КАТЕГОРИИ:
АстрономияБиологияГеографияДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРиторикаСоциологияСпортСтроительствоТехнологияФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника
Ошибки аппроксимации.
Тема 3. Оценка существенности уравнения регрессии и ее параметров
Критерий Фишера.
Стандартные ошибки параметров.
Критерий Стьюдента.
Ошибки аппроксимации.
1. Критерий Фишера. После выбора уравнения линейной регрессии и оценки его параметров проводится оценка значимости как уравнения в целом, так и отдельных его параметров.
Оценка значимости уравнения регрессии в целом осуществляется с помощью критерия Фишера,который называют также F-критерием. При этом выдвигается нулевая гипотез (Н0): коэффициент регрессии равен нулю (b = 0), следовательно, фактор хне оказывает влияния на результат у и линия регрессии параллельна оси абсцисс.
Перед тем как приступить к расчету критерия Фишер; проведем анализ дисперсии. Общую сумму квадратов отклонений уот 
можно разложить на сумму квадратов отклонений, объясненную регрессией и сумму квадратов отклонений не объясненную регрессией:
Где:
- общая сумма квадратов отклонений индивидуальных значений результата от среднего по выборке;
- сумма квадратов отклонений объясненная регрессией;
- сумма квадратов отклонений не объясненная регрессией, или остаточная сумма отклонений.
Общая сумма квадратов отклонений результативного признака у от среднего значения определяется влиянием различных причин. Условно всю совокупность последних можно разделить на две группы: изучаемый фактор х и прочие, случайные и не включаемые в модель факторы.
Если фактор х не оказывает влияния на результат, то линия регрессии на графике параллельна оси абсцисс и 
. Тогда вся дисперсия результативного признака обусловлена воздействием прочих факторов и общая сумма квадратов отклонений совпадает с остаточной:
Если же прочие факторы не влияют на результат, то у связан с х функционально и остаточная сумма квадратов равна нулю. В этом случае сумма квадратов отклонений, объясненная регрессией, совпадает с общей суммой квадратов:
Поскольку не все точки поля корреляции лежат на линии регрессии, то всегда имеет место их разброс, обусловленный как влиянием фактора х, (регрессией у по х), так и действием прочих причин (необъясненная вариация). Пригодность линии регрессии для прогноза зависит от того, какая часть общей вариации признака у приходится на объясненную вариацию. Очевидно, что если сумма квадратов отклонений, обусловленная регрессией, будет больше остаточной суммы квадратов, то уравнение регрессии статистически значимо, и фактор х оказывает существенное воздействие на результат у. Это равносильно тому, что коэффициент детерминации R2 будет приближаться к единице.
Любая сумма квадратов отклонений связана с числом степеней свободы df, т.е. с числом свободы независимого варьирования признака. Число степеней свободы связано с числом единиц совокупности n и числом определяемых по ней констант. Применительно к исследуемой проблеме число степеней свободы должно показать, сколько независимых отклонений из n возможных
требуется для образования данной суммы квадратов. Для общей суммы квадратов 
требуется (n-1) независимых отклонений, ибо в совокупности из n единиц после расчета среднего уровня свободно варьируют лишь (n—1) число отклонений. Например, имеем ряд значений у: 1; 2; 3; 4; 5. Среднее из них равно трем, тогда и отклонения от среднего составят: —2; — 1; 0; 1; 2. Так как 
, то свободно варьируют лишь четыре отклонения, а пятое может быть определено, если предыдущие четыре известны.
При расчете объясненной, или факторной (так как значения 
зависят от значений фактора х) суммы квадратов 
, используются теоретические значения результативного признака , найденные по линии регрессии:
В линейной регрессии
. В этом можно убедиться, рассмотрев формулу линейного коэффициента корреляции:
Если возведем в квадрат все равенство, получим следующее:
Здесь R2=(rxy)2;
-общая дисперсия результата;
дисперсия результата, обусловленная фактором х.
Следовательно, для линейной регрессии выполняется равенство
Поскольку при определенном объеме наблюдений по х и у факторная сумма квадратов при линейной регрессии зависит только от одной постоянной — коэффициента регрессии b, то данная сумма квадратов имеет одну степень свободы. К этому же выводу можно прийти, если рассмотреть составляющие расчетного значения признака 
. Величина определяется по уравнению линейной регрессии: 
. Параметр а можно определить следующим образом: 
Подставив выражение для параметра а в линейную модель, получим
Отсюда следует, что при заданном наборе переменных у и х расчетное значение 
является в линейной регрессии функцией только одного параметра — коэффициента регрессии. Таким образом, факторная сумма квадратов отклонений имеет число степеней свободы, равное единице.
Существует равенство между числами степеней свободы общей, факторной и остаточной сумм квадратов. Число степеней свободы остаточной суммы квадратов при линейной регрессии составляет (n—2). Число степеней свободы общей суммы квадратов определяется числом единиц совокупности, а поскольку используется средняя вычисленная по данным выборки величина, то одна степень свободы теряется, т.е. dfобщ= n-1. Теперь имеются два равенства:
Разделив каждую сумму квадратов на соответствующее ей число степеней свободы, получим дисперсии на одну степень свободы:
Определение дисперсии на одну степень свободы
Так как эти дисперсии рассчитаны на одну степень свободы, их можно сравнивать между собой.
Критерий Фишера позволяет проверить нулевую гипотезу Hо том, что факторная и остаточная дисперсии на одну степень свободы равны между собой (Dфак.=Dост.). Критерий Фишера рассчитывается по следующей формуле:
Если гипотеза H0 подтверждается, то факторная и остаточная дисперсии одинаковы, и уравнение регрессии незначимо. Чтобы отвергнуть нулевую гипотезу и подтвердить значимость уравнения регрессии в целом, факторная дисперсия на одну степень свободы должна превышать остаточную дисперсию на одну степень свободы в несколько раз. Существуют специальные таблицы критических значений Фишера при различных уровнях надежности и степенях свободы. В них содержатся максимальные значения отношений дисперсий, при которых нулевая гипотеза подтверждается. Значение критерия Фишера для конкретного случая сравнивается с табличным, и на основе этого гипотеза H0 принимается или отвергается.
Если (Fфак.>Fтабл..), тогда гипотеза H0 отклоняется и делается вывод, что связь между у и х существенна и уравнение регрессии статистически значимо. Если (Fфак.≤Fтабл.), тогда гипотеза H0 принимается и делается вывод, что уравнение регрессии статистически незначимо, так как существует риск (при заданном уровне надежности) сделать неправильный вывод о наличии связи между х и у.
2.Стандартные ошибки параметров.В линейной регрессии часто оценивается не только значимость уравнения регрессии в целом, но и значимость его отдельных параметров, а также коэффициента корреляции.
Для того чтобы осуществить такую оценку, необходимо для всех параметров рассчитывать стандартные ошибки(ma, mb, mr)
обозначив остаточную дисперсию на одну степень свободы через S2, получим
Величины стандартных ошибок применяются не только для проверки значимости параметров, но и для расчета доверительных интервалов.
Дата добавления: 2015-08-05; просмотров: 97; Мы поможем в написании вашей работы!; Нарушение авторских прав |