- •Державний вищий навчальний заклад
- •1. Інформаційна база економетричних моделей
- •1.1. Динамічні ряди та їхні характеристики
- •2. Варіаційні ряди та їхні характеристики
- •2. Проста вибіркова лінійна регресія
- •2.1. Оцінка параметрів лінійної регресії за допомогою методу найменших квадратів
- •2.2. Коефіцієнти кореляції та детермінації
- •Поняття про ступені вільності. Аналіз дисперсій
- •Anova-таблиця
- •2.4. Перевірка простої регресійної моделі на адекватність. Поняття f-критерію Фішера
- •2.5. Інші критерії якості лінійної регресії
- •2.6. Математичне сподівання та дисперсія розподілу параметрів b0 та b1 . Оцінка дисперсії випадкової величини .
- •2. Дисперсія параметра b0:
- •4. Дисперсія параметра b1:
- •5. Оцінка дисперсії випадкової величини :
- •Перевірка значимості параметрів b0 та b1 вибіркової лінійної регресійної моделі за допомогою t-теста Стьюдента
- •Коефіцієнта кореляції
- •2.9. Побудова інтервалів довіри для параметрів та
- •2.10. Прогнозування за моделями простої лінійної регресії
2.5. Інші критерії якості лінійної регресії
Припустимо, відомі n прогнозних даних , що відповідаютьn
реальним даним у1, у2, у3, …, уn, тобто маємо відповідно n помилок прогнозу е1, е2, е3, …, еn . Для визначення якості прогнозу (моделі) на практиці широко використовуються такі критерії:
:
Середня помилка прогнозу:
(2.5.1)
Цей критерій характеризує ступінь зміщення прогнозу і для правильних прогнозів повинен прямувати до 0 за умови великої кількості спостережень, тобто
при .
Дисперсія помилок:
(2.5.2)
та стандартне відхилення:
(2.5.3)
Цей критерій вимірює ступінь розкиду значень змінної навколо свого середнього значення.
Для простої лінійної регресії середнє значення помилок дорівнює нулеві. Тому
. (2.5.4)
Абсолютне середнє відхилення:
. (2.5.5)
Середній квадрат помилки:
. (2.5.6)
Цей критерій для лінійної регресії збігається з дисперсією помилок
.
Абсолютна середня процентна помилка:
. (2.5.7)
Цей критерій використовується при порівнянні точності прогнозів різнорідних об’єктів, бо характеризує відносну точність прогнозу. При цьому вважається, якщо значення цього критерію менше 10% — висока точність прогнозу, а отже, і якість моделі; від 10 до 20% — добра точність; від 20 до 50% — задовільна точність; понад 50% — незадовільна точність
.
Середня процентна помилка:
. (2.5.8)
Це показник незміщеності прогнозу. З точки зору практики для якісних моделей цей показник має бути малим, загалом не перевищувати 5%. Зазначимо, що як і показник 5, він не визначений для нульових значень у [5]
.
Середня абсолютна помилка:
Примітка: Для розрахунку вищеперелічених критеріїв варто використати таблицю:
№ |
|
| |||||
1 2 3 . . . n |
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
Завдання 17. Перевірити якість лінійної регресійної моделі, побудованої в завданні 4, за допомогою критеріїв:
Зробити висновки.
Завдання 18. Перевірити якість лінійної регресійної моделі, побудованої в завданні 8, за допомогою критеріїв:
Зробити висновки.
Завдання 19. Перевірити якість лінійної регресійної моделі, побудованої в завданні 10, за допомогою критеріїв з розділу 2.5. Зробити висновки.
Завдання 20. Перевірити якість лінійної регресійної моделі, побудованої в завданні 11, за допомогою критеріїв з розділу 2.5. Зробити висновки.
2.6. Математичне сподівання та дисперсія розподілу параметрів b0 та b1 . Оцінка дисперсії випадкової величини .
Математичне сподівання параметра b0 дорівнює:
. (2.6.1)
2. Дисперсія параметра b0:
(2.6.2)
3. Математичне сподівання параметра b1 дорівнює:
. (2.6.3)
4. Дисперсія параметра b1:
, (2.6.4)
де — дисперсія залежної змінної.