Главная страница
Навигация по странице:

  • Процедура построения системы нормальных уравнений и исходное соотношение, используемое в МНК.

  • Применение МНК к парной линейной регрессии

  • Методы решения системы нормальных уравнений

  • 5. В модель множественной регрессии включено семь факторов. Сколько уравнений будет в системе нормальных уравнений

  • 7. В модель множественной регрессии включено три фактора. Сколько уравнений будет в системе нормальных уравнений

  • 9. В модель множественной регрессии включено три фактора. Сколько неизвестных будет в системе нормальных уравнений

  • Лекция. Метод наименьших квадратов (мнк) Оценка параметров линейных уравнений регрессии


    Скачать 69 Kb.
    НазваниеМетод наименьших квадратов (мнк) Оценка параметров линейных уравнений регрессии
    АнкорЛекция
    Дата30.06.2021
    Размер69 Kb.
    Формат файлаdoc
    Имя файла082_Lektsiya24_MNK.doc
    ТипДокументы
    #222536

    Метод наименьших квадратов (МНК)

    Оценка параметров линейных уравнений регрессии


    Процедура построения системы нормальных уравнений и исходное соотношение, используемое в МНК. Для определения параметров функции, используемой в эконометрической модели, разработаны различные методы, наиболее простым и известным из которых является метод наименьших квадратов (МНК). Рассмотрим суть этого метода на примере парной линейной регрессии.

    Применение МНК к парной линейной регрессии. Итак, необходимо определить параметры а и b для функции
    y = f(x) = ax + b. Пусть значения показателей y и x измерялись n раз, т.е. имеются значения показателей y1, y2, …, yn и x1, x2, …, xn, всего n пар значений обоих показателей. Определим сумму квадратов отклонений фактических значений признака-результата yi от значений, подсчитанных по уравнению регрессии f(xi):



    Чтобы построенная модель была как можно ближе к реальности, эта сумма должна быть как можно меньше. Отметим, что полученная сумма представляет собой функцию от двух переменных а и b, и чтобы найти ее минимум, приравняем к нулю ее частные производные по а и по b:







    Итак, получено два линейных уравнения с двумя неизвестными – а и b (система линейна относительно параметров регрессии). Такую систему называют системой нормальных уравнений. Решив ее, можно определить искомые параметры.
    Применение МНК к множественной линейной регрессии. Если необходимо определить параметры множественной линейной регрессии, т.е. параметры функции y = f(x1, x2, …, xm) = a1x1 + a2x2 + … +amxm +
    + b, имея в запасе n наблюдений для каждого признака-фактора и для признака результата, то можно аналогичным образом получить систему нормальных уравнений, состоящую из (m + 1) линейного уравнения для
    (m + 1) неизвестной a1, a2, …, am, b:



    где ,

    - i-ые значения наблюдаемых показателей (для каждого показателя их n).
    Отметим, что систему уравнений для нахождения стандартизованных коэффициентов регрессии, которую мы рассматривали на лекции 31, также получают путем применения МНК к стандартизированному уравнению регрессии и преобразования полученных выражений.
    Методы решения системы нормальных уравнений. Решение построенной системы может быть осуществлено различными способами:

    1) методом Гаусса, который заключается в том, что матрицу коэффициентов в уравнениях поэтапно преобразуют в единичную матрицу путем линейных преобразований этих уравнений (разрешающее уравнение делят на разрешающий элемент, получая на его месте единицу, а из всех остальных уравнений вычитают преобразованное разрешающее, умноженное на те коэффициенты, которые стоят в этих уравнениях в разрешающем столбце, с целью получить на их месте нули);

    2) методом Крамера, который заключается в том, что рассчитывают определитель матрицы коэффициентов в уравнениях, а затем рассчитывают частные определители, поочередно заменяя один из столбцов в этой матрице столбцом свободных членов; значения переменных равны отношениям соответствующих частных определителей к определителю первой матрицы;

    3) методом обратной матрицы и т.д.

    Матричная форма МНК


    Рассмотрим систему нормальных уравнений МНК, используя обозначения матричной алгебры. А именно, введем следующие обозначения:


    где m – число признаков-факторов,

    n - число наблюдений.

    Каждая строка матрицы соответствует одному из наблюдений, а каждый столбец, кроме первого, - одному из факторов.

    Если транспонировать матрицу X размерности n x (m + 1), в полученной матрице XТ размерности (m + 1) x n каждый столбец будет соответствовать одному из факторов, а строки - наблюдениям. Перемножив полученную матрицу XТ на X, получим симметричную матрицу размерности (m + 1) x (m + 1):



    Тогда система уравнений примет вид XТXА = XТY. Умножим слева обе части этого выражения на матрицу (XТX)-1, получим:
    (XТX)-1XТXА = (XТX)-1XТY. Поскольку (XТX)-1XТX = I (где I - единичная матрица), формула для нахождения вектора параметров А примет вид:

    А = (XТX)-1XТY
    Контрольные вопросы
    1. Пусть yi – фактические значения, - расчетные значения, , тогда система нормальных уравнений получается из условия …

    2. Для нахождения параметров линейной регрессии минимизируют сумму квадратов отклонений фактических значений результата от подсчитанных по уравнению регрессии. Метод, в основе которого лежит эта идея, - метод … (напишите два слова в родительном падеже)
    3. В рамках метода наименьших квадратов (МНК) система нормальных уравнений - это система, решением которой являются оценки ...
    4. Формулы для решения системы нормальных уравнений, по которым частные определители делят на определитель системы, - формулы… (напишите фамилию ученого в родительном падеже)

    5. В модель множественной регрессии включено семь факторов. Сколько уравнений будет в системе нормальных уравнений?
    6. Для нахождения параметров линейной регрессии минимизируют сумму квадратов отклонений фактических значений результата от подсчитанных по уравнению регрессии. Метод, в основе которого лежит эта идея, - метод … (напишите два слова в родительном падеже)

    7. В модель множественной регрессии включено три фактора. Сколько уравнений будет в системе нормальных уравнений?
    8. В модель множественной регрессии включено семь факторов. Сколько неизвестных будет в системе нормальных уравнений?

    9. В модель множественной регрессии включено три фактора. Сколько неизвестных будет в системе нормальных уравнений?
    10. В основе идеи МНК лежит … суммы квадратов отклонений фактических значений результата от теоретических.


    написать администратору сайта