Студопедия
Случайная страница | ТОМ-1 | ТОМ-2 | ТОМ-3
АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатика
ИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханика
ОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторика
СоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансы
ХимияЧерчениеЭкологияЭкономикаЭлектроника

Определение границ доверительного интервала

Читайте также:
  1. I. Определение терминов.
  2. I. Определение экономической эффективности
  3. I.1.1. Определение границ системы.
  4. NURBS: Определение
  5. Q: Какое определение спиральной модели жизненного цикла ИС является верным
  6. VIEWSONIC СТИРАЕТ ГРАНИЦЫ МЕЖДУ МОБИЛЬНЫМИ УСТРОЙСТВАМИ И НАСТОЛЬНЫМИ КОМПЬЮТЕРАМИ С НОВЫМ СМАРТ-ДИСПЛЕЕМ VSD241 НА ОПЕРАЦИОННОЙ СИСТЕМЕ ANDROID
  7. А) Определение сульфидом натрия.

1) Находим оценки параметров спецификации (коэффициенты регрессии а^0, а^1, а^2, оценки среднеквадратичного отклонения коэффициентов регрессии Sa0, Sa1, Sa2 и т.д.):

2) Далее, выбираем строку и обозначаем ее прогнозом. Настоящее значение функции обозначим Yp.

3) Следующим шагом необходимо рассчитать прогнозное значение Y^p, используя полученные оценки коэффициентов регрессии (см. рисунок).

В большинстве случаев налицо явное несовпадение результата и прогноза. Но ожидать точное совпадение прогноза и результата по меньшей мере наивно. Во-первых, Y^p - величина случайная, т.к. все три оценки коэффициентов a^0, a^1, a^2 вычислялись через значения случайной величины Y. Во-вторых, значение Yp содержит в себе неизвестное значение случайной составляющей εр. Все, что мы можем предпринять в этой ситуации, это проверить, попадают ли оба значения в доверительный интервал и делать заключение по этому факту.

Величина доверительного интервала зависит от дисперсии прогноза, которая складывается из дисперсии εt - случайной составляющей эконометрической модели и дисперсии случайной величины оценки регрессии (уравнение регрессии), значения коэффициентов которой вычислены с помощью функции ЛИНЕЙН (см. рисунок).

Однако оценки коэффициентов a^0, a^1, a^2 зависимы и для оценки их влияния на точность прогноза мало знать только их дисперсии, но нужно учесть и их взаимную зависимость, т.е. ковариацию, которая задается матрицей ковариаций.

Матрица ковариации регрессии оценивается по следующей формуле: Cov(A^) = S2ε*(XT*X)-1, где A^ = (a^0, a^1, a^2)T, оценки коэффициентов регрессии; S2ε - дисперсия случайной составляющей ε.

4) Далее производим следующие вычисления:

1. (XT*X)-1.

2. , где .

5) Определим доверительный интервал для прогноза как (Y^p-tα*Sпрог, Y^p+tα*Sпрог), где tα-статистика Стьюдента, вычисляемая по формуле EXCEL СТЬЮДРАСПОБР.

Если оба значения (т.е. Yp и Y^p) попадают в указанный интервал, то модель признается адекватной и пригодной для целей прогнозирования.


Дата добавления: 2015-10-23; просмотров: 171 | Нарушение авторских прав


Читайте в этой же книге: Анализ вариации зависимой переменной в регрессии | Компьютерное моделирование эконометрических систем | Интервальное прогнозирование по оцененной линейной эконометрической модели парной регрессии значений эндогенной переменной | Проверка гипотез относительно коэффициентов парной регрессии | Автокорреляция случайного возмущения | Модель парной регрессии. Границы доверительных интервалов | Гетероскедастичность случайной компоненты. Тесты на наличие гетероскедастичности | Парная регрессия. Оценивание параметров методом наименьших квадратов | Дисперсионный анализ в парной регрессии |
<== предыдущая страница | следующая страница ==>
Множественная линейная регрессионная модель. Оценивание параметров множественной регрессии методом наименьших квадратов| Оценивание параметров модели взвешенным методом наименьших квадратов

mybiblioteka.su - 2015-2024 год. (0.005 сек.)