В предыдущей теме был рассмотрен алгоритм работы МНК, основанный на определении частных производных для выбранного вида уравнения регрессии по каждому оценочному коэффициенту и решении полученной системы уравнений. Решением системы уравнений и были искомые коэффициенты. Далее вычислялась функция потерь и определялось среднее квадратичное отклонение. Рассмотрим иной подход к поиску оценочных коэффициентов модели, использующий матрицу регрессоров и матрицу значений зависимой переменной.
На основании (5) строится матрица регрессоров MF, в которой все регрессоры уравнения (4) для каждого наблюдения из табл. 1 являются известными числами, точно заданные исследователем.
Строится информационная матрица (6).
(6)
Вводится матрица дисперсий-ковариаций (матрица ошибок) (7), как обратная к информационной матрице.
(7)
На основании выражения (8) определяются коэффициенты модели.
(8)
где
- матрица решений (коэффициенты уравнения (4));
- транспонированная матрица регрессоров;
|
|
- транспонированная матрица значений зависимой переменной (табл. 1).