Рассмотрим n-мерное евклидово пространство
Пусть
Введем обозначения: т.е. и - векторы из Тогда
– вектор, лежащий на двумерной плоскости Предполагаем, что и – неколлинеарны
Поставим задачу: найти такие и чтобы длина вектора была минимальной, т.е. наилучшим образом аппроксимировала вектор вектором лежащим в плоскости Очевидно, что длина минимальна тогда и только тогда, когда вектор плоскости (кратчайшее расстояние от точки до плоскости есть перпендикуляр).
Но
(9)
Нетрудно видеть, что (4) совпадает с (5), полученной по МНК. Введем обозначения:
– вектор коэффициентов. Тогда:
В самом деле:
Условие ортогональности (9) можно записать следующим образом:
Запишем СЛАУ (9) более подробно:
Умножим обе части на получим:
(10)
Замечание. Система (9) равносильна системе
Формула (10) совпадает с формулами:
Оценка дисперсии ошибок σ2
В регрессионном уравнении есть еще один параметр – дисперсия ошибок σ2. Найдем оценку для этого параметра. Обозначим прогноз значения в точке через:
(11)
Остатки регрессии определяются из соотношения:
(12)
Замечание. Не следует путать остатки регрессии с ошибками регрессии в уравнении модели:
(13)
Разница состоит в том, что остатки в отличие от ошибок наблюдаемы. Имеем:Естественно в качестве оценки взять сумму:
Вычислим матожидание :
Без вывода:
Отсюда
Итак, несмещенная оценка дисперсии случайной ошибки линейной модели парной регрессии рассчитывается по формуле:
где n – объем выборочной совокупности; – остатки модели регрессии:
Предположим, что МНК – оценка любого коэффициента модели регрессии состоит из:
1) истинного значения коэффициента, т.е. константы;
2) случайной ошибки вызывающей вариацию коэффициента регрессии. Практически осуществить подобное разложение невозможно. Тем не менее можно доказать, что значение МНК-оценки зависит от величины случайной ошибки в модели регрессии.
Формула для расчета МНК-оценки коэффициента модели регрессии :
– ковариация между факторной переменной и результативной переменной ; – дисперсия факторной переменной
Свойства ковариации:
1). где
2).
Исходя из свойства ковариации: где ;