Автор работы: Давыдов Максим, 31 Мая 2010 в 20:57, шпаргалка
лекции
TSS = ESS + RSS.
F-cmamucmuкa
для проверки качества оценивания регрессии
записывается как отношение объясненной
суммы квадратов (в расчете на одну независимую
переменную к остаточной сумме квадратов)
в расчете на одну степень свободы:
где k — число независимых переменных.
После деления на TSS числителя и знаменателя соотношения F-статистика может быть эквивалентно выражена на основе коэффициента R2:
После вычисления
критерия F по значению коэффициента
R2 вы отыскиваете величину
Fкрит
— критическое значение F
в соответствующей таблице. Если F >
Fкрит,
то вы отклоняете нулевую гипотезу и делаете
вывод о том, что имеющееся «объяснение»
поведения величины у
лучше, чем можно было бы получить чисто
случайно.
Какие же проблемы возникают при использовании этого косвенного подхода? Почему бы не иметь таблицу критических значений коэффициента R2? Ответ заключается в том, что таблица значений критерия F является полезной для многих способов проверки дисперсии, одним из которых выступает расчет коэффициента R2. Вместо специализированной таблицы для каждого конкретного случая намного удобнее (или, по меньшей мере, экономнее) иметь одну обобщенную таблицу, делая при необходимости преобразования типа
Взаимосвязи между критериями в парном регрессионном анализе
Теперь мы выведем некоторые зависимости между критерием / для коэффициента R2, критерием t для коэффициента при х и критерием / для коэф фициента корреляции между х и у в парной регрессионной модели. Начнем с последнего из них.
t-
тест для коэффициента
корреляции
Ранее мы определили выборочный коэффициент корреляции для двух переменных х и у.
Даже если переменные х и у вообще не коррелированы и теоретический коэффициент корреляции р равен нулю, вы будете связаны известным ограничением и неизбежно получите в расчетах некоторую величину выборочного коэффициента корреляции. Для конкретной выборки rxy может точно равняться нулю только чисто случайно, и можно ли утверждать, что его значение действительно указывает на наличие зависимости, или же оно появилось случайно?
Как обычно, ответом будет формулирование нулевой гипотезы о том, что зависимости нет, а затем — попытка ее опровергнуть. Для проверки гипотетической линейной зависимости между x и у, т. е. единственного типа зависимости, который будет рассматриваться в данной книге, справедлива следующая процедура.
Первый шаг
состоит в вычислении t-статистики
для r:
Затем полученное значение сравнивается с критическим.
Нетрудно показать,
что t2=F.
Прогнозное значение
зависимой переменной y*
определяется путем подстановки в уравнение
регрессии прогнозного значения
x* . Вычисляется стандартная
ошибка прогноза Dy:
и строится доверительный интервал прогноза (y* - ta Dy; y* + ta Dy).