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

Модель парной регрессии. Границы доверительных интервалов

Читайте также:
  1. ATTENTION!! тут не описано как проверять партиклы! только модель с текстурами
  2. F) Бинарная модель
  3. III. ДИСТРИБУТИВНАЯ МОДЕЛЬ
  4. VIEWSONIC СТИРАЕТ ГРАНИЦЫ МЕЖДУ МОБИЛЬНЫМИ УСТРОЙСТВАМИ И НАСТОЛЬНЫМИ КОМПЬЮТЕРАМИ С НОВЫМ СМАРТ-ДИСПЛЕЕМ VSD241 НА ОПЕРАЦИОННОЙ СИСТЕМЕ ANDROID
  5. Wave 3 – новый флагман платформы bada на свежей версии 2.0. Модель в цельнометаллическом корпусе из анодированного алюминия и с большим (4”) экраном Super AMOLED.
  6. XXII. Модель «К» и отчаянный риск
  7. Анализ привлекательности отрасли. Модель 5 конкурентных сил Портера.

Наша задача – подобрать функцию так, чтобы она проходила на наименьшем расстоянии от всех точек сразу. Для этого необходимо минимизировать выражение Необходимые условия экстремума: Возьмем соответствующие производные и приравняем их к нулю: ; .

Раскроем скобки и получим стандартную форму нормальных уравнений:

Решая систему уравнений относительно получаем их оценки:

 

 


Из последнего уравнения получаем: . Это равенство указывает на то, что уравнение регрессии проходит через точку . Обозначим . Подберем линейную функцию минимизирующую функционал . Это будет та же прямая, только в новых координатах, центр которых переместится в точку . Так как и .

Регрессионное уравнение имеет вид , где Xt – случайная величина, не коррелированная с ε. εt – случайная величина. Yt – объясняемая (зависимая) переменная, Xt – объясняющая (независимая) переменная.Поскольку Yt является суммой случайной переменной Xt и случайной переменной ε t, то она сама является случайной величиной. Основные гипотезы относительно модели:

1. - спецификация модели

2. Xt – случайная величина, не коррелированная с ε.

3. М(ε)=0

4. М(ε2)=σ2 = const - не зависит от t

5. M(εt, εs) = 0 при t ≠ s – некоррелированность значений случайной составляющей в различные моменты времени

Условия 3, 4, 5 называются условиями Гаусса-Маркова

 

Прогноз будущего (или пропущенного) значения эндогенной переменной определяется по уравнению регрессии. Найдем доверительный интервал, который с доверительной вероятностью Р = 1 – α будет накрывать значение зависимой переменной Y^: .

Доверительный интервал определяется разбросом случайной компоненты относительно уравнения регрессии. Причин этого разброса две:

· Оценки коэффициентов регрессии являются величинами случайными и они сами по себе создают разброс относительно истинного уравнения регрессии.

· Случайная составляющая εt

Ошибка предсказания равна

; ;

Тогда границы интервала будут задаваться так: (Y^ - tα*S∆p; Y^ + tα*S∆p), где tα - статистика Стьюдента.


Дата добавления: 2015-10-23; просмотров: 151 | 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 | Множественная линейная регрессионная модель. Оценивание параметров множественной регрессии методом наименьших квадратов | Определение границ доверительного интервала | Оценивание параметров модели взвешенным методом наименьших квадратов | Проверка гипотез относительно коэффициентов парной регрессии | Парная регрессия. Оценивание параметров методом наименьших квадратов | Дисперсионный анализ в парной регрессии |
<== предыдущая страница | следующая страница ==>
Автокорреляция случайного возмущения| Гетероскедастичность случайной компоненты. Тесты на наличие гетероскедастичности

mybiblioteka.su - 2015-2024 год. (0.013 сек.)