Нормальная линейная модель парной регрессии
Нормальная, или классическая, линейная модель парной реn грессии (регрессии с одной переменной) строится исходя из слеГ дующих предположений:
1) факторный признак xiявляется неслучайной или детермиn
; |
i |
2) математическое ожидание случайной ошибки уравнения регрессии равно нулю во всех наблюдениях:
e |
где i=1,n;
3) дисперсия случайной ошибки уравнения регрессии являетn ся постоянной для всех наблюдений:
e |
e |
i |
4) случайные ошибки уравнения регрессии не коррелированы между собой, т. е. ковариация случайных ошибок любых двух разных наблюдений равна нулю:
e |
e |
e |
e |
Это предположение верно в том случае, если изучаемые данные не являются временными рядами;
5) основываясь на 3 и 4nм предположениях, добавляется услоn вие о том, что случайная ошибка уравнения регрессии являетn ся случайной величиной, подчиняющейся нормальному закоn ну распределения с нулевым математическим ожиданием и дисперсией
e |
Исходя из указанных предпосылок нормальную линейную моГ дель парной регрессии можно записать в следующем виде:
b |
b |
e |
где yi—значениязависимойпеременной,i=1,n; xi— значения независимой переменной;
0 1 |
оценке;
e |
ç ÷ |
ç ÷ |
ç |
ç |
ç |
ç |
÷ |
÷ |
÷ |
Матричная форма нормальной линейной модели парной регрессии:
Y = b X + e, (2)
где
æyö
ç ÷ |
= |
ç ÷ |
è ø |
— вектор значений зависимой переменной размер ности n ´ 1;
æ1X = 1
è |
x1ö x2 ÷
÷
xnø
— вектор значений независимой переменной размерности n ´ 2. Первый столбец является единичным, так как в уравнении регрессии паn
æ ö |
b |
è ø |
ç ÷ |
= |
ç ÷ |
e |
— вектор коэффициентов уравнения регресn сии размерности 2 ´ 1;
— вектор случайных ошибок уравнения регресn сии размерности n ´ 1.
Предположения о модели, записанные в матричном виде:
1) факторный признак x является неслучайной или детермиn нированной величиной, не зависящей от распределения слуn чайной ошибки уравнения регрессии e;
2) математическое ожидание случайной ошибки уравнения регрессии равно нулю во всех наблюдениях:
æ ö |
ç ÷ |
e |
ç ÷ |
ç ÷ |
3) предположения о том, что дисперсия случайной ошибки уравнения регрессии является постоянной для всех наблюдеn ний и ковариация случайных ошибок любых двух разных набn
G |
ç |
. |
÷ |
÷ |
÷ |
ç |
÷ |
e |
ç |
÷ |
e |
ç |
людений равна нулю, можно записать с помощью ковариациn онной матрицы случайных ошибок нормальной линейной моn дели парной регрессии:
æ 2
ç |
ç |
0 0ö G2 0÷
÷
0 G2ø
(3)
è |
щим образом:
æ1
G |
ç
0ö
= I |
÷
è |
ø |
Ковариация — это показатель тесноты связи между изучаемыn
ми переменными, которая вычисляется по формуле:
Cov(x, y)=x y−x y,
где xy — среднее арифметическое значение произведения факторного и результативного признаков:
å |
i |
На диагонали ковариационной матрицы случайных ошибок нормальной линейной модели парной регрессии располагаетn ся дисперсия случайных ошибок, так как ковариация переn менной с самой собой равна дисперсии переменной. Таким образом:
e |
e |
, |
4) случайная ошибка уравнения регрессии имеет нормальный закон распределения:
e |
å |
å |
å |
å |
ЛЕКЦИЯ № 3. Методы оценивания