չպետք է թողնել փոփոխականները: … Հետևաբար, նույնիսկ եթե ընտրանքային գնահատումը կարող է ոչ էական լինել, վերահսկիչ ֆունկցիան աշխատում է, քանի դեռ փոփոխականը մոդելում է (շատ դեպքերում, գնահատումը ճշգրիտ զրո չի լինի): Փոփոխականի հեռացումը, հետևաբար, շեղում է մյուս փոփոխականների ազդեցությունը:
Ի՞նչ է նշանակում, եթե փոփոխականը աննշան է:
նշանակության բացակայությունը նշանակում է ազդանշանի բացակայություն, նույնը, ինչ ընդհանրապես տվյալներ չհավաքելը: Տվյալների միակ արժեքը այս պահին այն նոր տվյալների հետ համատեղելն է, որպեսզի ձեր ընտրանքի չափը մեծ լինի: Բայց նույնիսկ այդ դեպքում դուք կարևորության կհասնեք միայն այն դեպքում, եթե ձեր ուսումնասիրած գործընթացը իրականում իրական լինի: Մեջբերում.
Որո՞նք են անկապ փոփոխականի հետևանքները:
Երբ ներառված է անտեղի փոփոխական, հետընթացը չի ազդում OLS գնահատողների անաչառության վրա, այլ մեծացնում է դրանց շեղումները:
Ի՞նչ են աննշան փոփոխականները ռեգրեսիայում:
Հակառակը, ավելի մեծ (աննշան) p-արժեքը հուշում է, որ կանխատեսիչի փոփոխությունները կապված չենպատասխանի փոփոխությունների հետ: … Սովորաբար, դուք օգտագործում եք գործակիցների p-արժեքները՝ որոշելու համար, թե որ տերմինները պետք է պահպանել ռեգրեսիոն մոդելում: Վերևի մոդելում մենք պետք է դիտարկենք Արևելքը հեռացնելու մասին:
Ի՞նչ է պատահում, եթե տվյալները վիճակագրորեն աննշան են:
Երբ p-արժեքը բավականաչափ փոքր է (օրինակ՝ 5% կամ պակաս), ապա արդյունքները հեշտությամբ չեն բացատրվում միայն պատահականությամբ,իսկ տվյալները համարվում են անհամապատասխան զրո վարկածի հետ. այս դեպքում միայն պատահականության զրոյական վարկածը որպես տվյալների-ի բացատրությունը մերժվում է ավելի համակարգված բացատրության օգտին:
