Проверка статистических свойств остатков (качества оценок коэффициентов регрессии)
По статистическим данным нельзя получить точные оценки неизвестныхкоэффициентов регрессии, но можно найти их приближенные оценки, качество которых характеризуется следующими тремя свойствами:
· несмещенностью (каждый параметр регрессии можно рассматривать как среднее значение из возможного большого количества оценок);
· эффективностью (оценки параметров характеризуются наименьшей дисперсией); в практических исследованиях это означает возможность перехода от точечного оценивания к интервальному;
· состоятельностью (характеризует увеличение точности оценок с увеличением объема выборки).
Метод наименьших квадратов обеспечивает указанные свойства оценкам параметров регрессии при выполнении следующих предположений:
1) математическое ожидание случайной переменной равно нулю;
2) дисперсии наблюдений случайной переменной одинаковы (это условие называется условием гомоскедастичности);
3) независимостьзначенийслучайной переменной в любом наблюдении от ее значений во всех других наблюдениях.
Предположения 1–3 называются условиями Гаусса–Маркова.
Теорема Гаусса–Маркова. Если условия 1–3 выполнены, то оценки коэффициентов парной линейной регрессии, полученные с помощью МНК, являются несмещенными, состоятельными и эффективными.
|