Предпосылки множественного регрессионного анализа
Рассмотрим модель множественной линейной регрессии
. (МЛР_1)
Результаты наблюдений и , , …, можно рассматривать как значения случайных величин и , , …, и имеющих такое распределение как случайные величины и , , …, соответственно. В этом случае линейная множественная регрессионная модель (МЛР_1) имеет вид
, . (МЛР_2)
Последнюю можно записать в векторной форме
, (МЛР_3)
где – вектор значений зависимой переменной размерности , , , – векторы значений объясняющих переменных размерности , – вектор возмущений (случайных ошибок, остатков) размерности , или в матричной форме
, (МЛР_4)
где
(МЛР_5)
матрица значений объясняющих переменных, или матрицы плана, размерности ;
(МЛР_6)
вектор параметров размерности .
Модель (МЛР_4) удовлетворяет предпосылкам множественного регрессионного анализа, если выполняются следующие условия.
(РА1) В модели (МЛР_4) вектор возмущения , (или вектор значений ) есть случайный вектор, а матрица значений объясняющих переменных , , …, – не случайная (детерминированная) матрица.
(РА2) Математическое ожидание вектора возмущения является нулевым вектором
(МЛР_7)
или математическое ожидание зависимого вектора равно линейной функции регрессии
.
(РА3), (РА4) Вектор возмущений удовлетворяет условиям
. (МЛР_8)
(РА5). Возмущение (или зависимая переменная ) являются нормально распределенными случайными векторами, то есть .
(РА6) Векторы значений объясняющих переменных , , , …, или столбцы матрицы значений объясняющих переменных (или матрицы плана), размерности , должны быть линейно независимыми, то есть ранг матрицы – максимальный .
Кроме того, предполагается, что число имеющихся наблюдений (значений) каждой из объясняющих и зависимой переменных превосходит ранг матрицы , то есть .
Модель (МЛР_4) удовлетворяющая предпосылкам (РА1) – (РА6) называется классической нормальной линейной моделью множественной регрессии (Classical Normal Linear Multiple Regression model). Если же среди приведенных не выполняется предпосылка (РА5) о нормальном законе вектора возмущений , то модель (МЛР_4) называется просто классической линейной моделью множественной регрессии.
Для получения уравнения регрессии достаточно предпосылок (РА1) – (РА4), (РА6). Требование выполнения предпосылки (5) необходимо для оценки точности уравнения регрессии и его параметров.
Умножим равенство (МЛР_4) слева на матрицу
.
Вектор оценок вектора параметров модели (МЛР_4) определяется из равенства (М13), то есть . В таком случае, выражение для вектора оценок примет вид
,
то есть
.
Таким образом, оценки параметров (М13), найденные по выборке, будут содержать случайные ошибки.
Кроме того, из этого равенства получаем
Дата добавления: 2018-09-24; просмотров: 939;