При сделанных предположениях являются наблюдаемыми значенияминормально распределенных случайных величин , которые независимы в совокупности и для которых
так что
~
В отличие от , случайные величины имеют распределения, отличающиеся сдвигами.
Определенную указанным образом модель наблюдений мы будем называть нормальной линейной моделью с p объясняющими переменными. Иначе ее еще называют нормальной линейной моделью множественной регрессии переменной y на переменные x 1,..., xp. Термин “множественная” указывает на использование в правой части модели наблюдений двух и более объясняющих переменных, отличных от постоянной. Термин “регрессия” имеет определенные исторические корни и используется лишь в силу традиции.
Оценивание неизвестных коэффициентов модели методом наименьших квадратов состоит в минимизации по всем возможным значениям суммы квадратов
Минимум этой суммы достигается при некотором наборе значений коэффициентов
так что
|
|
Это минимальное значение мы опять обозначаем RSS, так что
и называем остаточной суммой квадратов.
Коэффициент детерминации R2 определяется как
где
Обозначая
(подобранные - fitted - значения объясняющей переменной по оцененной линейной модели связи), и определяя остаток (residual) от i-го наблюдения как
мы получаем:
Обозначая
- объясненная моделью (explained) сумма квадратов, или регрессионная сумма квадратов, мы так же, как и в случае простой линейной регрессии с , имеем разложение
так что
И опять, это разложение справедливо только при наличии постоянной составляющей в модели линейной связи. При этом, также, здесь
т.е. коэффициент детерминации равен квадрату выборочного коэффициента корреляции между переменными и . Последний называется множественным коэффициентом корреляции (multiple-R).
Для поиска значений , минимизирующих сумму
следует приравнять нулю частные производные этой суммы (как функции от ) по каждому из аргументов . В результате получаем систему нормальных уравнений
или
Это система линейных уравнений с неизвестными . Ее можно решать или методом подстановки или по правилу Крамера с использованием соответствующих определителей. В векторно-матричной форме эта система имеет вид
где
- матрица значений объясняющих переменных в наблюдениях;
- транспонированная матрица;
и
соответственно, вектор-столбец значений объясняемой переменной в наблюдениях и вектор-столбец оценок неизвестных коэффициентов. Система нормальных уравнений имеет единственное решение, если выполнено условие
|
|
(4) матрица XTX невырождена, т.е. ее определитель отличен от нуля:
которое можно заменить условием
(4’) столбцы матрицы X линейно независимы.
При выполнении этого условия матрица (размера ) имеет обратную к ней матрицу . Умножая в таком случае обе части последнего уравнения слева на матрицу , находим искомое решение системы нормальных уравнений:
Введем дополнительные обозначения
, , , .
Тогда модель наблюдений
можно представить в матрично-векторной форме
Вектор подобранных значений имеет вид
и вектор остатков равен
Определяющим для всего последующего является то обстоятельство, что в нормальной линейной модели с несколькими объясняющими переменными оценки коэффициентов как случайные величины имеют нормальные распределения (хотя эти случайные величины уже не являются независимыми в совокупности).
Действительно, поскольку , то оценки являются линейными комбинациями значений , т.е. имеют вид
где - коэффициенты, определяемые значениями объясняющих переменных. Поскольку же у нас - наблюдаемые значения случайных величин , то является наблюдаемым значением случайной величины которую мы также будем обозначать :
Ранее мы выяснили, что при наших предположениях
~
Поэтому случайные величины также будут нормальными как линейные комбинации независимых нормально распределенных случайных величин.
Можно показать, что математическое ожидание случайной величины равно
( является несмещенной оценкой истинного значения коэффициента ), а дисперсия этой случайной величины равна -му диагональному элементу матрицы :
Рассмотренная ранее модель простой линейной регрессии
вкладывается в модель множественной линейной регрессии с :
, , , .
Матрица имеет вид
Учитывая, что
находим:
2.5. НОРМАЛЬНАЯ МНОЖЕСТВЕННАЯ РЕГРЕССИЯ: ДОВЕРИТЕЛЬНЫЕ ИНТЕРВАЛЫ
ДЛЯ КОЭФФИЦИЕНТОВ
Рассматривая нормальную модель линейной множественной регрессии
с ~ i. i. d. , мы установили, что оценка наименьших квадратов неизвестного истинного значения коэффициента при — ой объясняющей переменной имеет нормальное распределение, причем
Рассмотрим теперь случайную величину
получаемую путем вычитания из случайной величины ее математического ожидания и деления полученной разности на корень из дисперсии (т. е. путем центрирования и нормирования случайной величины ). При совершении этих двух действий мы не выходим из семейства нормальных случайных величин, получая опять же нормальную случайную величину, но только уже с другими математическим ожиданием и дисперсией. Используя упомянутые ранее свойства математического ожидания и дисперсии, находим:
так что
~
Иными словами, в результате центрирования и нормирования случайной величины мы получили случайную величину, имеющую стандартное нормальное распределение, т. е. нормальное распределение с нулевым математическим ожиданием и единичной дисперсией. Функцию распределения и функцию плотности распределения такой случайной величины обозначают, соответственно, как и :
Для каждого значения , определим символом число, для которого , так что если случайная величина имеет стандартное нормальное распределение, то тогда
Такое число называется квантилью уровня p стандартного нормального распределения.
|
|
Заштрихованная площадь под графиком плотности стандартного нормального распределения находится правее квантили уровня ;
эта квантиль равна . Поэтому площадь под кривой, лежащая левее точки , равна , а заштрихованная площадь равна . Последняя величина есть вероятность того,что случайная величина , имеющая стандартное нормальное распределение, примет значение, превышающее .
|
|
Если мы возьмем какое-нибудь число в пределах от до , , и выделим интервал
то получим следующую картину:
|
|
|
|
|
Из симметрии функции плотности нормального распределения вытекает равенство площадей областей, заштрихованных на последнем рисунке. Но площадь правой заштрихованной области равна ; следовательно, такова же и площадь левой заштрихованной области. Это, в частности, означает, что вероятность того, что случайная величина примет значение, не превышающее , равна , так что
Часть площади под кривой стандартной нормальной плотности, лежащая в пределах выделенного интервала, меньше единицы на сумму площадей заштрихованных областей («хвостов»), т. е. равна
Эта величина равна вероятности того, что случайная величина , имеющая стандартное нормальное распределение, примет значение в пределах указанного интервала[2]:
Но ранее мы установили, что стандартное нормальное распределение имеет случайная величина
Поэтому для этой случайной величины справедливо соотношение
так что с вероятностью, равной , выполняется двойное неравенство
т. е.
Иными словами, с вероятностью, равной 1-a,случайный интервал
накрывает истинное значение коэффициента q j. Такой интервал называется доверительным интервалом для q j с уровнем доверия (доверительной вероятностью) 1-a, или (1-a)- доверительным интервалом, или 100 (1-a)- процентным доверительным интервалом для q j.
Последний рисунок был получен при значении a = 0.05. Поэтому площади заштрихованных областей («хвосты») равны 0.025, сумма этих площадей равна 0.05, и площадь области под кривой в пределах интервала равна 1-0.05 = 0.95. Остается заметить, что
так что случайный интервал
является 95%-доверительным интервалом для q j. Его длина
пропорциональна — среднеквадратической ошибке (среднеквадратическому отклонению) оценки коэффициента q j.
Хотелось бы, конечно, прямо сейчас построить доверительные интервалы для коэффициентов линейной модели по каким-нибудь реальным статистическим данным. Однако этому препятствует то обстоятельство, что в выражения для дисперсий
|
|
входит не известное нам значение s 2.
2.6. ДОВЕРИТЕЛЬНЫЕ ИНТЕРВАЛЫ ДЛЯ
КОЭФФИЦИЕНТОВ: РЕАЛЬНЫЕ
СТАТИСТИЧЕСКИЕ ДАННЫЕ
Итак, практическому построению доверительных интервалов для коэффициентов нормальной модели линейной множественной регрессии
с ~ i. i. d. препятствует вхождение в выражения для дисперсий
неизвестного значения s 2.
Единственный выход из этого положения — заменить неизвестное значение s 2 какой-нибудь подходящей его оценкой (estimate), которую можно было бы вычислить на основании имеющихся статистических данных. Такого рода оценки принято называть статистиками (statistics).
В данной ситуации такой подходящей оценкой для неизвестного значения является статистика
Поскольку сумма является квадратичной функцией от случайных величин , то она является случайной величиной, а следовательно, случайной величиной является и статистика S2. Математическое ожидание этой случайной величины равно :
т. е. — несмещенная оценка для .
Замечание. В частном случае модель наблюдений принимает вид
(случайная выборка из распределения N (q1,s2) ). Несмещенной оценкой для служит