Фактические значения результирующей переменной Y отличаются, как правило, от значений , рассчитанных по уравнению регрессии. Чем меньше это отличие, тем ближе расчетные значения подходят к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результирующей переменной по каждому наблюдению представляет собой абсолютную, а – относительную ошибку аппроксимации.
Чтобы иметь общее представление о качестве модели, из относительных ошибок по каждому наблюдению определяют среднюю ошибку аппроксимации
. (4.15)
Если средняя ошибка аппроксимации находится в пределах 5¸7%, то это свидетельствует о хорошем подборе модели к исходным данным.
Пример 4.3. По данным примера 4.1 с помощью коэффициента детерминации и средней ошибки аппроксимации сравнить полулогарифмическую и гиперболическую модели регрессии и выбрать наилучшую.
Решение. Для удобства вычислений составляем вспомогательные таблицы (табл. 4.2 и табл. 4.3).
Таблица 4.2
Полулогарифмическая регрессия y * = 9,871 + 5,1335×ln x
|
|
i | xi | yi | yi * | yi – yi * | |(yi – yi *)/ yi |×100 | (yi – yi *)2 | |
10,0 | 9,871 | 0,129 | 1,29 | 0,017 | 0,25 | ||
13,4 | 13,429 | –0,029 | 0,22 | 0,001 | 4,41 | ||
15,4 | 15,511 | –0,111 | 0,72 | 0,012 | 0,01 | ||
16,5 | 16,987 | –0,487 | 2,95 | 0,237 | 1,00 | ||
18,6 | 18,133 | 0,467 | 2,51 | 0,218 | 9,61 | ||
19,1 | 19,069 | 0,031 | 0,16 | 0,001 | 12,96 | ||
S | 93,0 | 93,0 | 0,0 | 7,85 | 0,486 | 28,23 |
По формулам (4.14) и (4.15) находим соответственно коэффициент детерминации и среднюю ошибку аппроксимации:
.
Полученные значения коэффициента детерминации и средней ошибки аппроксимации указывают на хорошее качество уравнения полулогарифмической регрессии.
Таблица 4.3
Гиперболическая регрессия
i | xi | yi | yi * | yi – yi * | |(yi – yi *)/ yi |×100 | (yi – yi *)2 | |
10,0 | 9,43 | 0,57 | 5,7 | 0,325 | 0,25 | ||
13,4 | 14,56 | –1,16 | 0,87 | 1,346 | 4,41 | ||
15,4 | 16,28 | –0,88 | 5,71 | 0,774 | 0,01 | ||
16,5 | 17,12 | –0,62 | 3,75 | 0,384 | 1,00 | ||
18,6 | 17,63 | 0,97 | 5,21 | 0,941 | 9,61 | ||
19,1 | 17,97 | 1,13 | 5,92 | 1,277 | 12,96 | ||
S | 93,0 | 93,0 | 0,0 | 21,95 | 5,047 | 28,23 |
Привлекая снова формулы (4.14) и (4.15), находим соответственно коэффициент детерминации и среднюю ошибку аппроксимации:
.
Значения коэффициента детерминации и средней ошибки аппроксимации указывают на достаточно хорошее качество уравнения гиперболической регрессии, хотя его качество уступает полулогарифмической регрессии. g
Контрольные вопросы
1. Какие регрессионные модели называются нелинейными: а) по
переменным; б) по параметрам?
2. Как оцениваются параметры моделей: а) нелинейных по переменным,
но линейных по параметрам; б) нелинейных по параметрам?
3. Сохраняются ли свойства МНК-оценок (теорема Гаусса-Маркова) для
|
|
оценок параметров линеаризированных моделей?
4. Можно ли использовать коэффициент детерминации для оценки
качества нелинейной модели?
5. Будет ли для нелинейной парной модели коэффициент детерминации
совпадать с квадратом коэффициента корреляции?
6. В чем смысл средней ошибки аппроксимации и как она определяется?