- •ЛИНЕЙНАЯ ПАРНАЯ РЕГРЕССИЯ
- •ПОСТАНОВКА ЗАДАЧИ
- •МЕТОД НАИМЕНЬШИХ КВАДРАТОВ (МНК)
- •МЕТОД НАИМЕНЬШИХ КВАДРАТОВ
- •МЕТОД НАИМЕНЬШИХ КВАДРАТОВ
- •МЕТОД НАИМЕНЬШИХ КВАДРАТОВ
- •МЕТОД НАИМЕНЬШИХ КВАДРАТОВ
- •МЕТОД НАИМЕНЬШИХ КВАДРАТОВ
- •МЕТОД НАИМЕНЬШИХ КВАДРАТОВ
- •КОЭФФИЦИЕНТ КОРРЕЛЯЦИИ
- •КОЭФФИЦИЕНТ КОРРЕЛЯЦИИ
- •КОЭФФИЦИЕНТ КОРРЕЛЯЦИИ
- •Свойства коэффициента корреляции
- •Коэффициент корреляции характеризует тесноту связи
- •Коэффициент корреляции характеризует тесноту связи
- •Классическая нормальная
- •Свойства оценок: несмещенность
- •Свойства оценок: состоятельность
- •Свойства оценок: состоятельность
- •Свойства оценок: эффективность
- •Несмещенность оценок параметров регрессии
- •Несмещенность оценок параметров регрессии
- •Несмещенность оценок параметров регрессии
- •Несмещенность оценок параметров регрессии
- •Теорема Гаусса-Маркова
- •ОЦЕНКА ЗНАЧИМОСТИ УРАВНЕНИЯ РЕГРЕССИИ
- •ОЦЕНКА ЗНАЧИМОСТИ УРАВНЕНИЯ РЕГРЕССИИ
- •ОЦЕНКА ЗНАЧИМОСТИ УРАВНЕНИЯ РЕГРЕССИИ
- •ОЦЕНКА ЗНАЧИМОСТИ УРАВНЕНИЯ РЕГРЕССИИ
- •ОЦЕНКА ЗНАЧИМОСТИ УРАВНЕНИЯ РЕГРЕССИИ
- •Квантили F-распределения Фишера- Снедекора
- •ОЦЕНКА ЗНАЧИМОСТИ УРАВНЕНИЯ РЕГРЕССИИ
- •ОЦЕНКА ЗНАЧИМОСТИ УРАВНЕНИЯ РЕГРЕССИИ
- •ОЦЕНКА ЗНАЧИМОСТИ УРАВНЕНИЯ РЕГРЕССИИ
- •ОЦЕНКА ЗНАЧИМОСТИ УРАВНЕНИЯ РЕГРЕССИИ
- •ОЦЕНКА ЗНАЧИМОСТИ УРАВНЕНИЯ РЕГРЕССИИ
- •ОЦЕНКА ЗНАЧИМОСТИ УРАВНЕНИЯ РЕГРЕССИИ
- •ОЦЕНКА ЗНАЧИМОСТИ УРАВНЕНИЯ РЕГРЕССИИ
- •Квантили T-распределения Стьюдента
ОЦЕНКА ЗНАЧИМОСТИ УРАВНЕНИЯ РЕГРЕССИИ
F показывает, в какой мере регрессия лучше оценивает значение зависимой переменной по сравнению с ее средним значением
При
(!) F f ,k1,k2
гипотеза (предположение) о незначимости регрессии отклоняется
с уровнем значимости .
Неравенство (!) - правило (критерий) проверки гипотезы
о незначимости линейной регрессии,
f ,k1,k2 – квантиль распределения Фишера, критическое (пороговое) значение F,- вероятность отклонения гипотезы при условии, что она верна - вероятность ошибки первого рода.
Квантили F-распределения Фишера- Снедекора
|
F ,k1,k 2 |
Excel: F ,k1,k2=FРаспОбр( , k1,k2)
- вероятность «хвоста», которую также называют уровнем значимости или вероятностью ошибки 1 рода (вероятность отклонить гипотезу о незначимости при условии, что она верна).
ОЦЕНКА ЗНАЧИМОСТИ УРАВНЕНИЯ РЕГРЕССИИ
Коэффициент детерминации: R2 QR 1 Qe
Q Q
Коэффициент детерминации показывает, какая часть изменения зависимой переменной объясняется изменением объясняющей переменной.
1.Чем ближе R2 к единице, тем лучше регрессия аппроксимирует наблюдения.
2.Если R2=1, то наблюдения лежат на линии регрессии.
3.Если R2=0, то изменение зависимой переменной полностью
обусловлены неучтенными в модели факторами, и линия регрессии параллельна оси ОХ.
ОЦЕНКА ЗНАЧИМОСТИ УРАВНЕНИЯ РЕГРЕССИИ
Можно доказать, что в случае парной регрессии:
R2=r2
ОЦЕНКА ЗНАЧИМОСТИ УРАВНЕНИЯ РЕГРЕССИИ
QR>Qe – регрессионная модель значима;
QR<Qe – регрессионная модель незначима;
QR=Qe – граничный случай; R2=0.5;
R2 0.5 (|r| 0.7) – регрессионная модель значима.
ОЦЕНКА ЗНАЧИМОСТИ УРАВНЕНИЯ РЕГРЕССИИ
Критерий (!) проверки гипотезы о незначимости регрессии может использовать значение R2 :
F QR (n p 1) |
QR (n p 1) |
|
Q p |
(Q Q ) p |
|
e |
R |
|
R2(n ( p 1)) F |
|
|
(1 R2) p |
, p,n ( p 1) |
|
|
|
ОЦЕНКА ЗНАЧИМОСТИ УРАВНЕНИЯ РЕГРЕССИИ
Другой способ оценки значимости уравнения регрессии -
проверка гипотезы m=0
если m=0, то y не зависит от x.
Можно ли по значению оценки m судить о справедливости этой гипотезы?
ˆ |
2 |
) |
|
|
|
|
|||
m ~ N(m, mˆ |
большие значения оценки |
|||
Если гипотеза верна, то |
mˆ ~ N(0, m2ˆ ) |
|||
маловероятны |
|
|
|
mˆ |
|
x |
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
||||
P |
|
|
|
|
|
х - квантиль стандартного нормального |
|
||
|
|
mˆ |
|
|
распределения, - суммарная вероятность |
|
|||
|
|
|
|
|
двух «хвостов» (в эконометрике =0.05) |
|
|||
|
|
|
|
СКО оценки m не знаем, используем выборочное СКО:
ОЦЕНКА ЗНАЧИМОСТИ УРАВНЕНИЯ РЕГРЕССИИ
СКО оценки m не знаем, используем выборочное СКО:
|
|
|
mˆ |
|
|
|
|
|
|
|
|
|
|||||
P |
|
|
|
|
t |
|
|
|
s |
||||||||
|
|
|
|
;n 2 |
|
|
||
|
|
|
mˆ |
|
|
|
|
T |
|
mˆ |
-статистика Стьюдента с числом степеней |
|
|||
n 2 |
|
smˆ |
свободы n-2, t ;n-2 – ее квантиль уровня |
|
|
(суммарная вероятность двух «хвостов»)
Правило проверки гипотезы о незначимости уравнения регрессии: гипотеза отклоняется при
Tn-2 >t ,n-2, (!!)
ОЦЕНКА ЗНАЧИМОСТИ УРАВНЕНИЯ РЕГРЕССИИ
Для парной регрессии правила(!) и (!!) эквиваленты и
F=T2,
f |
a;1;n 2 |
t 2 |
;n 2 |
|
|
Для парной регрессии значимость уравнения регрессии эквивалентна значимости коэффициента регрессии
Квантили T-распределения Стьюдента
|
|
p(x) |
|
|
|
|
x |
|
|
|
|
|
-t |
t |
Excel: |
t =СтьюдРаспОбр( , число степеней свободы) |
|
- заданная вероятность ошибки 1 рода (уровень значимости), |
||
|
суммарная верояность двух хвостов |