Автор работы: Пользователь скрыл имя, 29 Декабря 2010 в 19:23, реферат
Тема 4. Модель множественной регрессии
Линейная модель множественной регрессии имеет вид:
Yi = α0 + α1xi1 + α2xi2 + ... + α mxim + εi (4.1)
Модель множественной регрессии
Линейная модель множественной регрессии имеет вид:
Yi = α0 + α1xi1 + α2xi2 + ... + α mxim + εi (4.1)
Коэффициент регрессии αj показывает, на какую величину в среднем изменится результативный признак Y, если переменную xj увеличить на единицу измерения, т.е. αj является нормативным коэффициентом. Обычно предполагается, что случайная величина εi имеет нормальный закон распределения с математическим ожиданием равным нулю и с дисперсией σ2.
Анализ
уравнения (4.1) и методика определения
параметров становятся более наглядными,
а расчетные процедуры
Y = X α + ε (4.2)
где Y — вектор зависимой переменной размерности n×1, представляющий собой n наблюдений значений yj,
X — матрица n наблюдений независимых переменных Х1, Х2, Х3, ..., Хm, размерность матрицы X равна n×(m+1);
α — подлежащий оцениванию вектор неизвестных параметров размерности (m+1) ×1;
ε — вектор случайных отклонений (возмущений) размерности n×1.