18. Ковариационная матрица оценок коэффициентов регрессии.

- матрица, образованная из попарных ковариаций нескольких случайных величин; точнее, для k-мерного случайного вектора X=(X1,. .., Xk )К. м. наз. квадратная матрица

 где   -вектор средних значений. Компоненты К. м. равны

и при i=j совпадают с DXi (т. е. на главной диагонали К. м. находятся дисперсии величин X,). К. м. представляет собой симметричную неотрицательно определенную матрицу. Если К. м. является положительно определенной, то распределение X- невырожденное распределение, в противном случае - вырожденное. Для случайного вектора XК. м. играет роль дисперсии. Если дисперсии случайных величин X1. . ., Xk равны 1, то К. м. для вектора Х=( Х 1,. . ., X k )совпадает с корреляционной матрицей.

Выборочная К. м. для выборки X(1), ..., Х {п), где Х (m),m=1,..., n- независимые одинаково распределенные случайные k-мерные векторы, состоит из оценок дисперсий и ковариаций: где  - вектор арифметического среднего Х (1),..., Х (n). Если случайные векторы Х (1), ..., Х (n) имеют нормальное распределение с К. м. 2, то Sявляется оценкой максимального правдоподобия е; в этом случае совместное распределение элементов матрицы (п-1)Sназ. Уишарта распределением, оно является одним Из основных распределений в многомерном статистич. анализе, с помощью к-рого проверяются гипотезы о К. М. е.

B - ковариационная матрица или так

 Свойства ковариационной матрицы:

1.       матрица å -  симметричная, следует из свойств ковариации.

2.       на главной диагонали ковариационной матрицы стоят дисперсии.

19. Проверка значимости коэффициентов и адекватности регрессии для множественной линейной регрессионной модели.

Оценка значимости уравнения регрессии в целом дается с помощью F-критерия Фишера. При этом выдвигается нулевая гипотеза, что коэффициент регрессии равен нулю, т.е. b=0, и, следовательно, фактор x не оказывает влияния на результат y.

1. F-тест – оценивание качества уравнения регрессии –выполняется сравнение фактического Fфакт  и критического (табличного) Fтабл значений F-критерия Фишера. Fфакт определяется из соотношения значений факторной и остаточной дисперсий, рассчитанных на одну степень свободы:

где   n – число единиц совокупности;  m – число параметров при переменных x.

Fтабл – это максимально возможное значение критерия под влиянием случайных факторов при данных степенях свободы и уровне значимости a. Уровень значимости a  –  вероятность отвергнуть правильную гипотезу при условии, что она верна. Обычно a принимается равной 0,05 или 0,01.

Если  Fтабл< Fфакт, то H0  – гипотеза о случайной природе оцениваемых характеристик отклоняется и признается их статистическая значимость и надежность. Если  Fтабл> Fфакт, то H0 – гипотеза не отклоняется и признается статистическая незначимость, надежность уравнения регрессии.

2.  t-критерий Стьюдента используется для оценки статистической значимости коэффициентов регрессии и коэффициента  корреляции. Найденное по данным наблюдений значение t-критерия (его еще называют наблюдаемым или фактиче­ским) сравнивается с табличным (критическим) значением, определяемым по таблицам распределения Стьюдента. Табличное значение оп­ределяется в зависимости от уровня значимости (a) и числа степеней свободы, которое в случае линейной парной рег­рессии равно (n-2) , n - число наблюдений.

Если фактическое значение t-критерия больше таб­личного (по модулю), то считают, что с вероятностью (1-a) параметр регрессии (ко­эффициент корреляции) значимо отличается от нуля.

Если фактическое значение t-критерия меньше таб­личного (по модулю), то нет оснований отвергать основную гипотезу, т.е. параметр регрессии (коэффициент корреля­ции) незначимо отличается от нуля при уровне значимости a.

3.  Адекватность регрессионной модели оценим с помощью средней ошибки аппроксимации – среднее отклонение расчетных значений от фактических:

Допустимый предел значений     –  не более 8-10%.