Студопедия КАТЕГОРИИ: АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Линейная модель парной регрессии. Оценка параметров модели методом наименьших квадратов
Линейная регрессионная модель находит широкое применение для описания экономических явлений и процессов из-за своей простоты. Предположим, что истинная связь между переменными X и Y — линейная, тогда линейная модель парной регрессии Y по X имеет вид:
где y — фактическое значение результата Y, соответствующее значению x фактора X; b0, b1 — истинные параметры модели; e — возмущение (случайная величина, характеризующая влияние на результат Y других факторов помимо X — неучтенных в модели и случайных). Достоинством линейной регрессии является то, что ее параметры имеют четкую экономическую интерпретацию: свободный коэффициент b0 — это среднее значение результата Y при x=0 (если это, вообще говоря, возможно); угловой коэффициент b1 показывает, на сколько единиц в среднем изменяется результат Y при росте фактора X на одну единицу. Истинные параметры b0 и b1 модели, как правило, неизвестны. Однако по статистическим данным можно оценить их значения. Пусть имеется n независимых наблюдений Y при соответствующих значениях X: (x1, y1), (x2, y2),…, (xn, yn). Оценка параметров b0 и b1 по этим данным дает уравнение регрессии
где — предсказываемое уравнением регрессии значение результата Y, соответствующее значению x фактора X; b0, b1 — оценки (приближенные значения) истинных параметров b0 и b1. Разность между фактическим y и расчетным значениями результата Y называется остатком регрессии. Для определения коэффициентов уравнения регрессии используется метод наименьших квадратов, в соответствии с которым значения b0 и b1 выбираются такими, чтобы сумма квадратов остатков регрессии SSост была наименьшей (рис. 2.2): . Свободный b0 и угловой b1 коэффициентыопределяются по формулам:
Значение углового коэффициента b1 можно определить и по формуле
где , — средние квадратические (стандартные) отклонения переменных Y и X в исходных данных. Из формулы (2.7) видно, что угловой коэффициент b1 связан с коэффициентом корреляции ry,x: при прямой связи — , при обратной — . При равенстве коэффициента корреляции нулю, коэффициент b1 также равен нулю и линия регрессии в этом случае параллельна оси x (см. рис. 2.1, д, е). Влияние неучтенных в модели (2.3) и случайных факторов оценивается стандартной ошибкой регрессии
рис. 2.2. График линейной регрессии и сущность МНК |
||||||||||||||||||||
Последнее изменение этой страницы: 2018-04-12; просмотров: 341. stydopedya.ru не претендует на авторское право материалов, которые вылажены, но предоставляет бесплатный доступ к ним. В случае нарушения авторского права или персональных данных напишите сюда... |