Автор работы: Пользователь скрыл имя, 28 Апреля 2013 в 21:15, реферат
В регрессионном анализе рассматривается односторонняя зависимость случайной переменной Y
от одной (или нескольких) неслучайной независимой переменной Х. Такая зависимость Y от X (иногда ее называют регрессионной) может быть также представлена в виде модельного уравнения регрессии Y от X (1)
Коэффициент регрессии надежно отличается от нуля (отвергается нулевая гипотеза Н0), если tнабл > ta;n-2. В этом случае вероятность нулевой гипотезы (Prob
.) будет меньше выбранного
уровня значимости. ta;n-2 - критическая
точка, определяемая по
Проверка значимости уравнения регрессии производится на основе дисперсионного анализа.
Согласно основной идее дисперсионного анализа
(22)
или
Q = QR + Qe,
где Q – общая сумма
квадратов отклонений зависимой
переменной от средней, а QR и Qe – соответственно
сумма квадратов, обусловленная
регрессией, и остаточная сумма квадратов,
характеризующая влияние
Схема дисперсионного анализа имеет вид, представленный в табл. 1.
Средние квадраты и s2 (табл.
1) представляют собой несмещенные
оценки дисперсий зависимой
При отсутствии линейной зависимости
между зависимой и
Таблица 1
Компоненты дисперсии
Сумма квадратов
Число
степеней свободы
Средние
квадраты
Регрессия
m – 1
Остаточная
n – m
Общая
n – 1
Поэтому уравнение регрессии значимо на уровне a, если фактически наблюдаемое значение статистики
, (24)
где - табличное значение F-критерия Фишера-Снедекора, определяемое на уровне значимости a при k1 = m – 1 и k2 = n – m степенях свободы.
Учитывая смысл величин и s2, можно сказать, что значение F показывает, в какой мере регрессия лучше оценивает значение зависимой переменной по сравнению с ее средней.
Для парной линейно регрессии т = 2, и уравнение регрессии значимо на уровне a (отвергается нулевая гипотеза), если
.
Следует отметить, что значимость уравнения парной линейной регрессии может быть проведена и другим способом, если оценить значимость коэффициента регрессии b1, который имеет
t-распределение Стьюдента с k = n – 2 степенями свободы.
Уравнение парной регрессии или коэффициент регрессии b1 значимы на уровне a (иначе – гипотеза Н0 о равенстве параметра b1 нулю, т.е.
Н0:b1 = 0, отвергается), если фактически наблюдаемое значение статистики
больше критического (по абсолютной величине), т.е. |t| > t1 - a; n
- 2.
Коэффициент корреляции r значим на уровне a (Н0: r = 0), если
.
Одной из наиболее эффективных
оценок адекватности регрессионной
модели, мерой качества уравнения
регрессии, характеристикой
.
Величина R2 показывает, какая
часть (доля) вариации зависимой переменной
обусловлена вариацией
В случае парной линейной регрессионной модели коэффициент детерминации равен квадрату корреляции, т.е. R2 = r2.
Доверительный интервал для индивидуальных значений зависимой переменной .
- t1 – a; n - 2× £ £ + t1 - a; n - 2×, (29)
где - оценка дисперсии индивидуальных значений у0 при х = х0.
Доверительный интервал для параметров регрессионной модели.
(30)