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 β1теоретическими 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: 1441;


Поиск по сайту:

Воспользовавшись поиском можно найти нужную информацию на сайте.

Поделитесь с друзьями:

Считаете данную информацию полезной, тогда расскажите друзьям в соц. сетях.
Poznayka.org - Познайка.Орг - 2016-2024 год. Материал предоставляется для ознакомительных и учебных целей.
Генерация страницы за: 0.008 сек.