2. нормальная линейная модель парной регрессии
2. нормальная линейная модель парной регрессии
Нормальная, или классическая, линейная модель парной регрессии (регрессии с одной переменной) строится исходя из следующих предположений:
1) факторный признак xi является неслучайной или детерминированной величиной, не зависящей от распределения случайной ошибки уравнения регрессии є;
математическое ожидание случайной ошибки уравнения регрессии равно нулю во всех наблюдениях:
Е(є) = 0,
где і = 1, и;
дисперсия случайной ошибки уравнения регрессии является постоянной для всех наблюдений:
D (є) = Е(є2) = G2 = const;
случайные ошибки уравнения регрессии не коррелированы между собой, т. е. ковариация случайных ошибок любых двух разных наблюдений равна нулю:
Cov^ ,є}) = Е(є,є;) = 0,
где i
Это предположение верно в том случае, если изучаемые данные не являются временными рядами;
основываясь на 3 и 4-м предположениях, добавляется условие о том, что случайная ошибка уравнения регрессии является случайной величиной, подчиняющейся нормальному закону распределения с нулевым математическим ожиданием и дисперсией
G2/є ~ N(0,G2).
Исходя из указанных предпосылок нормальную линейную модель парной регрессии можно записать в следующем виде:
У =в +вЛ +єі, (1)
где yi — значения зависимой переменной, і = 1, и; xi — значения независимой переменной;
— коэффициенты уравнения регрессии, подлежащие оценке;
єі — случайная ошибка уравнения регрессии.
Матричная форма нормальной линейной модели парной регрессии:
Y=0 X+ є,
(2)
где
Y
Уі
— вектор значений зависимой переменной размер ности n X 1;
X
1 x2 1 x.
'А
— вектор значений независимой переменной размерности n X 2. Первый столбец является единичным, так как в уравнении регрессии параметр А0 умножается на 1;
— вектор коэффициентов уравнения регрессии размерности 2 X 1;
є1
— вектор случайных ошибок уравнения регрессии размерности n X 1.
Предположения о модели, записанные в матричном виде:
факторный признак x является неслучайной или детерминированной величиной, не зависящей от распределения случайной ошибки уравнения регрессии є;
математическое ожидание случайной ошибки уравнения регрессии равно нулю во всех наблюдениях:
Е(є) =
3) предположения о том, что дисперсия случайной ошибки уравнения регрессии является постоянной для всех наблюдений и ковариация случайных ошибок любых двух разных наб-
людений равна нулю, можно записать с помощью ковариационной матрицы случайных ошибок нормальной линейной модели парной регрессии:
G2
0
G2 0 Ї
0 (3)
00
Данную ковариационную матрицу можно преобразовать следующим образом:
2=G1
є
П0 0 1
00
0 ^
0 1
= G 2In,
где G2 — дисперсия случайной ошибки уравнения регрессии є;
In — единичная матрица размерности n x n. Ковариация — это показатель тесноты связи между изучаемыми переменными, которая вычисляется по формуле:
Cov (x, y ) = x y — x y,
где xy — среднее арифметическое значение произведения факторного и результативного признаков:
E x'y'
xy =
i=1
n
На диагонали ковариационной матрицы случайных ошибок нормальной линейной модели парной регрессии располагается дисперсия случайных ошибок, так как ковариация переменной с самой собой равна дисперсии переменной. Таким образом:
Ол<є,є) = G 2(є);
4) случайная ошибка уравнения регрессии имеет нормальный закон распределения:
є~ N (0,G2 In).
Обсуждение Эконометрика.Конспект лекций
Комментарии, рецензии и отзывы