эконометрика. 10. Основные понятия дисперсионного анализа. Основное тождество дисперсионного анализа
![]()
|
1 2 14. Средняя относительная ошибка аппроксимации. Для оценки математической точности уравнения можно воспользоваться средней относительной ошибкой аппроксимации ,которая определяется как среднее отклонение полученных значений от фактических и находится по формуле: Для принятий решения о точности уравнения пользуются табл.1.3. Таблица 1.3. Характеристика точности уравнения
15. Анализ остатков регрессионной модели. Остатки регрессии - это разности между наблюдаемыми значениями и значениями, предсказанными изучаемой регрессионной моделью. Нужно проверить требования к остаткам по теореме Гаусса-Маркова: 1.Проверка требования D Числовой оценкой математического ожидания 𝑀( ) является среднее значение 𝜀. Для выполнения требования Дисперсия остатков постоянна: D( D( Если дисперсия остатков постоянна (гомоскедастична) точки (остатки)находятся внутри горизонтальной полосы симметричной относительной горизонтальной оси. Дисперсия остатков должна быть одинаковой для всех значений Точечная оценка дисперсии остатков Интервальная оценка дисперсии остатков - доверительный интервал, который с вероятностью (надежностью) γ = 1 – α покрывает 2. Проверка требования Е - для разных наблюдений остатки некоррелированы (независимы). Наиболее распространенный метод проверки требования о независимости остатков - критерий ДарбинаУотсона (о наличии в остатках автокорреляции первого порядка), в котором рассчитывается статистика где 0 d расч 4 На практике в случае, когда статистика критерия d расч попадает в зону неопределенности, обычно признается наличие автокорреляции в остатках. Замечания 1. Если уравнение регрессии признано качественным, а остатки удовлетворяют требованиям D, E теоремы Гаусса-Маркова, то регрессионная модель считается качественной, т.е. она адекватно описывает исходные данные. 2. Для получения качественной парной линейной регрессионной модели необходима выборка объема не меньше n = (6÷8)×2. 1 2 |