Читайте также:
|
|
Рассмотрим дробь , где - прогнозное значение. Эта дробь имеет смысл нормированно ошибки прогноза и называется дробью Стъюдента. Заметим, что эта величина является случайной переменной (СП). При справедливости сделанных предположений о случайном возмущении модели дробь Стьюдента обладает известным законом распределения (ЗР) – распределением Стьюдента (или t-распределением) с числом степеней свободы , где (k+1) – количество оцениваемых коэффициентов модели.
Данное обстоятельство позволяет построить замкнутый интервал с границами, именуемый доверительным, который накрывает прогнозируемое значение эндогенной переменной с принятой доверительное вероятностью β. В последних двух выражениях символом tкрит обозначено критическое значение модуля дроби Стьюдента.
Обсужденная выше процедура интервального прогнозирования значений эндогенной переменной генерирует естественное правило объективной (формализованной) проверки адекватности оцененной модели:
1. Результаты наблюдений объекта-оригинала (выборку) разделить на два класса. В первый класс, именуемый обучающей выборкой, включить основной объем результатов наблюдения объекта-оригинала (90-95% выборки X, . Оставшиеся результаты наблюдений (например, пара (x0,y0)) составляют контролирующую выборку.
2. По обучающей выборке оценить МНК-модель.
3. Задаться доверительной вероятностью β и по значениям регрессоров, входящих в контролирующую выборку (например, по значению x0), построить доверительные интервалы для соответствующих этим регрессорам значений эндогенной переменной модели (например, y0).
4. Проверить, попадают ли значения эндогенной переменной из контролирующей выборки (например, значение y0) в соответствующие доверительные интервалы (например, в интервал . Если да, то признать оцененную модель адекватной; если же нет, то оцененная модель не может быть признана адекватной и подлежит доработке.
Процедуры интервального прогнозирования и проверки адекватности модели требуют значений tкрит. Чем выше значимость прогнозов, тем большее значение доверительное вероятности приходится принимать.
Дата добавления: 2015-10-23; просмотров: 357 | Нарушение авторских прав
<== предыдущая страница | | | следующая страница ==> |
Компьютерное моделирование эконометрических систем | | | Множественная линейная регрессионная модель. Оценивание параметров множественной регрессии методом наименьших квадратов |