Лекция № 6. построение прогнозов для модели парной линейной регрессии. примеры оценивания параметров парной регрессии и проверки гипотезы о значимости коэффициентов и уравнения регрессии
Лекция № 6. построение прогнозов для модели парной линейной регрессии. примеры оценивания параметров парной регрессии и проверки гипотезы о значимости коэффициентов и уравнения регрессии
Целью построения регрессионной функции на основе эмпирических данных является не только аппроксимация исходных данных с заданной точностью, но и возможность дальнейшего применения в экономических расчетах полученного уравнения регрессии. В частности, на основе регрессионной модели можно рассчитать прогнозное значение результативного признака при заданном значении факторного признака.
Для модели парной линейной регрессии точечный прогноз зависимой переменной y при заданном значении независимой переменной xm будет выглядеть следующим образом:
С доверительной вероятностью у или (1 — а)точечная оценка прогноза результативного признака ym попадет в интервал прогноза, который определяется по формуле:
Уm
taAjm) < ym < ym + ta>(m),
где ym — точечная оценка прогноза результативного признака; t — t-критерий Стьюдента, который определяется в зависимости от заданного уровня значимости а и числа степеней свободы (n — 2) (в случае парной регрессионной модели); a>(m) — величина ошибки прогноза в точке m . Величина ошибки прогноза рассчитывается по формуле:
a>(m)
S2(є) х
П +1 + (xm — X У
\%iXi — X )2
где S2(e) — несмещенная оценка дисперсии случайной ошибки линейного уравнения парной регрессии.
Рассмотрим подробнее процесс определения величины ошибки прогноза.
Пусть задана парная линейная регрессионная модель следующего вида:
Уі =в о +Л (x -x) + где независимая переменная x представлена в центрированном виде.
Необходимо построить прогноз зависимой переменной y при заданном значении независимой переменной xm:
Математическое ожидание зависимой переменной y в точке m определяется как:
E(yJxm ) = Л + Л (xm -x) + £m .
Дисперсия зависимой переменной y в точке m определяется как:
D(yjxm -x) = D(во + Д(xm -x)+Sm) =
G2 / _2 G2
= — +(xm x )X —
2
+ G2,
E(xx)
i=1
где D (в0) — дисперсия оценки параметра fi0 парной линейной регрессии, рассчитываемая по формуле:
D (во )= D
0+
D
nn
Точечная оценка прогноза результативной переменной ym имеет нормальный закон распределения с математическим ожиданием (в0 + в1 (xm x )) и дисперсией
G2 х
n + 1 + (xm x )
{ n l(x, -x)
во +в 1 (xm x); G
{ n l(x, -x)2
Если в выражение для дисперсии зависимой переменной у в точке т вместо дисперсии G2 подставить ее оценку выборочную оценку S2, то можно построить доверительный интервал для прогноза зависимой переменной при заданном значении независимой переменной хт:
П + 1+ (хт Х )
П 2(х Х )2
2*
п — 2
где S2 для модели парной линейной регрессии рассчитывается по следующей формуле:
S2 =^
Прогнозный интервал можно преобразовать к виду:
в0 +01 (Хт Х )
2е2
П2
П +1 + (Хт Х )
{ П 2(х. -Х)2
что и требовалось доказать.
Рассчитаем точечный прогноз.
На основании данных о цене на нефть Х (долларов за баррель) и индексе акций нефтяной компании у (в процентных пунктах) было построено уравнение регрессии:
у = 15,317 Х + 266,86.
Если цена на нефть подскочит в связи с нефтяным кризисом на Ближнем Востоке и преодолеет рубеж в 20 долларов за баррель, остановившись на отметке в 22,13 доллара за 1 баррель. Требуется определить, какое влияние окажет этот ценовой скачок на уровень индекса акций нефтяной компании.
Подставим новое значение независимой переменной в уравнение регрессии с целью получения прогноза:
у = 15,317 х22,13 + 266,86 = 605,825.
Нефтяной кризис благотворно сказался на финансовом положении нефтяной компании, повысив индекс ее акций с 550 процентных пункта до 605,825 процентных пункта.
Обсуждение Эконометрика.Конспект лекций
Комментарии, рецензии и отзывы