Концепція регресійної функції популяції (PRF роpulation regression function)
З попередніх міркувань (особливо з рис. 1.1 і 1.2) зрозуміло, що кожне умовне середнє E(Y½ ) є функція від . Символічно це можна зобразити у вигляді
, | (1.2.1) |
де позначає деяку функцію від пояснювальної змінної . У нашому гіпотетичному прикладі E(Y½ ) є лінійна функція від . Рівняння (1.2.1) відоме як двовимірна регресійна функція (роpulation regression function) популяції (PRF),яка стверджує, що середнє значення від розподілу Y для даного функціонально пов’язане з . Іншими словами, воно показує, як середнє Y змінюється зі зміною X.
Який вигляд має функція ? Це питання важливе, оскільки в реальній практичній ситуації ми не маємо у своєму розпорядженні повної сукупності даних для дослідження. Вигляд функції PRF є питання емпіричне, хоча в конкретному випадку теорія може дещо підказати. Наприклад, економіст може констатувати, що споживацькі витрати лінійно пов’язані з доходом сім’ї. Отже, як перше наближення або гіпотезу ми можемо припустити, що PRF E(Y½ ) є лінійна функція від , скажімо вигляду
, | (1.2.2) |
де b1 і b2 - невідомі, але фіксовані параметри під назвою регресійні коефіцієнти. Рівняння (1.2.2) відоме як лінійна функція популяції регресії (linear роpulation regression function) або просто лінійна регресія популяції. Є й інші терміни, що використовуються в літературі, - лінійна регресійна модель популяції або лінійне рівняння регресії популяції. Надалі ми використовуватимемо як синоніми терміни “регресія”, “рівняння регресії” і “регресійна модель”.
У регресійному аналізі нас цікавитиме обчислення PRF у вигляді (1.2.2), тобто обчислення значень невідомих b1 і b2 на основі наявних даних спостережень Y і X.
1.3. Значення терміна “лінійність”
Оскільки ми надалі застосовуватимемо лінійну модель вигляду (1.2.2), важливо визначити точний зміст терміна «лінійний», оскільки можливі дві різні його інтерпретації.
Дата добавления: 2016-07-27; просмотров: 1593;