МНОЖИННА РЕГРЕСІЯ. МАТРИЧНИЙ МЕТОД
9.1. Лінійна модель регресії з k змінними
Поширимо дво- і тривимірні моделі лінійної регресії на випадок моделі з k змінними у функції PRF, що містить залежну змінну Y і (k–1) пояснювальну змінну. Відповідну функцію PRF можна подати у вигляді
, | (9.1.1) |
де – коефіцієнт, що визначає значення Y при нульових значеннях вхідних змінних; , ,… – частинні кутові коефіцієнти, u – стохастичний збурюючий складова, i – спостереження, n – розмір вибірки. Рівняння (9.1.1) можна інтерпретувати звичайним способом, а саме: воно дає середнє або очікуване значення величини Y при фіксованих значеннях X2, X3,…Xk, тобто .
Це рівняння є скороченим записом таких рівнянь:
, , ................ . | (9.1.2) |
Подамо цю систему рівнянь у матричному вигляді
(9.1.3) |
або
, | (9.1.4) |
де Y– вектор-стовпець спостережень залежної змінної Y, розміром n´1; Х– матриця спостережень розміром n´k, перший стовпець якої складається з одиниць, а наступні – дані змінних від X2до Xk; b – вектор-стовпець незалежних параметрів , ,… розміром k´1; u– вектор-стовпець n збурень ui розміром n´1.
У випадках, коли не виникає плутанини щодо розмірів або порядків матриці Xі векторів Y, bйuрівняння (9.1.4) може бути записане в простому вигляді
. | (9.1.5) |
Для ілюстрації матричного методу розглянемо модель «доходи-витрати на споживання» з двома змінними, вивчену нами раніше (розд. 3):
, |
де – витрати на споживання, а – дохід. Використовуючи дані табл. 3.2, отримаємо
. | (9.1.6) |
Так само, як і у випадках моделей з двома або трьома змінними, нашою метою є проведення оцінювання регресії (9.1.1), складання висновків на підставі наявних даних. Для оцінювання ми можемо, як і раніше, використовувати МНК.
Дата добавления: 2016-07-27; просмотров: 1603;