10977

Множественная линейная регрессия

Лекция

Математика и математический анализ

Множественная линейная регрессия Обобщением линейной регрессионной модели с двумя переменными является многомерная регрессионная модель или модель множественной регрессии. Уравнение множественной регрессии может быть представлено в виде где вектор независим

Русский

2013-04-03

39.67 KB

114 чел.

Множественная линейная регрессия

Обобщением линейной регрессионной модели с двумя переменными является многомерная регрессионная модель (или модель множественной регрессии). Уравнение множественной регрессии может быть представлено в виде

где  вектор независимых (объясняющих) переменных;  вектор параметров (подлежащих определению);  случайная ошибка (отклонение);  зависимая (объясняемая) переменная.

Рассмотрим самую употребляемую и наиболее простую модель множественной регрессии – модель множественной линейной регрессии.

Теоретическое линейное уравнение регрессии имеет вид:

или для индивидуальных наблюдений

Здесь вектор размерности  неизвестных параметров.  называется j-м теоретическим коэффициентом регрессии (частичным коэффициентом регрессии). Он отражает влияние на условное математическое ожидание  зависимой переменной  объясняющей переменной  при условии, что все другие объясняющие переменные модели остаются постоянными.
свободный член, определяющий значение  в случае, когда все объясняющие переменные  равны нулю.

Если число наблюдений , то существует бесконечно много различных векторов параметров, при которых линейная формула (14.3) связи между X и Y будет выполняться абсолютно точно. Если число наблюдений , то вектор β рассчитывается единственным образом. При  возникает необходимость оптимизации, т.е. оценивания параметров  при которых формула (14.3) дает наилучшее приближение для имеющихся наблюдений.

В данном случае число  называется числом степеней свободы.

Наиболее распространенным методом оценки параметров уравнения множественной регрессии является метод наименьших квадратов (МНК).

Требования МНК

  1.  Математическое ожидание случайного отклонения  равно нулю для всех наблюдений:

  1.  Гомоскедастичность (постоянство дисперсии отклонений):

для любых наблюдений i и j.

  1.  Отсутствие автокорреляции.

Случайные отклонения  и  являются независимыми друг от друга для всех  и .

  1.  Случайное отклонение должно быть независимо от объясняющих переменных.

  1.  Модель является линейной относительно параметров.

Для случая множественной линейной регрессии существенными являются еще два требования.

  1.  Отсутствие мультиколлинеарности.

Между объясняющими переменными отсутствует строгая (сильная) линейная зависимость.

  1.  Ошибки  б имеют нормальное распределение .

Выполнение данного требования важно для проверки статистических гипотез и построения интервальных оценок.

Представим выражение (14.3) в матричной форме:

Здесь  вектор-столбец значений зависимой переменной, Т – символ транспонирования, вектор-столбец (размерности m+1) неизвестных коэффициентов регрессии, вектор-столбец случайных отклонений, матрица размерности :

В этой матрице -я строка  представляет наблюдение вектора значений независимых переменных ; единица соответствует переменной при свободном члене .

Оценка коэффициентов регрессии

По аналогии с парной регрессией построим оценку  для вектора  так, чтобы вектор оценок зависимой переменной  минимально (в смысле квадрата нормы разности) отличался от вектора Y заданных значений:

Решением условия (14.5), если ранг матрицы  равен , является оценка

Нетрудно проверить, что эта оценка несмещенная. Ковариационная (дисперсионная) матрица оценки равна

𝐷[

Доказана справедливость теоремы Гаусса - Маркова.

В условиях справедливости требований МНК (п.3) оценка (14.6) является наилучшей (в смысле минимума дисперсии) оценкой в классе линейных несмещенных оценок.

Оценка дисперсии   ошибок

Обозначим

вектор остатков (или невязок);  матрица. Можно проверить, что  Для остаточной суммы квадратов  справедливо соотношение

откуда следует, что несмещенной оценкой для  является

Если справедливо требование МНК (п.7), т.е. , то справедливы следующие свойства оценок:

  1.  имеет распределение хи-квадрат  с
     степенями свободы;
  2.  оценки  и  независимы.

Как и в случае парной регрессии, справедливо соотношение:

По аналогии с (13.1) запишем

.      (14.10)

В векторном виде:

Для проверки качества уравнения множественной регрессии, как и в случае парной регрессии, воспользуемся коэффициентом детерминации:

Коэффициент  показывает качество подгонки регрессионной модели к наблюдённым значениям . Если  то регрессия  на  не улучшает качество предсказания  по сравнению с тривиальным предсказанием  Другой крайний случай  означает точную подгонку: все , т.е. все точки наблюдений лежат на регрессионной плоскости.

Однако значение  возрастает с ростом числа переменных (регрессоров) в многомерной регрессии, что не означает улучшения качества предсказания, и поэтому вводится скорректированный (adjusted) коэффициент детерминации:

Его использование более корректно для сравнения регрессий при изменении числа переменных (регрессоров).

Доверительные интервалы для коэффициентов регрессии

Стандартной ошибкой оценки  является величина  оценка для которой

Здесь диагональный элемент матрицы . Если ошибки распределены нормально , то, статистика

распределена по закону Стьюдента с  степенями свободы. Тогда при доверительной вероятности  соответствующий доверительный интервал вычисляется по формуле:

Проверка гипотезы о нулевых значениях коэффициентов регрессии

Для проверки гипотезы  об отсутствии какой бы то ни было линейной связи между  и совокупностью факторов,  т.е. об одновременном равенстве нулю всех коэффициентов при независимых переменных, кроме коэффициента , используется статистика

Статистика статистика Фишера – Снедекора при  и
степенях свободы; число оцениваемых параметров уравнения регрессии; число наблюдений. Если
, то верна гипотеза  линейная связь между зависимой и независимыми переменными отсутствует. Если , то гипотеза  отвергается и принимается альтернативная гипотеза линейная связь значима на уровне . Здесь  критическое значение критерия Фишера – Снедекора.

Замечание

Для выбора наиболее существенных объясняющих переменных можно предложить следующий практический подход. Строятся различные модели многомерной линейной регрессии (с различным набором переменных). Затем можно сравнить скорректированные коэффициенты детерминации (14.13) и принять тот вариант регрессии, для которого максимален.


 

А также другие работы, которые могут Вас заинтересовать

17868. Вариации факторов производства и оптимум производителя 614 KB
  Лекция 7 Тема: Вариации факторов производства и оптимум производителя Учебная цель лекции: детально изложить модель процесса производства в виде производственной функции дать понятия оптимума производителя различных вариаций факторов производства: частичной ...
17869. Расходы и прибыль предприятия 448.5 KB
  Лекция 8 Тема: Расходы и прибыль предприятия Учебная цель лекции: изложить основы теории расходов и прибыли рассмотреть взаимосвязи между различными видами расходов с учётом экономического времени оказать содействие развитию у студентов экономического мышл...
17870. Рынок совершенной конкуренции 898 KB
  Лекция 9 Тема: Рынок совершенной конкуренции Учебная цель лекции: изложить основные положения теории конкуренции дать характеристику рынка совершенной конкуренции как модели идеального рынка оказать содействие развитию у студентов экономического мышления...
17871. Монопольный рынок 629 KB
  Лекция 10 Тема: Монопольный рынок Учебная цель лекции: изложить основные положения теории монополии дать понятия монопольной власти ценовой дискриминации оказать содействие развитию у студентов экономического мышления формированию самостоятельности при...
17872. Модели олигополии 261 KB
  17 Лекция 11 Тема: Модели олигополии Учебная цель лекции: изложить основные положения олигопольной структуры дать понятия моделей олигопольного поведения оказать содействие развитию у студентов экономического мышления формированию самост...
17873. Монополистическая конкуренция 197.5 KB
  11 Лекция 12 Тема: Монополистическая конкуренция Учебная цель лекции: изложить основные положения теории монополистической конкуренции дать понятия дифференциации экономических благ неценовой конкуренции оказать содействие развитию у студ
17874. Спрос на факторы производства 699.5 KB
  Лекция 13 Тема: Спрос на факторы производства Учебная цель лекции: изложить основные положения теории предельной полезности дать понятия потребностей экономических благ равновесия потребителя оказать содействие развитию у студентов экономического мышлени...
17875. КОРПОРАТИВНАЯ КУЛЬТУРА В МЕЖДУНАРОДНОМ БИЗНЕСЕ 261.5 KB
  Стиль выдерживания международной фирмой этических норм и правил определяет ее репутацию в международной среде, что в свою очередь предоставляет результативность и долговременное решение вопросов приспособления фирмой к внешним условиям международного рынка.
17876. Розробка та вдосконалення агротехнічних прийомів підвищення рівня урожайності та якості плодів гарбуза столового 374.5 KB
  Аналіз виробництва баштанних культур у Херсонській області свідчить, що за останні роки в цій галузі спостерігаються позитивні зрушення. Виробництво продовольчих баштанних повертає свої втрачені позиції і стає прибутковим, хоча досягнуто це було переважно екстенсивними методами (збільшенням посівних площ).