Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Пусть X и Y одномерные величины; обозначим их x и y, а функция f (x, q) имеет вид f (x, q) = A + bx, где q = (A, b). Относительно имеющихся наблюдений (xi, yi), i = 1,..., n, полагаем, что
yi = A + bxi + ei, (2)
где e1 ,..., e n - независимые (ненаблюдаемые) одинаково распределенные случайные величины. Можно различными методами подбирать “лучшую” прямую линию. Широко используется метод наименьших квадратов. Построим оценку параметра q = (A, b) так, чтобы величины
ei = yi - f (xi, q) = yi - A - bxi,
называемые остатками, были как можно меньше, а именно, чтобы сумма их квадратов была минимальной:
= min по (A, b) (3)
Чтобы упростить формулы, положим в (2) xi = xi - ; получим:
yi = a + b (xi - ) + ei, i = 1,..., n, (3)
где = , a = A + b . Сумму минимизируем по (a,b), приравнивая нулю производные по a и b; получим систему линейных уравнений относительно a и b. Ее решение () легко находится:
, где , (4)
. (5)
Свойства оценок. Нетрудно показать, что если M e i = 0, D e i = s2, то
1) M = а, М = b, т.е. оценки несмещенные;
2) D = s2 / n, D = s2 / ;
3) cov () = 0;
если дополнительно предположить нормальность распределения e i, то
4) оценки и нормально распределены и независимы;
5) остаточная сумма квадратов
Q 2 = (6)
независима от (, ), а Q 2 / s2 распределена по закону хи-квадрат с n -2 степенями свободы.
Оценка для s2 и доверительные интервалы. Свойство 5) дает возможность несмещенно оценивать неизвестный параметр s2 величиной
s 2 = Q 2 / (n -2). (7)
Поскольку s2 независима от и , отношения
и , где ,
имеют распределение Стьюдента с (n -2) степенями свободы, и потому доверительные интервалы для a и b таковы:
, , (8)
где tp - квантиль уровня (1 + PД) / 2 распределения Cтьюдента с n - 2 степенями свободы, PД - коэффициент доверия.
Проверка гипотезы о коэффициенте наклона. Обычно возникает вопрос: может быть, y не зависит от х, т.е. b = 0, и изменчивость y обусловлена только случайными составляющими e i? Проверим гипотезу Н: b = 0. Если 0 не входит в доверительный интервал (8) для b, т.е.
, (9)
то гипотезу Н следует отклонить; уровень значимости при этом a = 1 - PД.
Другой способ (в данном случае эквивалентный (9)) проверки гипотезы Н состоит в вычислении статистики
F = , (10)
распределенной, если Н верна, по закону F (1, n - 2) Фишера с числом степеней свободы 1 и n - 2. Если
F > F 1 -a, (11)
где F 1 -a - квантиль уровня 1 - a распределения F (1, n - 2), то гипотеза Н отклоняется с уровнем значимости a.
Вариация зависимой переменной и коэффициент детерминации. Рассмотрим вариацию (разброс) Tss (total sum of square) значений yi относительно среднего значения
Tss = .
Обозначим предсказанные с помощью функции регрессии значения yi: . Сумма Rss (regression sum of square)
Rss =
означает величину разброса, которая обусловлена регрессией (ненулевым значением наклона ). Сумма Ess (error sum of squares)
Ess =
означает разброс за счет случайных отклонений от функции регрессии. Оказывается,
Tss = Rss + Ess,
т.е. полный разброс равен сумме разбросов за счет регрессии и за счет случайных отклонений. Величина Rss / Tss - это доля вариации значений yi, обусловленной регрессией (т.е. доля закономерной изменчивости в общей изменчивости). Статистика
R 2 = Rss / Tss = 1 - Ess / Tss
называется коэффициентом детерминации. Если R 2 = 0, это означает, что регрессия ничего не дает, т.е. знание х не улучшает предсказания для y по сравнению с тривиальным . Другой крайний случай R 2 = 1 означает точную подгонку: все точки наблюдений лежат на регрессионной прямой. Чем ближе к 1 значение R 2, тем лучше качество подгонки.
Пример [5]. В табл. 1 приведены данные по 45 предприятиям легкой промышленности по статистической связи между стоимостью основных фондов (fonds, млн руб.) и средней выработкой на 1 работника (product, тыс. руб.); z - вспомогательный признак: z = 1 - федеральное подчинение, z = 2 - муниципальное (файл Product. Sta.).
Таблица 1
fonds | product | z | fonds | product | z | fonds | product | z |
6,5 | 18,3 | 9,3 | 17,2 | 10,4 | 21,4 | |||
10,3 | 31,1 | 5,7 | 19,0 | 10,2 | 23,5 | |||
7,7 | 27,0 | 12,9 | 24,8 | 18,0 | 31,1 | |||
15,8 | 37,9 | 5,1 | 21,5 | 13,8 | 43,2 | |||
7,4 | 20,3 | 3,8 | 14,5 | 6,0 | 19,5 | |||
14,3 | 32,4 | 17,1 | 33,7 | 11,9 | 42,1 | |||
15,4 | 31,2 | 8,2 | 19,3 | 9,4 | 18,1 | |||
21,1 | 39,7 | 8,1 | 23,9 | 13,7 | 31,6 | |||
22,1 | 46,6 | 11,7 | 28,0 | 12,0 | 21,3 | |||
12,0 | 33,1 | 13,0 | 30,9 | 11,6 | 26,5 | |||
9,5 | 26,9 | 15,3 | 27,2 | 9,1 | 31,6 | |||
8,1 | 24,0 | 13,5 | 29,9 | 6,6 | 12,6 | |||
8,4 | 24,2 | 10,5 | 34,9 | 7,6 | 28,4 | |||
15,3 | 33,7 | 7,3 | 24,4 | 9,9 | 22,4 | |||
4,3 | 18,5 | 13,8 | 37,4 | 14,7 | 27,7 |
Выполнение в пакете Statistica
Работаем в модуле Multiple Regression (множественная регрессия). Предварительно построим диаграмму рассеяния, чтобы убедиться, что предположение линейности регрессионной зависимости не лишено смысла.
Graphs - Stats 2 D Graphs - Scatter plots - Variables - X: fonds, Y: product, Graphs Type: Regular, Fit (подбор): Linear - OK - OK.
Наблюдаем диаграмму рассеяния с подобранной прямой регрессии, параметры которой отражены в ее заголовке.
Выполним регрессионный анализ:
Analysis - Startup Panel - кнопка Variables:, отбираем зависимую переменную Dependent var: product и независимую Independent var: fonds - OK - Input File (входной файл): Raw Data (необработанные данные) - OK. В окне Multiple Regression Results имеем основные результаты: коэффициент детерминации R 2: 0.597; гипотеза о нулевом значении наклона отклоняется с высоким уровнем значимости p = 0.000000 (т.е. p < 10-6). Кнопка Regression summary – на экране таблица результатов:
R =. 7757425 RІ =. 59687096 Adjusted RІ =. 58749587 F( 1, 43 ) = 63. 666 p<. 00000 Std.Error of estimate: 5. 0105 | ||||
B | St. Err. of B | t( 43 ) | p-level | |
Intercpt | 11. 49256 | 2. 127445 | 5. 402047 | . 000003 |
Fonds | 1. 43518 | . 179868 | 7. 979073 | . 000000 |
В ее заголовке повторены результаты предыдущего окна; в столбцах приведены: В - значения оценок неизвестных коэффициентов регрессии; St. Err. of B - стандартные ошибки оценки коэффициентов, t - значение статистики Стьюдента для проверки гипотезы о нулевом значении коэффициента; p - level - уровень значимости отклонения этой гипотезы. В данном случае, поскольку значения p-level очень малы (меньше 10-4), гипотезы о нулевых значениях коэффициентов отклоняются с высокой значимостью. Итак, имеем регрессию:
product = 11.5 + 1.43 fonds,
соответствующие стандартные ошибки коэффициентов: 2.1 и 0.18; значение s по (7): s = 5.01 (Std Error of estimate - ошибка прогноза выработки по фондам с помощью этой функции). Значение коэффициента детерминации R 2 = RI = 0.597 достаточно велико (доля R = 0.77 всей изменчивости объясняется вариацией фондов). Уравнение регрессии показывает, что увеличение основных фондов на 1 млн руб. приводит к увеличению выработки 1 работника в среднем на b1 = 1.43 тыс. руб. Для удобства интерпретации параметра пользуются коэффициентом эластичности
,
который показывает среднее изменение (в долях или %) зависимой переменной y при изменении фактора х:
.
Построим регрессию выработки по фондам для более однородной совокупности - для предприятий федерального подчинения (z =1). Можно ожидать, что качество подгонки улучшится. Предварительно визуально оценим данные процедурой Scatterplot (при отборе наблюдений использовать кнопку Select cases, условие отбора: include if: z = 1). Возвращаемся в окно Multiple Regression - Select cases - в окне Case Selection Conditions (условия выбора наблюдений) include if (включить, если): z = 1 - OK - OK - в окнах M.R.Results и Regression summary получаем результаты:
Product = 12.55 + 1.44 fonds,
R 2 = RI = 0.897, S = 2.68.
Коэффициент детерминации увеличился с 0.597 до 0.897, значение s уменьшилось с 5.01 до 2.68; действительно, подгонка улучшилась.
Дата публикования: 2014-11-03; Прочитано: 392 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!