Наблюдаемая случайная переменная , которую называют регрессандом, может быть представлена линейной функцией от наблюдаемых переменных , называемых регрессорами, и от скрытых (латентных) случайных переменных , называемых случайными возмущениями
Функция называется регрессионной[1]. Имеющийся ряд наблюдений по позволяет для каждого наблюдения получить соотношение
(I. 1)
Вероятностный характер возмущений делает регрессионную функцию стохастической.
Ряды данных (наблюдений) длиной для регрессанда и каждого из регрессоров необходимы для того, чтобы оценить параметры модели статистически. Количество рядов равно в каждом точек наблюдения[2]:
Длина временных рядов образует так называемый опорный базовый период оценки.
Таким образом, для каждого из наблюдений имеем следующие соотношения:
.
Обозначая
мерный мерная матрица
вектор
,
мерный мерный
вектор вектор
выше приведенное соотношение можно переписать в векторной форме: Матрицу вида будем называть матрицей данных.
|
|
При формировании матрицы данных, значения измеряемых величин “шкалируются” относительно фиксированных значений одного из регрессоров (например, первого).
Выражение вида называют систематической частью регрессанда.