Модель простой линейной регрессии
Если функция регрессии линейная, то говорят о линейной регрессии. Линейная регрессия находит весьма широкое применение в эконометрике в связи с четкой экономической интерпретации ее параметров.
Кроме того, построенное линейное уравнение может служить начальной точкой эконометрического анализа.
Простая линейная регрессия представляет собой линейную функцию между условным математическим ожиданием зависимой переменной и одной зависимой переменной X (xi – значения зависимой переменной в i-ом наблюдении):
. (5)
Для отражения того факта, что каждое индивидуальное значение yi отклоняется от соответствующего условного математического ожидания, необходимо ввести в соотношение (5) случайное слагаемое εi:
. (6)
Это соотношение называется теоретической линейной регрессионной моделью; β0 и β1 – теоретическими коэффициентами регрессии. Таким образом, индивидуальные значения yi представляют в виде двух компонент – систематической ( ) и случайной (εi). В общем виде теоретическую линейную регрессионную модель будем представлять в виде
. (7)
Основная задача линейного регрессионного анализа состоит в том, чтобы по имеющимся статистическим данным для переменных X и Y получить наилучшие оценки неизвестных параметров β0 и β1.
По выборке ограниченного объема можно построить эмпирическое линейное уравнение регрессии:
, (8)
где – оценка условного математического ожидания , b0 и b1 – оценки неизвестных параметров β0 и β1, называемые эмпирическими коэффициентами регрессии. Следовательно, в конкретном случае
, (9)
где отклонение ei – оценка теоретического случайного отклонения εi.
Задача линейного регрессионного анализа состоит в том, чтобы по конкретной выборке (xi,yi) найти оценки b0 и b1 неизвестных параметров β0 и β1 так, чтобы построенная линия регрессии была бы наилучшей в определенном смысле среди всех других прямых.
Другими словами, построенная прямая должна быть «ближайшей» к точкам наблюдений по их совокупности.
Мерами качества найденных оценок могут служить определенные композиции отклонений ei. Например, коэффициенты b0 и b1 эмпирического уравнения регрессии могут быть оценены исходя из условия минимизации функции потерь (loss function):
.
Самым распространенным и теоретически обоснованным является метод нахождения коэффициентов, при котором минимизируется первая сумма. Он получил название метод наименьших квадратов (МНК).
Дата добавления: 2016-06-15; просмотров: 1447;