Лекция № 3. методы оценивания и нахождения параметров уравнения регрессии.
Лекция № 3. методы оценивания и нахождения параметров уравнения регрессии.
На первом этапе проведения регрессионного анализа была выбрана функция /(-), отражающая зависимость результативного признака у от факторного признака -. Необходимо оценить неизвестные параметры модели. В качестве методов оценки неизвестных параметров уравнения регрессии /30, ...,/3n могут выступать:
сумма квадратов отклонений наблюдаемых значений результативного признака y от теоретических значений у, рассчитанных на основании регрессионной функции, /(-):
nn
F = 2 (У, f (-, А))2 или F = 2(у у )2.
Этот метод оценивания неизвестных параметров уравнения регрессии называется методом наименьших квадратов (МНК). Термин МНК был впервые использован в работе А. М. Лежан-дра в і805 г. Можно выделить следующие достоинства метода:
а) расчеты сводятся к механической процедуре нахождения коэффициентов;
б) доступность полученных математических выводов.
Основным недостатком МНК является чувствительность оценок к резким выбросам, которые встречаются в исходных данных.
сумма модулей отклонений наблюдаемых значений результативного признака у от теоретических значений у (рассчитанных на основании регрессионной функции ) f(-):
nn
F=21 уf (-, 3)1 или F=2 у і у і
Основным достоинством метода является нечувствительность оценок к резким выбросам (в отличие от МНК). Среди недостатков можно выделить следующие:
а) сложности в ходе вычислительной процедуры;
б) зачастую большим отклонениям в исходных данных
следует придавать больший вес для уравновешивания их
в общей сумме наблюдений;
Классический метод наименьших квадратов (МНК)
в) неодинаковым значениям оцениваемых параметров//,, /?л могут соответствовать одинаковые суммы модулей отклонений;
пп
F = 2g(У f (xi,//)) или F = 2g(У, -У),
, = 1 ,=1
где g — мера или вес, с которой отклонение y — fx,///)) входит в функционал F. Примером меры g является функция Хубера, которая при малых значениях переменной x является квадратичной, а при больших значениях x — линейной:
x2, Ixl <c
g (x )■■
2cx — c2, x >c — 2cx — c2, x <-
где c — ограничения функции.
Третий метод оценки неизвестных параметров уравнения регрессии //0, /Зп — объединие достоинства предыдущих двух методов. Оценки неизвестных параметров, найденные с его помощью, являются менее чувствительными к случайным выбросам в исходных данных, чем оценки, полученные МНК. Этот метод применяют, когда выборка сильно «засорена».
Для нахождения оптимальных значений неизвестных параметров //0, /Зп необходимо минимизировать функционал Fпо данным параметрам:
п
F = 2(y — f(xi,/))2 ~* min — процесс минимизации
=1 функционала F состоит
в отыскании таких параметров //0, / , при которых сумма квадратов отклонений наблюдаемых значений результативного признака y от теоретических значений y была бы минимальной;
п
F = 2У ■ — f(x■>А) ~* — процесс минимизации
=1 функционала F состоит
в отыскании таких параметров /0, ., /п, при которых сумма модулей отклонений наблюдаемых значений результативного признака y от теоретических значений У была бы минимальной;
п
F = 2g(У — f (x,//)) — min — процесс минимизации
=1 функционала F состоит
в отыскании таких параметров /?0, /?л, при которых сумма отклонений наблюдаемых значений результативного признака y от теоретических значений y с учетом заданных весов g была бы минимальной.
Наиболее распространенным методом оценивания параметров уравнения регрессии является метод наименьших квадратов.
Обсуждение Эконометрика.Конспект лекций
Комментарии, рецензии и отзывы