- •Содержание
- •Лабораторная работа №6. Задачи оптимизации 46
- •Введение
- •Лабораторная работа №1
- •1. Обработка результатов многократных измерений одной и той же величины
- •2. Обработка результатов нескольких серий измерений одной и той же величины
- •Лабораторная работа №2
- •Корреляционно-регрессионный анализ
- •Лабораторная работа №3
- •Лабораторная работа №4
- •Варианты для парной регрессионной модели
- •Лабораторная работа №5
- •Традиционный метод наименьших квадратов (мнк)
- •Статистические свойства вектора оценок коэффициентов регрессии
- •Теорема Гаусса-Маркова
- •Несмещённые оценки дисперсии ошибок, ковариационной матрицы и дисперсии выборочных коэффициентов регрессии
- •Оценка значимости и доверительных интервалов для коэффициентов регрессии
- •Анализ вариации зависимой переменной
- •Значения сумм квадратов
- •Значения дисперсий
- •Выборочный коэффициент детерминации
- •Скорректированный коэффициент детерминации
- •Оценка значимости уравнения регрессии
- •Доверительный интервал для значений зависимой переменной
- •Пример оформления лабораторной работы
- •Задания для модели множественной регрессии
- •Варианты для множественной регрессионной модели
- •Лабораторная работа №6 Задачи оптимизации
- •Задача линейного программирования о смесях
- •Лабораторная работа №7
- •Варианты на решение задачи о продуктивности модели Леонтьева
- •Лабораторная работа №8
- •Библиографический список
- •Приложение
- •3. Критические точки распределения χ2
- •Сахабиева Галина Александровна
- •Васяйчева Вера Ансаровна
- •Орлова Людмила Викторовна
- •443084, Г. Самара, ул. Стара-Загора, 96
- •4 43080, Г. Самара, ул. Революционная, 70п
Анализ вариации зависимой переменной
Общая сумма квадратов отклонений разбивается на два слагаемых:
, (24)
где , - соответственно факторная и остаточная суммы квадратов.
По аналогии со случаем парной регрессии эти суммы можно выразить через вектор выборочных коэффициентов b и выборочный коэффициент детерминации (табл. 8):
Значения сумм квадратов
Таблица 8
Название |
Общее выражение |
Выражение через b |
Выражение через |
Общая |
|
|
|
Факторная |
|
|
|
Остаточная |
|
|
|
При делении суммы квадратов на число её степеней свободы получается несмещённая оценка соответствующей дисперсии (табл. 9).
Значения дисперсий
Таблица 9
Название |
|
Выражение |
Общая |
|
|
Факторная |
|
|
Остаточная |
|
|
Выборочный коэффициент детерминации
Выборочный множественный коэффициент детерминации показывает качество подгонки регрессионной модели к наблюдаемым значениям и определяется выражением (в отличие от случая модели парной регрессии он обозначается ):
(25)
Свойства коэффициента :
Коэффициент служит для оценки значимости (качества) уравнения регрессии, является одной из наиболее эффективных оценок адекватности регрессионной модели, характеристикой её прогностической силы.
Коэффициент при выполнении 5-го условия КЛММР является состоятельной, но смещённой оценкой генерального коэффициента детерминации , с математическим ожиданием и дисперсией, приближённо определяемыми выражениями:
;
.
Коэффициент - безразмерная величина, лежащая в пределах 0 1.
При =0 вариация зависимой переменной полностью обусловлена воздействием неучтённых в модели переменных и линия регрессии не улучшает качество предсказания значений по сравнению с тривиальным предсказанием
При =1 осуществляется точная подгонка и все эмпирические точки удовлетворяют уравнению регрессии
Коэффициент может быть вычислен из матрицы парных коэффициентов корреляции по формуле:
, (26)
где - определитель симметричной квадратной матрицы выборочных парных коэффициентов корреляции - го порядка
= (27)
с элементами
, (28)
, (29)
где ; ; = , где
= . (30)
Выражение (26) определяет выборочный множественный коэффициент детерминации р-го порядка (по числу р объединяющих переменных). Множественные коэффициенты детерминации низших порядков определяются аналогичным образом из соответствующих подматриц матриц .
Так, выборочный множественный коэффициент детерминации 1-го порядка , равный квадрату парного коэффициента корреляции между результирующей и -ой объясняющей переменной , находится по формуле:
, (31)
где - определитель подматрицы , получаемый из матрицы путём вычёркивания всех строк и столбцов кроме тех, которые соответствуют переменным и (первые -е строка и столбец);
- алгебраическое дополнение 1-го элемента 1-й строки этой подматрицы.
Выборочный множественный коэффициент детерминации 2-го порядка для объясняемой и факторных переменных , определяется выражением:
, (32)
где - определитель подматрицы , которая находится из матрицы в результате вычёркивания всех строк и столбцов кроме тех, которые отвечают , и ; - алгебраическое дополнение 1-го элемента 1-й строки полученной подматрицы.
Выборочные множественные коэффициенты детерминации более высоких порядков находятся аналогичным образом.
Величина , вообще говоря, возрастает при добавлении новых регрессоров (поскольку растёт ), хотя это не обязательно означает улучшение качества регрессионной модели.
Поскольку присоединение в уравнение регрессии каждой новой предикторной переменной не может уменьшить величины коэффициента детерминации (независимо от порядка присоединения), множественные коэффициенты детерминации различных порядков удовлетворяют цепочке неравенств:
. (33)
Попыткой устранения эффекта, связанного с ростом при добавлении новых объясняющих переменных, является коррекция на число регрессоров.