Точность коэффициентов регрессии. Доверительные интервалы

Оценки коэффициентов регрессии зависят от используемой выборки значений переменных x и y и являются случайными величинами. Для характеристики точности полученных оценок можно использовать стандартные ошибки коэффициентов регрессии.

Под стандартной ошибкой коэффициента регрессии понимается оценка стандартного отклонения функции плотности вероятности данного коэффициента.

Стандартные ошибки коэффициентов регрессии определяются соотношениями:

(3.41)

где - остаточное среднеквадратическое отклонение;

диагональный элемент матрицы .

Величину можно вычислить по формуле:

(3.42)

где -алгебраическое дополнение к элементу jjматрицы .

Сопоставляя оценки параметров и их стандартные ошибки, можно сделать вывод о надежности (точности) полученных оценок.

Для оценки статистической значимости коэффициентов регрессии применяется t-критерий Стьюдента, основанный на том факте, что отношения

(3.43)

являются t-статистиками, т. е. случайными величинами, распределенными по закону Стьюдента с числом степеней свободы n-p-1. Через обозначены точные значения коэффициентов регрессии.

Согласно t-критерию Стьюдента, выдвигается «нулевая» гипотеза H0 о статистической незначимости коэффициента уравнения регрессии (т. е. о статистически незначимом отличии величины или от нуля). Эта гипотеза отвергается при выполнении условия > , где определяется по таблицам t-критерия Стьюдента по числу степеней свободы k1 = n-p-1 и заданному уровню значимости α.

t-критерий Стьюдента применяется в процедуре принятия решения о целесообразности включения фактора в модель. Если коэффициент при факторе в уравнении регрессии оказывается незначимым, то включать данный фактор в модель не рекомендуется. Отметим, что это правило не является абсолютным и бывают ситуации, когда включение в модель статистически незначимого фактора определяется экономической целесообразностью.

Доверительные интервалы для параметров уравнения линейной регрессии определяются соотношениями:

(3.44)

Если в границы доверительного интервала попадает ноль, т. е. нижняя граница отрицательна, а верхняя положительна, то оцениваемый параметр принимается равным нулю, так как он не может одновременно принимать и положительное, и отрицательное значения.