Теми рефератів
> Реферати > Курсові роботи > Звіти з практики > Курсові проекти > Питання та відповіді > Ессе > Доклади > Учбові матеріали > Контрольні роботи > Методички > Лекції > Твори > Підручники > Статті Контакти
Реферати, твори, дипломи, практика » Курсовые проекты » Багатовимірний регресійний аналіз

Реферат Багатовимірний регресійний аналіз





підлягають оцінці, розмірності (k +1);

- вектор-стовпець випадкових помилок розмірності n з математичним очікуванням ME = 0 і ковариационной матрицею відповідно, при цьому

-одинична матриця розмірності (nxn).

В В 

Оцінки невідомих параметрів знаходяться методом найменших квадратів, мінімізуючи скалярну суму квадратів по компонентах вектора ОІ.

Далі підставивши вираз

в,

В 

отримуємо скалярну суму квадратів

В В 

Умовою звернення отриманої суми в мінімум є система нормальних рівнянь:

В 

, (J = 0,1,2, ..., k). <В 

У результаті диференціювання виходить:


.

В 

При заміні вектора невідомих параметрів ОІ на оцінки, отримані методом найменших квадратів, отримуємо такий вираз:


.

В 

Далі помноживши обидві частини рівняння ліворуч на матрицю, отримаємо


В В 

Так як, тоді.

Отримані оцінки вектора b не є зміщеними та ефективними.

Коваріаційна матриця вектора b має вигляд:


, де - залишкова дисперсія.

В 

Елементи головної діагоналі цієї матриці являють собою дисперсії вектора оцінок b. Інші елементи є значеннями коефіцієнтів коваріації:


, де,.

В 

Таким чином, оцінка - це лінійна функція від залежною змінної. Вона має нормальний розподіл з математичним очікуванням і дисперсією. p> Незміщена оцінка залишкової дисперсії визначається за формулою:


, де n - обсяг вибіркової сукупності;

k - число пояснюють змінних.


Для перевірки значимості рівняння регресії використовують F-критерій дисперсійного аналізу, заснованого на розкладанні загальної суми квадратів відхилень на складові частини:

В 

, де - сума квадратів відхилень (від нуля), зумовлена ​​регресією;

- сума квадратів відхилень фактичних значень залежної змінної від розрахункових, тобто сума квадратів відхилень відносно площини регресії, обумовлене впливом випадкових і неврахованих в моделі факторів.

Для перевірки гіпотези використовується величина, яка має F-розподіл Фішера-Снедекора з числом ступенів свободи і. Якщо, то рівняння регресії значимо, тобто в рівнянні є хоча б один коефіцієнт регресії, відмінний від нуля.

У разі значущості рівняння регресії перевіряється значимість окремих коефіцієнтів регресії. Для перевірки нульової гіпотези використовується величина


, яка має F-розподіл Фішера-Снедекора з числом ступенів свободи іВ  ; - Відповідний елемент головної діагоналі ковариационной матриці.

Коефіцієнт регресії вважається значимим, якщо. Для значущих коефіцієнтів регресії можна побудувати довірчі інтервали, використовуючи формулу

, де знаходиться по таблиці розподілу Стьюдента для рівня значущості і числа ступенів свободи.
















Назад | сторінка 4 з 21 | Наступна сторінка





Схожі реферати:

  • Реферат на тему: Рівняння регресії. Коефіцієнт еластичності, кореляції, детермінації і F-кр ...
  • Реферат на тему: Рівняння лінійної регресії, коефіцієнт регресії
  • Реферат на тему: Оцінка значущості коефіцієнтів регресії і кореляції з допомогою f-критерію ...
  • Реферат на тему: Коефіцієнт детермінації. Значимість рівняння регресії
  • Реферат на тему: Перевірка гіпотез щодо коефіцієнтів лінійного рівняння регресії