Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Обозначим: i -ое наблюдение зависимой переменной – уi, а объясняющих переменных – xi1, xi2, …, xip. Тогда модель множественной линейной регрессии можно представить в виде:
(3.1)
– объем выборки;
удовлетворяет предпосылкам регрессионного анализа:
1. – случайная величина, а объясняющие переменные – неслучайные величины;
2. ;
3. – постоянная для любого i (условие гомоскедастичности);
4. , ;
5. Возмущение есть нормально распределенная случайная величина.
Определение:
Модель (3.1), в которой зависимая переменная уi, возмущения и объясняющие переменные удовлетворяют предпосылкам регрессионного анализа и, кроме того, предпосылке о невырожденности матрицы значений объясняющих переменных (независимых столбцов) называется классической нормальной линейной моделью множественной регрессии.
Перейдем к матричному описанию регрессий (это облегчает расчеты).
Введем обозначения:
– матрица-столбец, или вектор значений зависимой переменной размера n; – матрица значений объясняющих переменных, или матрица плана (размера ). В матрицу дополнительно введен столбец, все элементы которого равны 1, т.е. условно предполагается, что в модели (3.1) свободный член умножается на фиктивную переменную , принимающую значение 1 для всех i: ;
– матрица-столбец, или вектор параметров размера ;
– матрица-столбец, или вектор возмущений (случайных ошибок, остатков) размера n.
Тогда в матричной форме модель (3.1) примет вид:
. (3.2)
Оценкой этой модели по выборке является уравнение
, (3.3)
где b ( p + 1) ´ 1 , ,
Дата публикования: 2014-11-18; Прочитано: 415 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!