Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Оценки параметров модели, определенные методом наименьших квадратов, будут несмещенными, состоятельными и эффективными, если соблюдаются предпосылки этого метода.
Несмещенность — свойство оценок параметров модели, которое заключается в том, что математическое ожидание коэффициентов модели должно равняться их истинному значению при любом объеме выборки. Условие несмещенности часто записывают в виде Мβ(b) = β или М(b) = β [6, с. 533].
Несмещенность означает, что при расчете оценки мы не получим систематической ошибки.
Состоятельность — свойство оценок параметров модели, которое заключается в том, что с ростом объема выборки численное значение коэффициента модели должно стремиться к соответствующему параметру генеральной совокупности.
Состоятельность оценки гарантирует приближение оценки к истинному значению параметра при увеличении объема выборки.
Эффективность — свойство оценок параметров модели, которое заключается в том, что для выборок равного объема они должны иметь минимальную дисперсию.
Эффективность оценки является наилучшей в смысле минимума среднеквадратического отклонения.
Несмещенность и эффективность — это свойства, которые не зависят от объема выборки. Состоятельность является асимптотическим свойством оценки при стремлении n к бесконечности [6, с. 533—534].
При первом чтении доказательства свойств оценок параметров модели можно пропустить.
Проверим полученные оценки параметров линейной модели на несмещенность по следующим шагам:
шаг 1 — уточнить постановку задачи;
шаг 2 — в формулу расчета коэффициента а1 (или а0) необходимо ввести параметр α1 (или α0);
шаг 3 — для полученного выражения взять математическое ожидание;
шаг 4 — выполнить анализ полученного результата.
Проверим на несмещенность формулу расчета коэффициента а1, полученной методом наименьших квадратов.
Шаг 1. Уточним постановку задачи. Мы располагаем следующими объектами для анализа:
1) Модель зависимости У от X для генеральной совокупности
,
при соблюдении следующих ограничений:
а) М(εi) = 0 — при всех i;
б)
M(Xi εj)=0 при i=j; i≠j; i,j=1,2,…,n,
где M — математическое ожидание;
εi — возмущения модели;
σε2 — дисперсия возмущений, не зависящая от i.
2) Имеется модель зависимости У от X для выборочной совокупности
3) Коэффициент а1 вычисляется по следующей формуле
4) Имеется гипотеза. На интуитивном уровне мы предполагаем, что коэффициент α1, вычисленный по выборочной совокупности будет отличаться от истинного параметра α1, вычисленного для данных всей генеральной совокупности. Интересно знать величину этой разницы и от каких переменных она зависит.
Шаг 2. В формулу расчета коэффициента а1 необходимо ввести параметр α1 .
В формуле расчета коэффициента а1
вместо Уi (фактических значений выборочной совокупности) подставим значения, вычисленные по истинной модели
,
,
где в преобразованиях использовались следующие правила:
∑ωiα0 = α0 ∑ωi (α0 — константа и ее можно выносить за знак суммы);
∑ωi = 0, ∑(ωiXi) = 1, где (доказательство этих соотношений уже приводилось).
Вывод. Выборочный коэффициент а1
состоит из двух частей: своего истинного значения α1 и случайной составляющей, которая называется ошибкой коэффициента, зависящей от взаимодействия остатков εi с объясняемой переменной Xi .
Шаг 3. Вычислим математическое ожидание коэффициента а1 .
,
где
M(εi)= 0 согласно предпосылке метода наименьших квадратов;
M(εiXi) = M(εi)M(Xi), при условии, что εi и Xi не связаны между собой, а так как M(εi) = 0, то M(εi)M(Xi) = 0, или согласно предпосылке метода наименьших квадратов M(εiXi) = 0.
Если εi и Xi будут связаны между собой, то M(εiXi) ≠ M(εi)M(Xi) и нужны дополнительные исследования.
Примечание. При определении математического ожидания частного
мы предполагали, что математическое ожидание знаменателя не равно нулю, так сумма квадратов числа всегда будет положительным числом, а математическое ожидание положительного числа будет тоже положительным и отличным от нуля, поэтому было корректно определять математическое ожидание числителя. В общем случае математическое ожидание частного не равно математическому ожиданию числителя, деленному на математическое ожидание знаменателя в случаях возникновения неопределенности типа 0/0, если математическое ожидание числителя и знаменателя равно нулю.
Шаг 4. Математическое ожидание коэффициента a1 равно истинному значению α1, следовательно коэффициент a1, определенный методом наименьших квадратов является несмещенным.
Анализ полученного результата. Ответим на вопрос, что необходимо предпринять исследователю, чтобы уменьшить ошибку коэффициента a1?
Ошибка коэффициента a1 равна
Для уменьшения ошибки необходимо увеличивать знаменатель с помощью увеличения размаха значений объясняемого фактора X, а также уменьшать числитель с помощью подбора таких факторов, которые не связаны с возмущениями при каждом фиксированном значении i. Так как
.
Пример 1. При увеличении значений Хi амплитуда возмущения возрастает, но математическое ожидания для каждого значения i равно нулю (гетероскедастичность). Как эта зависимость окажет влияние на величину
?
С увеличением Хi возрастает амплитуда возмущения, а не математическое ожидание, следовательно Хi и еi не связаны между собой математическими ожиданиями, тогда
Следовательно при наличии гетероскедастичности коэффициент a1 будет несмещенным.
Пример 2. В системах одновременных уравнений зависимая случайная переменная может выступать как случайная объясняемая переменная Уi , при этом для каждого фиксированного значения Уi математические ожидания возмущения не равно нулю и, следовательно, имеется зависимость Уi от возмущения еi , тогда
.
и коэффициент а1 будет смещенным. Для устранения смещения необходимо вместо случайной объясняемой переменной поставить ее теоретические значения. Для каждого фиксированного теоретического значения зависимой переменной (Утi) математические ожидания возмущений равно нулю, тогда будет справедливо соотношение
∑M(εi Утi)= M(ε1 Ут1) + M(ε2 Ут2) + …+ M(εn Утn) = 0
и коэффициент а1 будет несмещенным. Описанная процедура называется двухшаговым методом наименьших квадратов. Более подробно об этом методе изложено при изучении систем одновременных уравнений.
Проверим на несмещенность формулу расчета коэффициента а0 , полученной методом наименьших квадратов.
Шаг 1. Уточним постановку задачи. Мы располагаем следующими объектами для анализа:
1) Имеется модель зависимости У от X для генеральной совокупности
,
при соблюдении следующих ограничений:
а) М(εi) = 0 — при всех i;
б)
M(Xi εj)=0 при i=j; i≠j; i,j=1,2,…,n,
где M — математическое ожидание;
εi — возмущения модели;
σε2 — дисперсия возмущений, не зависящая от i.
2) Имеется модель зависимости У от X для выборочной совокупности
.
3) Коэффициент а0 вычисляется по следующей формуле
.
4) Имеется гипотеза. На интуитивном уровне мы предполагаем, что коэффициент a0, вычисленный по выборочной совокупности будет отличаться от истинного параметра α0, вычисленного для данных всей генеральной совокупности. Интересно знать величину этой разницы и от каких переменных она зависит.
Шаг 2. В формулу расчета коэффициента а0 необходимо ввести параметр α0.
В уравнении вычисления а0 имеется коэффициент a1, который надо заменить его формулой.
Подставим а1
в уравнение определения а0
.
.
В уравнении определения коэффициента а0 имеется фактическое значение зависимой переменной Уi. Подставим вместо Уi значения, полученные по истинному уравнению
.
При этом фактические значения Уi и значения, вычисленные по истинному уравнению будут равны между собой.
.
Шаг 3. Вычислим математическое ожидание коэффициента а0.
M(a0) = α0 .
Анализ условий несмещенности коэффициента а0 полностью совпадает с уже проводимым анализом коэффициента а1 .
Шаг 4. Так как математическое ожидание коэффициента а0 равно истинному значению α0, то коэффициент а0, определенный методом наименьших квадратов, является несмещенным.
Выводы, полученные для коэффициента а1 полностью распространяются на коэффициент а0.
Дата публикования: 2015-01-23; Прочитано: 2996 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!