Теорема. Если предпосылки 1 — 5 выполнены, то оценки, полученные по МНК, обладают следующими свойствами:
1. Оценки являются несмещенными, т.е. M[ b0 ] = b0, M[ b1 ] = b1. Это говорит об отсутствии систематической ошибки при определении положения линии регрессии.
2. Оценки состоятельны, т.к. при n ® µ D[ b0 ] ® 0, D[ b1 ] ® 0. Это означает, что с ростом n надежность оценок возрастает.
3. Оценки эффективны, т.е. они имеют наименьшую дисперсию по сравнению с любыми другими оценками данных параметров, линейными относительно величин yi.
16. Множественная линейная регрессия.
ЛИНЕЙНАЯ РЕГРЕССИЯ МНОЖЕСТВЕННАЯ
(Multiply linear regression). Математическое уравнение, устанавливающее линейную зависимость между результирующим признаком (удой, содержание жира в молоке, живая масса, объем эякулята и т. д.) и рядом независимых параметров (порода, возраст, линия, семейство, генотип, генерация и т. д.).
Общее уравнение для i-го наблюдения имеет вид:
где у — результирующий признак;
а — свободный член;
b....bk — искомые коэффициенты множественной регрессии;
x1....xk, — независимые аргументы (факторы).
|
|
Общий вид решения в матричной форме:
где
N — объем выборки
К — число независимых аргументов
17. Решение системы линейных уравнений множественной регрессии
18. Матричная форма записи множественной линейной регрессии
Общий вид решения в матричной форме:
где
N — объем выборки
К — число независимых аргументов