Фрагменты из презентацииУравнение множественной регрессииНаилучшая линейная процедура получения оценок параметров уравнения (7.1) и условия, при которых эта процедура дает несмещенные и эффективные оценки, сформулирована в теореме Гаусса-Маркова Теорема Гаусса-МарковаПостановка задачи:- Имеем случайную выборку наблюдений за поведением экономического объекта объемом n
- Сформируем вектора и матрицу коэффициентов на основе системы (7.2)
Теорема (Гаусса – Маркова)Если матрица Х неколлинеарна и вектор случайных возмущений удовлетворяет следующим требованиям: Пример 1.
- Пусть имеем выборку из n наблюдений за случайной величиной Y
- Найти наилучшие оценки среднего значения и дисперсии этой переменной
Пример 2.
- Уравнение парной регрессии
- Построить модель типа Y=a0+a1x +u, по данным вы-борки наблюдений за переменными Y и x объемом n
Оценка уравнений регрессии с помощью EXCEL- Процедура «ЛИНЕЙН» в приложении EXCEL
- Алгоритм использования процедуры:
- Подготовка таблицы исходных данных
- Вызов процедуры «ЛИНЕЙН»
- Ввод исходных данных в процедуру
- Анализ результата
- Рассмотрим алгоритм на примере
Выводы:- Теорема Гаусса-Маркова формулирует наилучшую линейную процедуру расчета оценок параметров линейной модели множественной регрессии
- Линейная процедура соответствует методу наименьших квадратов
- Предпосылки теоремы обеспечивают получение оценок, обладающих свойствами несмещенности и эффективности
- При выполнении предпосылок свойства эффективности и несмещенности достигаются при любом законе распределения случайного возмущения
|