr, časové řady okamžikové = chronologický průměr)
Při modelování trendů v časových řadách pomocí regresního přístupu je vždy lepší použít kvadratickou funkci než lineární
Systematické složky v časové řadě jsou jen trendová a cyklická.
Sezónní umělé proměnné jsou jen u čtvrtletních intervalů, ne u měsíčních ani ročních.
Průměrné tempo růstu v časové řadě musí být vždy větší než jedna.
Klouzavé průměry umožňují vyhladit průběh časové řady a naznačit její trend