- •Корреляционный анализ
- •Предпосылки корреляционного анализа
- •Понятие "корреляционная зависимость"
- •Двумерная корреляционная модель
- •Коэффициент корреляции как мера стохастической связи
- •Уравнение линейной парной регрессии
- •Замечание
- •Парный коэффициент детерминации
- •Замечание
- •Точечные оценки параметров двумерного распределения
- •Выборочное уравнение линейной парной регрессии
- •Проверка основной гипотезы корреляционного анализа
- •Корреляционная матрица
- •Выборочная корреляционная матрица
- •Частные коэффициенты корреляции
- •Выборочные частные коэффициенты корреляции
- •Множественные коэффициенты корреляции
- •Уравнение линейной регрессии
- •Проверка значимости коэффициентов связи
- •Определение ди для частного коэффициента корреляции
- •Регрессионный анализ
- •Замечание
- •Задачи регрессионного анализа
- •Аддитивная модель регрессии
- •Множественная линейная модель регрессии
- •Предпосылки регрессионного анализа
- •Замечание
- •Уравнение множественной линейной регрессии
- •Оценка параметров модели множественной линейной регрессии по методу наименьших квадратов
- •Анализ качества модели множественной линейной регрессии
- •Проверка значимости уравнения регрессии
- •Несмещенная точечная оценка остаточной дисперсии
- •Пример. Двумерная аддитивная модель регрессии
Анализ качества модели множественной линейной регрессии
Необходимо определить, соответствует ли построенная математическая модель, выражающая зависимость между переменными, эмпирическим данным, достаточно ли включенных в уравнение объясняющих переменных (предикторов) для описания зависимой (критериальной) переменной.
Проверка значимости уравнения регрессии
Основная гипотеза:
H0: β1=β2=…=βk=0.
Статистика применяемого критерия Фишера:
,
где , .
Статистика представима также в виде
,
здесь .
Условие отвержения основной гипотезы: F>Fкр, где Fкр - критическое значение, удовлетворяющее при заданном уровне значимости α применяемого критерия следующему условию:
P{F>Fкр(k+1,n-k-1)}=α.
При отвержении основной гипотезы заключают (с вероятностью ошибки вывода, равной α), что уравнение регрессии значимо (существенно), т.е. хотя бы один из коэффициентов при переменных отличен от нуля. В ином случае делают вывод, что имеющиеся статистические данные не подтверждаю его значимость.
Несмещенная точечная оценка остаточной дисперсии
Остаточной дисперсией называется та часть вариации зависимой переменной Y, которую нельзя объяснить воздействием предикторов X1, X2,…, Xk.
Расчетное выражение:
.
Пример. Двумерная аддитивная модель регрессии
Требуется построить линейную модель регрессии некоторой случайной величины Y на определенную случайную переменную X:
.
Для этого необходимо по выборке с помощью метода наименьших квадратов определить коэффициенты - оценки параметров уравнения регрессии , а также дать оценку остаточной дисперсии .
Приравнивая нулю частные производные первого порядка квадратичной формы по и решая полученную нормальную систему уравнений:
или ,
по правилу Крамера, находим искомые расчетные формулы:
; .
Выборочная остаточная дисперсия:
.
Несмещенная оценка остаточной дисперсии:
.