Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Наиболее часто оценку параметров уравнения регрессии осуществляют на основе метода наименьших квадратов (МНК). Согласно МНК для оценки параметров регрессионного уравнения используется следующий критерий:
сумма квадратов отклонений наблюдаемых значений результативного признака от расчетных (теоретических) значений должна быть минимальной:
.
Для модели линейной парной регрессии это условие запишется как:
.
Исходными данными для оценки параметров a и b являются наблюдаемые значения зависимой переменной и независимых переменных . В функции S они представляют собой константы. Переменными в этой функции являются оценки параметров a и b. Необходимым условием существования минимума функции является равенство нулю частных производных по неизвестным параметрам a и b:
, .
Согласно правилам вычисления производных:
,
.
Оптимальные по данному критерию значения оценок в этом случае могут быть найдены решением системы нормальных уравнений, вытекающей из условия равенства нулю частных производных функции S по своим параметрам в точке минимума:
или
.
Раскрыв скобки, получим стандартную форму нормальных уравнений:
Решая данную систему, найдем искомые оценки параметров уравнения регрессии:
,
.
Таким образом, МНК дает такие оценки a и b, что найденная прямая проходит через точку с координатами . Если начало координат переместить в точку , то система нормальных уравнений упростится и параметр b можно получить следующим образом:
.
Такое решение может существовать только при выполнении условия
, (5)
что равносильно отличию от нуля определителя системы нормальных уравнений. Условие (5) называется условием идентифицируемости модели наблюдений , и означает, что не все значения совпадают между собой. При нарушении этого условия все точки лежат на одной вертикальной прямой .
Дата публикования: 2014-11-29; Прочитано: 325 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!