1 0. В модели (2.4) парной линейной регрессии возмущение e есть случайная величина, объясняющая переменная X – величина неслучайная.
2 0. Математическое ожидание случайного возмущения e i равно нулю:
M (e i) = 0 для всех наблюдений 1 ).
Данное условие означает, что хотя в каждом конкретном наблюдении случайное отклонение может быть положительным или отрицательным, оно не должно иметь систематического смещения. Другими словами, случайное возмущение в среднем не должно оказывать влияния на результирующую переменную.
3 0. Дисперсия случайных возмущений постоянна:
D (e i) = s 2 для всех наблюдений.
Выполнение данного условия называется гомоскедастичностью (постоянством дисперсии) возмущений, невыполнение – гетероскедастичностью (непостоянством дисперсии) возмущений.
4 0. Возмущения e i и e j (i ¹ j) не коррелированны:
cov (e i , e j) = 0 для всех наблюдений.
Если данное условие выполняется, то говорят об отсутствии автокорреляции возмущений, в противном случае – о ее наличии.
5 0. Возмущение e i есть нормально распределенная случайная величина:
|
|
e i ~ N (0, s) для всех наблюдений.
Замечание 2.1. При выполнении предпосылки 5 0 условие 4 0 некоррелированности возмущений ei и ej (i ¹ j) равносильно их независимости. 3
Теорема 2.1 (Гаусса – Маркова). Если выполнены предпосылки 1 0 – 4 0, то МНК-оценки a * и b * обладают следующими свойствами:
· оценки являются несмещенными, т.е. M (a *) = a, M (b *) = b;
· , (2.16)
где s 2 – дисперсия возмущений;
·оценки состоятельны: a * ® a, b * ® b по вероятности при n ® ¥;
· оценки эффективны, т.е. они имеют наименьшие дисперсии по сравнению с любыми другими несмещенными оценками, линейными относительно величин yi, i = 1, 2, …, n.
Оценкой теоретического уравнения регрессии (2.3) является выборочное уравнение регрессии (2.5), где a * и b * – МНК-оценки, найденные по формулам (2.7) и (2.8) соответственно. Воздействие случайных возмущений в модели (2.15) определяется с помощью дисперсии возмущений или остаточной дисперсии s 2 = D (). Так как случайные возмущения по выборке определены быть не могут, они заменяются на отклонения фактических значений yi переменной Y от оцененных с помощью уравнения регрессии (2.5). Тогда несмещенной оценкой дисперсии возмущений (остаточной дисперсии) s 2 является выборочная остаточная дисперсия
(2.17)
где yi * = a *× xi + b * – значение зависимой переменной Y, найденное по
выборочному уравнению регрессии (2.5);
ei = yi – yi * – выборочная оценка возмущения e i или остаток регрессии.
Оценками дисперсий выборочных коэффициентов регрессии a * и b *, в силу (2.16) и (2.17), являются величины
, (2.18)
. (2.19)
Выборочные стандартные отклонения и выборочных коэффициентов регрессии a *и b * соответственно часто называют стандартными ошибками коэффициентов регрессии.
|
|
Пример 2.3. По данным примера 2.2 вычислить выборочную остаточную дисперсию и стандартные ошибки коэффициентов регрессии.
Решение. Для вычисления выборочной остаточной дисперсии S 2 составим следующую таблицу:
Таблица 2.3
i | xi | yi | yi * = 0,9339 xi + 3,699 | ei = yi – yi * | ei 2 |
103,63 | –1,63 | 2,66 | |||
105,49 | –0,49 | 0,24 | |||
106,43 | 1,57 | 2,46 | |||
109,23 | 0,77 | 0,59 | |||
115,77 | –0,77 | 0,59 | |||
117,63 | –0,63 | 0,40 | |||
118,57 | 0,43 | 0,18 | |||
123,24 | 1,76 | 3,10 | |||
130,71 | 1,29 | 1,66 | |||
134,45 | –4,45 | 19,8 | |||
139,11 | 1,89 | 3,57 | |||
143,78 | 0,22 | 0,05 | |||
S | » 1448*) | » 0*) | 35,3 |
По формуле (2.17) имеем теперь:
, откуда .
В примере 2.2 найдены величины и .
При вычислении воспользуемся табл. 2.2. Для этого заметим, что
,
поэтому
= = 190 617 – 12× (125,25)2 = 2 366,256.