Парный регрессионный анализ
Выбери формат для чтения
Загружаем конспект в формате pdf
Это займет всего пару минут! А пока ты можешь прочитать работу в формате Word 👇
Каждая наука лишь тогда достигает своего совершенства,
когда породнится с математикой.
И. Кант
ЛЕКЦИЯ №2.
ПАРНЫЙ РЕГРЕССИОННЫЙ
АНАЛИЗ
Автор-составитель:
к.ф.-м.н., доцент
каф. статистики и эконометрики
СГЭУ,
Ширяева Л.К.
E-mail: Shiryeva_LK@mail.ru
01.02.2021
ПЛАН
•
2.1. Нахождение эмпирических коэффициентов регрессии методом
наименьших квадратов
• 2.2. Предпосылки МНК. Теорема Гаусса-Маркова
• 2.3. Стандартные ошибки МНК-оценок коэффициентов регрессии
• 2.4. Проверка статистической значимости эмпирических
коэффициентов регрессии
• 2.5.Показатели качества регрессии. Коэффициент детерминации и
его свойства. Проверка качества уравнения парной линейной
регрессии
2
Постановка задачи
Будем полагать, что в генеральной совокупности
зависимость между переменными Y и X имеет
вид:
Y b0 b1 X
(2.1)
3
Замечание.
4
Об интерпретации
коэффициентов регрессии
5
Метод наименьших квадратов (МНК).
6
Замечание
7
МНК
8
Цель МНК – выполнить наилучшую
”подгонку” прямой под данные
наблюдений
Метод наименьших квадратов (МНК) решает
задачу «наилучшей» аппроксимации данных
наблюдений линейной зависимостью :
yˆ bˆ0 bˆ1x
(2)
9
Суть МНК:
• следует найти такие коэффициенты уравнения (2),
чтобы сумма квадратов отклонений эмпирических
значений результативного признака от расчетных
была бы минимальной, т.е.
S
n
yi
i 1
ˆi
y
2
y
n
i 1
i
bˆ0 bˆ1 xi
2
min
• где yi –эмпирическое (наблюдаемое по выборке)
значение результативного признака в i - ом
наблюдении;
• yˆ i bˆ0 bˆ1 xi
– расчетное значение
результативного признака в i - ом наблюдении,
вычисляемое по уравнению регрессии
10
11
О нахождении МНКпараметров модели
12
О системе нормальных
уравнений
13
14
Формулы для вычисления
эмпирических коэффициентов
регрессии полученные по МНК
•
ˆ côv x, y
b
;
1
2
ˆ
x
bˆ0 y xbˆ1.
(3)
15
16
Замечание
17
Почему оценки параметров регрессии не
могут совпадать с оцениваемыми
параметрами?
18
19
2.2. Предпосылки МНК.
20
Условия Гаусса-Маркова, или
предпосылки МНК
21
Замечание
22
Теорема Гаусса-Маркова
23
24
25
2.3. Стандартные ошибки МНК-оценок
коэффициентов регрессии
26
27
Понятие исправленной выборочной
дисперсии остатков
28
29
О стандартных ошибках
оценок параметров регрессии
30
2.4. Проверка статистической
значимости эмпирических
коэффициентов регрессии
31
t-тест
32
О статистике t-критерия
33
Схема проверки
34
35
Проверка значимости
коэффициентов регрессии
36
37
38
2.5.Показатели качества регрессии.
Коэффициент детерминации и его свойства.
Проверка качества уравнения парной линейной регрессии
39
40
ESS
41
RSS
42
TSS
43
Основное эконометрическое
тождество
44
О коэффициенте
детерминации модели
45
Свойства коэффициента
детерминации модели
46
Проверка качества
построенной модели
47
F-тест для проверки качества
модели
48