Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
shpory_ekzamen_ekonometrika.doc
Скачиваний:
2
Добавлен:
01.07.2025
Размер:
24 Мб
Скачать
☆

16. Оценка параметров регрессионного уравнения с помощью метода наименьших квадратов

МНК дает оценки, имеющие наименьшую дисперсию. Он минимизирует сумму квадратов отклонения наблюдаемых значений yi от модельных

значений ˆ yi.

Система нормальных уравнений является системой двух линейных уравнений с двумя неизвестными и и имеет следующий вид:

Система является системой двух линейных уравнений с двумя неизвестными ˆ a0 и ˆ a1 , и может быть решена методом подстановки.

17. Оценка параметров линейной модели парной регрессии. Расчетные формулы

Вычислить оценки и можно несколькими способами: решить систему нормальных уравнений, по явным формулам, матричным способом.

I способ. Система нормальных уравнений является системой двух линейных уравнений с двумя неизвестными и и имеет следующий вид:

Система может быть решена методом подстановки.

II способ. Явные формулы для вычисления оценок и следующие:

.

.

18. Матричная форма модели парной регресии и формула расчета ее парметров

В матричном виде формулы для вычисления оценок и имеют вид:

.

где , , .

матричной формой записи уравнения (4.2):

Y = X α + ε (4.2)

где Y — вектор зависимой переменной размерности n×1, представляющий собой n наблюдений значений yj,

X — матрица n наблюдений независимых переменных Х1, Х2, Х3, ..., Хm, размерность матрицы X равна n×(m+1);

α — подлежащий оцениванию вектор неизвестных параметров размерности (m+1) ×1;

ε — вектор случайных отклонений (возмущений) размерности n×1.

19. Оценка качества уравнения регрессии

Качество модели регрессии связано с ее адекватностью наблюдаемым (эмпирическим) данным. Проверка адекватности (соответствия) модели регрессии наблюдаемым данным проводится на основе анализа остатков e i.

Остаток e i представляет собой отклонение фактического значения зависимой переменной от ее значения, полученного расчетным путем, т.е.

e = y i− ^y i i=1,n

При анализе качества модели регрессии используется основное положение дисперсионного анализа, согласно которому общая сумма квадратов отклонений зависимой переменной от среднего значения y может быть разложена на две составляющие: объясненную и необъясненную уравнением регрессии/

SST = SSR + SSE .

Качество регрессионного уравнения, полученного с помощью МНК, оценивается с помощью трех величин: коэффициента детерминации, коэффициента

множественной корреляции и средней относительной ошибки аппроксимации.

Коэффициент детерминации ( - R-квадрат) — это доля дисперсии зависимой переменной, объясняемая рассматриваемой моделью зависимости, то есть объясняющими переменными. Более точно — это единица минус доля необъяснённой дисперсии (дисперсии случайной ошибки модели, или условной по факторам дисперсии зависимой переменной) в дисперсии зависимой переменной. Его рассматривают как универсальную меру связи одной случайной величины от множества других. В частном случае линейной зависимости является квадратом так называемого множественного коэффициента корреляции между зависимой переменной и объясняющими переменными. В частности, для модели парной линейной регрессии коэффициент детерминации равен квадрату обычного коэффициента корреляции между y и x.

Коэффициент множественной корреляции для линейной модели множественной регрессии с n факторными переменными рассчитывается через стандартизированные частные коэффициенты регрессии и парные коэффициенты корреляции по формуле:

где r (yxi) – парный (не частный) коэффициент корреляции между результативной переменной у и факторной переменной xi

Величина отклонений фактических и расчетных значений результативного признака   по каждому наблюдению представляет собой ошибку аппроксимации.

Поскольку   может быть как величиной положительной, так и отрицательной, то ошибки аппроксимации для каждого наблюдения принято определять в процентах по модулю.

Чтобы иметь общее суждение о качестве модели из относительных отклонений по каждому наблюдению определяют среднюю ошибку аппроксимации: 

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]