Эконометрика / 10
.docx
1. Оценка значимости параметров линейной регрессии и корреляции.
2. Оценка значимости параметров нелинейной регрессии.
3. Оценка надежности результатов множественной регрессии и корреляции.
1. Оценка значимости параметров линейной регрессии и корреляции.
После того как найдено уравнение линейной регрессии, проводится оценка значимости как уравнения в целом, так и отдельных его параметров.
Проверить значимость уравнения регрессии – значит установить, соответствует ли математическая модель, выражающая зависимость между переменными, экспериментальным данным и достаточно ли включенных в уравнение объясняющих переменных (одной или нескольких) для описания зависимой переменной.
Оценка значимости уравнения регрессии в целом производится на основе -критерия Фишера, который заключается в проверке гипотезы Н0 о статистической незначимости уравнения регрессии и показателя тесноты связи. Для этого выполняется сравнение фактического Fфакт и критического (табличного) Fкрит значений -критерия Фишера. Fфакт определяется по следующей формуле:
.
где - коэффициент детерминации;
n – число единиц совокупности.
Fкрит – это максимально возможное значение критерия при данных степенях свободы и уровне значимости α. Уровень значимости α – вероятность отвергнуть правильную гипотезу при условии, что она верна. Обычно α принимается равной 0,05 или 0,01.
Если фактическое значение -критерия больше табличного, то гипотеза Н0 отклоняется, т.е. признается статистическая значимость и надежность уравнения регрессии.
В парной линейной регрессии оценивается значимость не только уравнения в целом, но и отдельных его параметров. С этой целью по каждому из параметров определяется его случайная ошибка: и .
Случайные ошибки коэффициентов регрессии определяются по формулам:
.
Значимость линейного коэффициента корреляции проверяется на основе величины ошибки коэффициента корреляции mr:
.
Для оценки статистической значимости коэффициентов регрессии и корреляции рассчитывается -критерий Стьюдента. Выдвигается гипотеза Н0 о случайной природе показателей, т.е. о незначимом их отличии от нуля. Оценка значимости коэффициентов регрессии и корреляции проводится путем сопоставления их значений с величиной случайной ошибки:
; ; .
Сравниваем фактические и критические (табличные) значения -статистики. Если tфакт>tкрит, то Н0 отклоняется, т.е. a, b и rxy не случайно отличаются от нуля и все они статистически значимы. Иначе, гипотеза Н0 о случайной природе показателей принимается.
2. Оценка значимости параметров нелинейной регрессии.
Для проверки существенности в целом уравнения нелинейной регрессии по -критерию Фишера используется индекс детерминации R2. Для степенной функции формула для определения -критерия имеет тот же вид, что и при линейной зависимости
.
Для параболы второй степени :
.
3. Оценка надежности результатов множественной регрессии и корреляции.
Значимость уравнения множественной регрессии в целом, так же как и в парной регрессии, оценивается с помощью -критерия Фишера:
,
где – коэффициент (индекс) множественной детерминации; – число факторов, включенных в модель; – число наблюдений.
Оценивается значимость не только уравнения в целом, но и каждого фактора, включенного в регрессионную модель. Мерой оценки служит частный -критерий. Для двухфакторного уравнения частные -критерии имеют вид:
, .
Зная величину , можно определить и -критерий для коэффициента регрессии при -м факторе, , а именно:
.
Оценка значимости коэффициентов чистой регрессии по -критерию Стьюдента может быть проведена и без расчета частных -критериев. В этом случае, как и в парной регрессии, для каждого фактора используется формула:
,
где – коэффициент регрессии при факторе , – средняя квадратическая ошибка коэффициента регрессии .
Для уравнения множественной регрессии ошибка коэффициента регрессии может быть определена по следующей формуле:
,
где – среднее квадратическое отклонение для признака , – среднее квадратическое отклонение для признака , – коэффициент детерминации для уравнения множественной регрессии, – коэффициент детерминации для зависимости фактора со всеми другими факторами уравнения множественной регрессии; – число степеней свободы.
Взаимосвязь показателей частного коэффициента корреляции, частного -критерия и -критерия Стьюдента для коэффициентов регрессии может использоваться в процедуре отбора факторов. Отсев факторов при построении уравнения регрессии методом исключения практически можно осуществлять не только по частным коэффициентам корреляции, исключая на каждом шаге фактор с наименьшим незначимым значением частного коэффициента корреляции, но и по величинам и .