Уравнение парной регрессии

Уравнение парной регрессии.

На основании поля корреляции можно выдвинуть гипотезу (для генеральной совокупности) о том, что связь между всеми возможными значениями X и Y носит линейный характер.

Линейное уравнение регрессии имеет вид y = bx + a + ε

Система нормальных уравнений.

a•n + b∑x = ∑y

a∑x + b∑x² = ∑y•x

Для наших данных система уравнений имеет вид

12a + 1042 b = 1709

1042 a + 91556 b = 149367

Из первого уравнения выражаем а и подставим во второе уравнение:

Получаем эмпирические коэффициенты регрессии: b = 0.9, a = 64.21

Уравнение регрессии (эмпирическое уравнение регрессии):

y = 0.9 x + 64.21

Эмпирические коэффициенты регрессии a и b являются лишь оценками теоретических коэффициентов β_i, а само уравнение отражает лишь общую тенденцию в поведении рассматриваемых переменных.

Для расчета параметров линейной регрессии построим расчетную таблицу (табл. 1)

x	y	x2	y2	x • y
83	137	6889	18769	11371
88	142	7744	20164	12496
75	128	5625	16384	9600
89	140	7921	19600	12460
85	133	7225	17689	11305
79	153	6241	23409	12087
81	142	6561	20164	11502
97	154	9409	23716	14938
79	132	6241	17424	10428
90	150	8100	22500	13500
84	132	7056	17424	11088
112	166	12544	27556	18592
1042	1709	91556	244799	149367

1. Параметры уравнения регрессии.

Выборочные средние.

Выборочные дисперсии:

Среднеквадратическое отклонение

1.1. Коэффициент корреляции

Ковариация.

Рассчитываем показатель тесноты связи. Таким показателем является выборочный линейный коэффициент корреляции, который рассчитывается по формуле:

1.2. Уравнение регрессии (оценка уравнения регрессии).

Линейное уравнение регрессии имеет вид y = 0.9 x + 64.21

1.3. Коэффициент эластичности.

Коэффициент эластичности находится по формуле:

1.4. Ошибка аппроксимации.

Ошибка аппроксимации в пределах 5%-7% свидетельствует о хорошем подборе уравнения регрессии к исходным данным.

1.5. Эмпирическое корреляционное отношение.

Эмпирическое корреляционное отношение вычисляется для всех форм связи и служит для измерение тесноты зависимости. Изменяется в пределах [0;1].

где

Индекс корреляции.

Для линейной регрессии индекс корреляции равен коэфииценту корреляции r_xy = 0.79.

Для любой формы зависимости теснота связи определяется с помощью множественного коэффициента корреляции:

1.6. Коэффициент детерминации.

Чаще всего, давая интерпретацию коэффициента детерминации, его выражают в процентах.

R²= 0.79² = 0.62

Для оценки качества параметров линейной регрессии построим расчетную таблицу (табл. 2)

x	y	y(x)	(yi-ycp)2	(y-y(x))2	(xi-xcp)2	|y - yx|:y
83	137	138.96	29.34	3.86	14.69	0.0143
88	142	143.47	0.17	2.15	1.36	0.0103
75	128	131.76	207.84	14.13	140.03	0.0294
89	140	144.37	5.84	19.08	4.69	0.0312
85	133	140.77	88.67	60.3	3.36	0.0584
79	153	135.36	112.01	311.12	61.36	0.12
81	142	137.16	0.17	23.4	34.03	0.0341
97	154	151.57	134.17	5.89	103.36	0.0158
79	132	135.36	108.51	11.3	61.36	0.0255
90	150	145.27	57.51	22.38	10.03	0.0315
84	132	139.86	108.51	61.85	8.03	0.0596
112	166	165.08	556.17	0.84	633.36	0.00552
1042	1709	1709	1408.92	536.31	1075.67	0.43

2. Оценка параметров уравнения регрессии.

2.1. Значимость коэффициента корреляции.

Для того чтобы при уровне значимости α проверить нулевую гипотезу о равенстве нулю генерального коэффициента корреляции нормальной двумерной случайной величины при конкурирующей гипотезе H₁ ≠ 0, надо вычислить наблюдаемое значение критерия

и по таблице критических точек распределения Стьюдента, по заданному уровню значимости α и числу степеней свободы k = n - 2 найти критическую точку t_крит двусторонней критической области. Если t_набл < t_крит оснований отвергнуть нулевую гипотезу. Если |t_набл| > t_крит — нулевую гипотезу отвергают.

По таблице Стьюдента с уровнем значимости α=0.05 и степенями свободы k=10 находим t_крит:

t_крит (n-m-1;α/2) = (10;0.025) = 2.228

где m = 1 - количество объясняющих переменных.

2.2. Интервальная оценка для коэффициента корреляции (доверительный интервал).

r(0.54;1.03)

2.3. Анализ точности определения оценок коэффициентов регрессии.

Несмещенной оценкой дисперсии возмущений является величина:

S²_y = 53.63 - необъясненная дисперсия (мера разброса зависимой переменной вокруг линии регрессии).

S_y = 7.32 - стандартная ошибка оценки (стандартная ошибка регрессии).

S_a - стандартное отклонение случайной величины a.

S_b - стандартное отклонение случайной величины b.

2.4. Доверительные интервалы для зависимой переменной.

(a + bx_p ± ε)

где

Рассчитаем границы интервала, в котором будет сосредоточено 95% возможных значений Y при неограниченно большом числе наблюдений и X_p = 107

Индивидуальные доверительные интервалы для Y при данном значении X.

(a + bx_i ± ε)

где

t_крит (n-m-1;α/2) = (10;0.025) = 2.228

2.5. Проверка гипотез относительно коэффициентов линейного уравнения регрессии.

1) t-статистика. Критерий Стьюдента.

t_крит (n-m-1;α/2) = (10;0.025) = 2.228

Доверительный интервал для коэффициентов уравнения регрессии.

(b - t_крит S_b; b + t_крит S_b)

(a - t_крит S_a; a + t_крит S_a)

2) F-статистика. Критерий Фишера.

Табличное значение критерия со степенями свободы k₁=1 и k₂=10, F_табл = 4.96