Оценка параметров линейной парной регрессии
Линейная парная регрессия описывается уравнением:
, (2.6)
согласно которому изменение Δy переменной y прямо пропорционально изменению Δx переменной x (Δy = b·Δx).
Для оценки параметров a и b уравнения регрессии (2.6) воспользуемся методом наименьших квадратов (МНК). При определенных предположениях относительно ошибки МНК дает наилучшие оценки параметров линейной модели
. (2.7)
Согласно МНК, выбираются такие значения параметров а и b, при которых сумма квадратов отклонений фактических значений результативного признака от теоретических значений (при тех же значениях фактора ) минимальна, т. е.
(2.8)
С учетом вида линейной парной регрессии (2.6) величина S является функцией неизвестных параметров а и b
. (2.9)
Следовательно, оптимальные значения параметров а и b удовлетворяют условиям
; . (2.10)
Выполняя соответствующие вычисления, получим для определения параметров а и b следующую систему уравнений
откуда после некоторых преобразований получается система нормальных уравнений метода наименьших квадратов
(2.11)
Используя соотношения , , , из (2.8) получим
(2.12)
Откуда следуют следующие выражения для определения параметров а и b
, . (2.13)
Формулу для параметра b можно представить следующим образом
(2.14)
Рассмотрим интерпретацию параметров уравнения линейной регрессии.
Коэффициент b при факторной переменной x показывает насколько изменится в среднем величина y при изменении фактора x на единицу. Например, допустим, что зависимость между затратами (тыс. руб.) и объемом выпуска продукции описывается соотношением
y = 35000+0,58·x.
В этом случае увеличение объема выпуска на 1 единицу потребует дополнительных затрат на 580 рублей.
Что касается свободного члена a в уравнении (2.6), то в случае, когда переменная x представляет собой время, он показывает уровень явления в начальный момент времени. В других случаях, параметр a может не иметь экономической интерпретации.
Дата добавления: 2015-11-06; просмотров: 2260;