|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Условия Гаусса – Маркова. Несмещенность коэффициентов регрессии. Точность коэффициентов регрессии. Теорема Гаусса – МарковаВыборочная ковариация. Основные правила расчета ковариации. Теоретическая ковариация. Недостаток ковариации как меры связи. Выборочная ковариация – мера зависимости между двумя переменными. Основные правила расчета ковариации 1. Y= v + w, Cov(x,y) = cov(x,v)+ cov(x,w) 2. Y=a*z, a-const, cov(x,y) =a*cov(x,z) 3. Y = a, a – const, cov(x,y) = 0
Теоретическая ковариация. Если x и y случайные величины, то теоретическая ковариация – мат. Ожидание произведения отклонения этих величин от их средних значений. -теоретические значения x и y соотв. Недостаток ковариации как меры связи. Ковариация зависит от единиц, в кот. измеряются переменные x и y.
Коэффициент корреляции. Частный коэфф. корреляции. Теоретический коэфф. корреляции. Выборочный (частный) коэфф. корреляции Однофакторная линейная регрессионная модель. метод наименьших квадратов. коэффициент детерминации. модель парной линейной регрессии: y = a +b*x +u (y- зависимая переменная, a +b*x – неслучайная составляющая, х – независимая переменная, u- случайная составляющая)
Коэффициент детерминации. Метод наименьших квадратов: , S = , если S ® min, то ,
Классическая нормальная модель линейной множественной регрессии. Условия Гаусса – Маркова. Несмещенность коэффициентов регрессии. Точность коэффициентов регрессии. Теорема Гаусса – Маркова. условия Гаусса-Маркова: 1. M(Ei)=0 – мат. ожидание случайного члена в любом испытании равно 0 2.D(Ei)=s2 – дисперсия случайного члена должна быть постоянная для всех наблюдений(условие гетероскедастичности). 3.M(Ei*Ej)=0, i¹j – отсутствие систематической связи м. значение случайного члена в 2х любых испытаниях. 4. M(xi*Ei)=0 – Значение люб. независимой переменной должно считаться экзогенным, полностью определятся внешними причинами, не учитываемыми в уравнение регрессии. Несмещенность коэффициента регрессии. на осн: м. доказать что b будет являться несмещенной оценкой β, если выполняется 4 усл. Гаусса-Маркова(M(xi*Ei)=0) β-const, т.к x – неслучайная величина, считаем что var(x) –величина известная, Cov(x,E)=0, получаем: точность коэффициентов регрессии: , дисперсии a и b пропорциональны дисперсии остаточного члена . Чем больше фактор случайности, тем хуже будет оценка, при прочих равных условиях. Теорема Гаусса-Маркова. если регрессионная модель y=b0+b1*x+E удовл. условиям Гаусса-Маркова, то оценки b0 и b1 имеют наименьшую дисперсию в классе всех несмещенных линейных оценок. Поиск по сайту: |
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.003 сек.) |