Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
55. Зачем строят интервальные оценки коэффициентов регрессии и как использовать полученные интервалы. Для проверки значимости отдельных коэффициентов регрессии, т.е. гипотезы Н0: β j = 0, где j = 1, 2, ..., k, используют t -критерий и вычисляют t набл(bj) = bj / bj. По таблице t -распределения для заданного α и v = п - k - 1 находят t кр.
Гипотеза H0 отвергается с вероятностью α, если t набл > t кр. Из этого следует, что соответствующий коэффициент регрессии β j значим, т.е. β j ≠ 0. В противном случае коэффициент регрессии незначим и соответствующая переменная в модель не включается. Тогда реализуется алгоритм пошагового регрессионного анализа, состоящий в том, что исключается одна из незначительных переменных, которой соответствует минимальное по абсолютной величине значение t набл. После этого вновь проводят регрессионный анализ с числом факторов, уменьшенным на единицу. Алгоритм заканчивается получением уравнения регрессии со значимыми коэффициентами.
Существуют и другие алгоритмы пошагового регрессионного анализа, например с последовательным включением факторов.
Наряду с точечными оценками bj генеральных коэффициентов регрессии β j регрессионный анализ позволяет получать и интервальные оценки последних с доверительной вероятностью γ.
Интервальная оценка с доверительной вероятностью γ для параметра β j имеет вид
где tα находят по таблице t -распределения при вероятности α = 1 - γ и числе степеней свободы v = п
Интервальные оценки коэффициентов линейной регрессии являются нормально распределенными СВ, с соответствующими дисперсиями, т.е.. Тогда следующие статистики имеют распределение Стьюдента с числом степеней свободы. Тогда, для построения доверительного интервала с заданной доверительной вероятностью найдем по статистическим таблицам критические значения. Если разрешить неравенства в относительно неизвестных коэффициентов регрессии и то получим соответствующие доверительные интервалы Которые с доверительной вероятностью накрывают определяемые параметры (теоретические коэффициенты регрессии). - k - 1.
56. Что такое гетерокедастичность регрессионных остатков и причины ее появления. Гетероскедастичность – это неоднородность наблюдений. Гетероскедастичность характеризуется тем, что не выполняется предпосылка МНК –однородность дисперсии
(гомоскедастичность остатков)
Причиной непостоянства дисперсии вэконометрической модели часто является ее зависимость от масштаба рассматриваемых явлений
В модель ошибка входит как аддитивное слагаемое. В то же время часто она имеет относительны характер и определяется по отношению к измеренному уровню рассматриваемых факторов
Примеры гетероскедастичности
Дисперсия растет по мере увеличения значений объясняющей переменной
Дисперсия ошибки наибольшая при малых значениях независимой переменной и
становиться однородной по мере увеличения ее значений
Дата публикования: 2014-11-29; Прочитано: 342 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!