Главная страница

Консультация. 3. Метод наименьших квадратов (мнк)


Скачать 43.05 Kb.
Название3. Метод наименьших квадратов (мнк)
Дата24.12.2021
Размер43.05 Kb.
Формат файлаdocx
Имя файлаКонсультация.docx
ТипДокументы
#317093

3. Метод наименьших квадратов (МНК).

Математический метод, позволяющий найти оценки параметров модели путем минимизации суммы квадратов отклонений . Он позволяет разместить линию, описывающую облако точек наблюдений, наилучшим образом.

7. Теорема Гаусса-Маркова.

Предпосылки регрессионного анализа

  1. Мат. Ожидание случайного члена должно быть равно нулю:

M

  1. Дисперсия случайного члена должна быть постоянной для всех наблюдений

D

  1. Случайные члены должны быть статистически независимы между собой:

cov

  1. Ошибки регрессии нормально распределены:



  1. Случайные отклонения должны быть статистически независимы от объясняющих переменных

Если эти условия регрессионного анализа выполняются, то оценки, сделанные с помощью МНК, являются наилучшими линейными несмещенными оценками, то есть обладают свойствами несмещенности, эффективности(наименьшая дисперсия), состоятельности(при достаточно большом n оценки близки к параметрам)

34. Тест Чоу

Используется для проверки однородных двух выборок, а именно проверяется нулевая гипотеза, что две выборки описываются одним и тем же уравнением регрессии.

Пусть имеется две выборки с переменными y,x1,…,xk объемом n1 и n2 и в каждой зависимость yi от регрессоров описываются уравнениями:





Пусть RSS1 = i2 RSS1 = i2 - остаточные суммы квадратов в модели регрессии, оцененной по первой и второй выборкам соответственно.

Обозначим через RSS= i2 остаточную сумму кввадратов в модели регрессии, оцененной по объединенной выборке объема n1 + n2

Статистический критерий проверки нулевой гипотезы об однородности выборок.

H0: 12= 22,

H1: 12= 22.

F =

Следовательно, при заданном уровне значимости нулевая гипотеза отвергается при F>Fтабл где Fтабл=F(


написать администратору сайта