АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Оценка дисперсии возмущений модели множественной регрессии

Читайте также:
  1. II. Оценка эффективности инвестиционного менеджмента.
  2. II. Право на фабричные рисунки и модели (прикладное искусство), на товарные знаки и фирму
  3. IV.Оценка эффективности деятельности структурного подразделения организации
  4. Абсолютные и относительные показатели силы связи в уравнениях парной регрессии.
  5. Автокорреляция остатков модели регрессии. Последствия автокорреляции. Автокорреляционная функция
  6. Аддитивная и мульпликативная модели временного ряда
  7. Адекватность трендовой модели
  8. Алгоритм оценки и проверки адекватности нелинейной по параметрам модели (на примере функции Кобба-Дугласа).
  9. Алгоритм проверки адекватности множественной регрессионной модели (сущность этапов проверки, расчетные формулы, формулировка вывода).
  10. Алгоритм проверки адекватности парной регрессионной модели.
  11. Алгоритм проверки адекватности парной регрессионной модели.
  12. Алгоритм проверки значимости регрессоров во множественной регрессионной модели: выдвигаемая статистическая гипотеза, процедура ее проверки, формулы для расчета статистики.

Оценка дисперсии возмущений выражается через сумму квадратов остатков регрессии:

∑et^2=e^T*e, гдеe=Y- =Y-X =Y-XAY=Y-NY=(I-N)Y=MY=M(Xβ+ɛ)=Mɛ

-n-мерный вектор-столбец остатков регрессии-случайный вектор (функция выборочных данных). Матрица M (как и матрица N) идемпотентная и симметричная. Действительно,

((I-N)^T)*(I-N)=(I^T)*I-(N^T)I-(I^T)*N+(N^T)*N=I-N,

так как

N^T=N, N=XA=X((X^T)*X^-1)*X^T,

N^T=(XA)^T=(A^T)*(X^T)=X*((X^T)*X)^-1)*(X^T)

Определим количественные характеристики случайного вектора e. Вектор математических ожиданий для остатков регрессии:

E{ e }=E{Mɛ}=M*E{ɛ}=0 -(1)

Автоковариационная матрица вектора остатков определяется по правилу

С ee =Cov(Mɛ,Mɛ)=M*Cov(ɛ,ɛ)*M^T=M(σ^2)*IM^T=(σ^2)M(M^T)= (σ^2)M

в силу идемпотентности матрицы М. Несмещенной оценкой дисперсии возмущения множественной регрессии является оценка вида:

s^2=σ`^2=∑(et^2)/(n-k)=((e^T)*e)/(n-k), -(2)

где k-число параметров модели (столбцов матрицы регрессоров). Для доказательства несмещенности данной оценки покажем, что

E((e^T)*e)=(σ^2)(n-k)

Действительно,

E(eTe)=E(Σet2)=ΣE[(et-E(et))2]=ΣVar(et),

с учетом (1). Дисперсии остатков et, t=1,2,…,nявляются диагональными элементами автоковариационной матрицы Cee вектора остатков, следовательно, сумма дисперсий-это ее след:

(E(e12)…..E(e1en))

ΣVar(et)=tr(Cee)=tr(…………………),

(E(ene1)….E(en2))

 

ТогдаE(eTe)=tr(Cee)=tr(σ2M)= σ2tr(M)=σ2tr(I-N)=σ2(tr(I)-tr(N))= σ2(n-k),

где tr(M) – след матрицы М. След матрицы N: N=XA, с учетом свойства следа равенtr(XA)=tr(AX)=tr(Ik)=k.

Легко проверить, что оценка (2) является несмещенной оценкой дисперсии возмущений: E(s2)=E(eTe)/(n-k)= σ2(n-k)/(n-k)= σ2.

Оценка автоковариационной матрицы оценок параметров получается из формулы

=Cov{ }=Cov{AY,AY}=ACov{Y,Y}AT= σ2 AAT= σ2(XTX)-1 путем замены истинного значения дисперсии возмущений несмещенной оценкой (2):

=s2(XTX)-1. Таким образом, вектор оценок, в соответствии с основными предпосылками модели имеет нормальное распределение N(β,σ2(XTX)-1), и точечные МНК оценки параметров множественной регрессии являются линейными, несмещенными и эффективными.


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 |

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.)