Пусть модель (13.1) оценена МНК по выборке (13.2)
в ситуации, когда все предпосылки теоремы Гаусса — Маркова адекватны. Таким образом, имеется оценка модели (13.1):
13.3)
Обозначим символом xq значение экзогенной переменной данной модели, при котором, по смыслу задачи, нужно вычислить прогноз значения эндогенной переменной. Прогноз обозначим символом уо; в свою очередь, для наблюденного в реальности значения переменной у в ситуации, когда х = xq, будем использовать символ у0.
Заметим, что в рамках модели (13.1) пара (xq, уо) связана уравнением
(13.4)
где случайный остаток щ обладает, по предположению, количественными характеристиками
т = Е(щ) = 0, Уа,г(щ) = а1.
Подчеркнем еще, что и величины, образующие выборку (13.2), связаны между собой уравнениями наблюдений (8.4), схемой Гаусса — Маркова, аналогичными уравнению (13.4). Случайные остатки в этих уравнениях тоже имеют, по предположению, параметры (13.5)..
Ниже докажем (см. задачу 13.3), что в рамках модели (13.1) при наличии информации об объекте-оригинале в виде выборки (13.2) наилучший (в определенном смысле) точечный прогноз величины уо вычисляется по правилу
|
|
(13.6)
т.е. в итоге подстановки в МНК-оценку функции регрессии модели (13.1) значения х = xq экзогенной переменной. В свою очередь, средняя квадратическая (стандартная) ошибка прогноза (13.6) отыскивается (см. задачу 13.3 и следствие 1 к ней) по формуле
Sy0 =o-uy/l + Qo, (13.7)
В задаче 13.1 покажем, что для модели парной регрессии (13.1) формулу (13.8) можно представить выразительнее:
13.10)
Из (13.10) видно, что точность прогноза (13.6) падает по мере удаления значения х0 регрессора х от его выборочного среднего. Интуиция легко соглашается с этим фактом.
Обсужденная выше процедура точечного прогноза в рамках линейной модели парной регрессии остается в силе и для линейной модели множественной регрессии (см. задачу 13.3). Так, например,
в рамках модели (8.1) с двумя регрессорами х\ и х2 и гомоске-дастичном неавтокоррелированном остатком правило наилучшего точечного прогноза значения эндогенной переменной у0 выглядит так:
(13.11)
где 1ю и Х2о — известные (заданные или наблюденные) значения регрессоров. Из них составим расширенный вектор известных значений регрессоров:
13.12)
С ним формулы (13.7) и (13.8), позволяющие вычислить среднеква-дратическую (стандартную) ошибку прогноза (13.11) Sy0, остаются справедливыми.