Классическая линейная модель множественной регрессии. Оценка ее неизвестных параметров, статистические свойства оценок.
Решение
Наиболее простой и самой употребляемой является модель множественной линейной регрессии: ,
где – выборка объема , – неизвестные параметры модели, подлежащие оцениванию, – значение случайного возмущения (ошибки) в наблюдении .
Множественная регрессия-это уравнение связи с несколькими независимыми переменными: Y = b0 + b1xi1 + ... + bjxij + ... + bkxik + ei
где ei - случайные ошибки наблюдения, независимые между собой, имеют нулевую среднюю и дисперсию s.
Оценивание достоверности каждого из параметров модели осуществляется при помощи t-критерия Стьюдента
. Для любого из параметров модели аj значение t-критерия рассчитывается по формуле , где
Sε – стандартное (среднее квадратическое) отклонение уравнения регрессии)
определяется по формуле
Коэффициент регрессии аj считается достаточно надежным, если расчетное значение t-критерия с (n — k — 1) степенями свободы превышает табличное, т.е. tрасч > t аjn-k-1.
Формула определения бета - коэффициента. , где
Sxj – среднее квадратическое отклонение фактора j;
Sy - среднее квадратическое отклонение фактора y.
β - коэффициент показывает, на какую часть величины среднего квадратического отклонения Sy изменится зависимая переменная у с изменением соответствующей независимой переменной хjна величину своего среднего квадратического отклонения при фиксированном значении остальных независимых переменных.
Долю влияния определенного фактора в суммарном влиянии всех факторов можно оценить по величине дельта-коэффициентов Δj.
Указанные коэффициенты позволяют проранжировать факторы по степени
Коэффициент множественной детерминации используют для оценки качества множественных регрессионных моделей.
Формула определения коэффициента множественной детерминации.
Коэффициент детерминации показывает долю вариации результативного признака, находящегося под воздействием факторных признаков, т.е