Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Теорема Гаусса – Маркова
В силу воздействия неучтенных случайных факторов и причин отдельные наблюдения переменной будут в большей или меньшей мере отклоняться от функции регрессии .
Рассмотрим линейный регрессионный анализ, для которого линейная парная регрессионная модель имеет вид:
. (2.18)
Отметим основные предпосылки регрессионного анализа.
1. В модели возмущение (или зависимая переменная ) есть величина случайная, а объясняющая переменная - величина неслучайная.
2. Математическое ожидание возмущения равно нулю:
(2.19)
(или математическое ожидание зависимой переменной равно линейной функции регрессии: ).
3. Дисперсия возмущения (или зависимой переменной ) постоянна для любого
(2.20)
(или ) – условие гомоскедастичности или равноизменчивости возмущения (зависимой переменной)).
4. Возмущения и (или переменные и ) не коррелированы:
(2.21)
5. Возмущение (или зависимая переменная ) есть нормально распределенная случайная величина.
В этом случае модель называется классической нормальной линейной регрессионной моделью.
Для получения уравнения регрессии достаточно предпосылок 1 – 4. Требование выполнения предпосылки 5 (т.е. рассмотрение «нормальной регрессии») необходимо для оценки точности уравнения регрессии и его параметров.
Оценкой модели по выборке является уравнение регрессии . Параметры этого уравнения и определяются на основе метода наименьших квадратов.
Воздействие неучтенных случайных факторов и ошибок наблюдений в модели определяется с помощью дисперсии возмущений (ошибок) или остаточной дисперсии . Несмещенной оценкой этой дисперсии является выборочная остаточная дисперсия.
S 2 , (2.22)
где – групповая средняя, найденная по уравнению регрессии; – выборочная оценка возмущения или остаток регрессии.
Возникает вопрос, являются ли оценки , и параметров «наилучшими»? Ответ на этот вопрос дает следующая теорема.
Теорема Гаусса – Маркова. Если регрессионная модель удовлетворяет предпосылкам 1 – 4, то оценки , имеют наименьшую дисперсию в классе всех линейных несмещенных оценок.
Таким образом, оценки , в определенном смысле являются наиболее эффективными линейными оценками параметров , .
Дата публикования: 2014-11-18; Прочитано: 2066 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!