9. Интерв. Оценки коэф-ов лин. Ур-ния регрессии

Рассм-им t-статистику:

Чтоб построить 100(1- )доверит.интервал по треб-му уровню знач-ти и числу степени свободы,опред-ся критич. знач-е: ,n-2, кот. удовл-ет след. усл-ю:

Подставим и получим.

= 1-

Выраж-ие в скобках и опред-ет доверит. интервал

10. Доверит. интервалы для завис.переменной. Одной из задач экон.модел-ния явл-ся прогноз-ние завис.перем-ной при опред.знач-ях независ.перем-ной. Пусть построено ур-ние регр-ссии ŷi=b₀+b₁x_i, i=1,n. Необх-мо на основе дан.ур-ния предсказать усл.мат.ожидание M(Y/x_p), перем-ной Y при X=x_p. Знач-ния ŷ_р=b₀+b₁x_р явл-ся оценкой мат.ожидания M(Y/x_p) Возникает вопрос: как сильно может откл-ся модельное знач-е ŷ_р от соотв-щего условного мат.ожидания M(Y/x_p) Покажем,что случ.величина Ŷ_р имеет норм.распред-ние. Для этого исполь-ем формулы для c_i и d_i: Ŷ_р= ŷi=b₀+b₁x_р=∑d_iy_i+∑c_iy_ix_p=∑(d_i+c_ix_p)y_i. След-но,случ.величина Ŷ_р явл-ся лин.комб-цией норм.случ.величин и сама имеет норм.распред-ние. Найдем мат.ож-ние и дисп-сию дан.случ.величины: M(Ŷ)=M(b₀+b₁x_p)=M(b₀)+M(b₁)x_p=β₀+β₁x_p, D(Ŷ_р)=D(b₀+b₁x_p)= D(b₀)+x_p²D(b₁)+2x_pcov(b₀,b₁), cov(b₀,b₁)=M[(b₀-M(b₀))(b₁-M(b₁))]=M[(b₀-β₀)(b₁-β₁)]=M[(-b₁-(- β₁))(b₁-β₁)]=M[-(b₁-β₁)( b₁-β₁)]= -D(b₁) D(Ŷ_р)= D(b₀)+x_p²D(b₁)-2x_pD(b₁)=+x_p²- 2x_pσ²= σ²()= σ²(+). Т.к. σ² по выборке не можно опред-ть, вместо нее подставим ее несмещен.оценку S²=, тогда получим выбор.исправл.дисп-сиюслуч.величины Ŷ_р: D(Ŷ_р)= S²(Ŷ_р)= S²(+). В дальнейшем будем исполь-ть случ.величину t=, кот-е имеет распредел-е Стьюдента с числом степеней своб-ы ν=n-2. Опред-ем критич.точку t_kp=_n-2 , кот. удовлетв-ет след.условию Р(<t_kp)=1-𝛌.Подставим знач-е вместо t: P(-_n-2<<_n-2)= 1-𝛌, P(b₀+b₁x_р-_n-2 S(Ŷ_р)<)=1-𝛌. Выражение в скобках и опред-ет доверит.интервал для условн. M(Y/x_p).

11. Проверка общ.кач-ва ур-ния регр-сии. Мера общ.кач-ва ур-ния регр-сии,т.е.соотв-вия ур-ния стат.данным явл-ся кофф-т детерминации R²,кот.опред-ся по след.форм.: R²=1- . реальн.значения завис.перем-ой отлич-ся от модельн.знач-ний на величину е_i: y_i=ŷ_i+e_i, i=. Последнее можно переписать:y_i-=(ŷ_i-)+(y_i- ŷ_i),где y_i--откл-ние i-й наблюд.точки от ср.знач-я, ŷ_i--откл-ние i-й точки на линии регр-сии от ср.знач.,y_i- ŷ_i-откл-ние i-й наблюд.точки от модельн.знач. Разделим обе части посл.выраж-я на лев.часть:

1=+,

получим тогда исходн.форм-у. Коэф-т детерм-ции R² опред-ет долю разброса завис.переменной, объяснимую ур-нием регр-сии. Коэф-т детерм-ции: 0≤ R²≤1. Чем ближе R² к 1,тем лучше кач-во построен.регр-сии. Судить о кач-ве ур-ния регр-сии можно и по ср.ошибке аппроксимации,кот.опред-ся:Ā=∑*100%,если Ā≤10%, то построен.ур-ние регр-сии качеств-но.

13. Расчет коэф-в множ. Регр-ии.

Данные набл-ий и соотв. коэф-ты в матрич. форме:

Y=X= B=; e=

Ф-ию Q=в матрич. форме можно предст-ть как произв. вектор-строкина вектор-столбец е. Вектор-столб. Е можно запис. в виде: е=У-ХВ. Тогда исход. ф-июQ запиш. в виде: Q=*е=*(У-ХВ)=*У-У-ХВ+ХВ=*У-2У+ХВ. Мат-ки док-но, что вектор-столб част-х произв-х ф-ииQ по оцен. парам-м имеет вид:

= -2У+2B. Приравняв = 0 получим ф-лу для вычис-я множ. лин-ой регр-ии:

У=Х)В =>*У.