ПСОД студенты / Корреляционный анализ

Проверка на однородность случайных ошибок

Для проверки на однородность дисперсии D(ε)=const. Целесообразно воспользоваться методом Гольфельда. Последовательность значений случайной величины Y разбивается на две последовательности объемом n1 и n2 , где (n1+n2=n). Для каждой последовательности вычисляются дисперсии

воспроизводимости S12 и S22 . Тогда отношение

F = S2

2 ,

S2

1

при S12 < S22 будет иметь распределение Фишера со степенями свободы

f1= n1 − k −1 ; f2= n2 − k −1 . Если значение F превышает табличное, то гипотеза об однородности дисперсии отклоняется. Чувствительность критерия увеличивается, если исключить средние наблюдения.

В случае, если дисперсии оказались неоднородными, часто оказывается полезным изменение масштаба для выходной переменной. Вводится

некоторая функция от выходной переменной, например ln y или y.

Проверка на автокорреляцию случайных ошибок

Наличие автокорреляции ошибок можно проверить с помощью критерия Дарбина-Уотсона:

Критерий Дарбина-Уотсона изменяется в диапазоне 0 ≤ DW ≤ 4. При отсутствии автокорреляции DW=2. В приложении 3 приводятся нижние и верхние границы критерия dн и dвдля степеней свободы f1=n; f2=k.

исследования.

П р а к т и ч е с к и й с о в е т: желательно область неопределенности подключить к области отклонения гипотезы об отсутствии автокорреляции.

2.6.ОПИСАНИЕ ТИПОВОГО ПРИМЕРА

Втабл. 2.2 приведены значения выходной переменной yi при данном значении входной переменной xi . Модель ищется в виде

~y = a0 +a1 x .

2. Определим модель. Вычислим соответствующие суммы и составим систему двух линейных уравнений:

Σxi=10, Σyi=18, Σxi2=30, Σxiyi=53, Σyi2=94,

3. Рассчитаем модельные значения, подставляя в уравнение значения входной переменной (табл. 2.3).

4. Определим адекватность модели, для этого вычислим общую сумму квадратов, сумму квадратов, относящуюся к регрессии, и сумму квадратов остатков:

Qe=Σei2=(2–2,1)2+(4–3,7)2+(5–5,3)2+(7–6,9)2=0,2 .

Для проверки полученных расчетов необходимо, чтобы Q =QR +Qe .

В нашем случае равенство выполняется. Расчетное значение критерия Фишера равно

Расчетное значение критерия Фишера больше, чем табличное значение

F > FТАБЛ.=F0,05;1;2=18,512.

Вывод 1: модель адекватна, исходные данные хорошо согласуются с моделью.

5. Оперативно адекватность модели можно проверить по коэффициентам детерминации или корреляции. Коэффициент

детерминации, скорректированный коэффициент детерминации и коэффициент корреляции определяются следующим образом:

R*2 =1− n −n −k 1−1(1−R2) =1− 44−−1−11(1−0,9846) =0,977,

R = R2 = 0,9922 .

Полученное значение коэффициента детерминации больше, чем 0,75 следовательно, модель можно считать адекватной.

6. Определим значимость параметров модели. Вычислим средние квадратические отклонения ошибок коэффициентов регрессии:

Табличное значение Стьюдента t2;0,025=4,303. Получаем расчетные значения Стьюдентов:

ta0 =0,5/0,387=1,291; ta1 =1,6/0,141=11,31.

Вывод 2: параметр a1 будет значим так, расчетное значение Стьюдента

будет больше, чем табличное, параметр a0 – незначим.

Аналогичный вывод можно сделать иначе, вычисляя доверительные интервалы для параметров модели:

a0 =0,5±4,303·0,387=0,5±1,665; a1 = 1,6±4,303·0,141= 1,6±0,607.

Так как абсолютное значение параметра a1 будет больше, чем его доверительный интервал, то параметр значим. Параметр a0 незначим.

величину, получим нормированные отклонения, которые все находятся в интервале [-2; +2].

Вывод 3: первая предпосылка выполняется, случайная ошибка имеет нормальный закон распределения с нулевым математическим ожиданием.

8. Критерий Дарбина-Уотсона вычисляем следующим образом:

DW = ((0,3+0,1)2+(–0,3–0,3)2+(0,1+0,3)2) / 0,2=3,4

1,5 < DW < 4–1,5 (dв примерно равно 1,5 (прил. 3)).

Вывод 4: вторая предпосылка не выполняется, между текущими значениями случайной величины присутствует отрицательная автокорреляция.

В завершении работы приведем итоговую таблицу остатков и нормированных отклонений (табл. 2.4).

Пуск/Программы/Statistica/Statistica;

•выделить строку Basic Statistica/Tables и нажать кнопку Switch To;

•в открывшемся окне Basic Statistica/Tables закрыть все окна документов и выполнить команду File/New Data. Появится таблица для ввода данных (рис. 2.1);

Рис. 2.1

•введите исходные данные для переменных X и Y в столбцы VAR1 и

VAR2;

•выделите блок колонок VAR3-VAR10 и нажмите на панели инструментов кнопку Vars. В появившемся меню выберите команду Delete, а затем в диалоговом окне нажмите кнопку OK;

•выделите блок строк 5–10 и нажмите на панели инструментов кнопку Cases. В появившемся меню выберите команду Delete, а затем в диалоговом окне нажмите кнопку OK;

•щелкните правой клавишей мыши по столбцу VAR1 и выберите команду Variable Specs.... (Спецификации переменной). Появится диалоговое окно (рис. 2.2).

Рис. 2.2

•введите имя переменной X и нажмите OK;

•щелкните правой клавишей мыши по столбцу VAR2 и выберите команду Variable Specs.... (Спецификации переменной). Появится диалоговое окно (рис. 2.3);

Рис. 2.3

•введите имя переменной Y и нажмите OK;

•в результате вы должны получить таблицу данных следующего вида

(рис. 2.4);

Рис. 2.4

•сохраните полученный файл данных командой File/Save As под именем lab1.sta в предназначенной для работы папке;

•сделайте активным окно с таблицей данных, а затем выполните команду Analysis/Resume Analysis (Анализ/Резюме анализ). Появится окно

(рис. 2.5);

Рис. 2.5

• выберете пункт Descriptive statistics (Описательные статистики) и

нажмите OK. Появится окно (рис. 2.6);

Рис. 2.6

• нажмите кнопку Variables. В появившемся (рис. 2.7) диалоговом окне нажмите кнопку Select All (Выбрать все) и OK;

Рис. 2.7

• программа выполнит переход в предыдущее окно, в котором необходимо нажать кнопку Detailed descriptive tatistics (Детальные описательные статистики). Появится таблица с результатами расчетов (рис. 2.8);

Рис. 2.8