Важной задачей регрессионного анализа состоит в построении прогнозов зависимой переменной в зависимости для выбранных значений объясняющей переменной. Значение зависимой переменной при значении х объясняющей переменной должно удовлетворять уравнению , где ɛ0 реализация случайного члена.
Допустим модели парной линейной регрессии построено ур-ие y=a+bx. Коэффициенты а, б, предполагаются значимыми. Возможен прогноз двух типов. Мат ожидание значения зависимой переменной при x=x0 равно Е(y|x0)= α+ βx0. согласно теореме гаусса-Маркова прогнозом этой величины служит .
Возможны два подхода: первый-насколько прогнозное значение может отклонится от условного мат ожидания Е(у|х0). Второй –насколько прогнозное значение у0 зависимой переменной может отклониться от ее прогнозного значения.
1. доверительный интервал для ожидаемого значения зависимой переменной. Основой для построения доверительного интервала явл-ся соотношение , где оценка дисперсия прогнозного значения зависимой переменной определяется выражением
|
|
, .
Для выбранного уровня значимости определяется критическое значение статистики Стьюдента с n-2 степенями свободы. Ответ на вопрос о точности прогноза лается в форме доверительного интервала ожидаемого значения зависимой переменной
Где s стандартная ошибка случайного члена модели.
2) Доверительный интервал для индивидуального значения зависимой переменной. В этом случае распределение Стьюдента имеет величина
.
Построение доверительного интервала сводится к вычислению -оценки дисперсии var(e0)= отклонение значения зависимой переменной от ее прогнозного значения. Она равна
Здесь также - оценка дисперсии случайного члена, а tc- критическое значение распределения Стьюдента с n-2 степенями свободы.