Professional Documents
Culture Documents
Тема 1 - 3 Лінійні Та Нелінійні Економетричні Моделі Частина 2
Тема 1 - 3 Лінійні Та Нелінійні Економетричні Моделі Частина 2
3
(Частина 2)
Перевірка достовірності
моделі парної лінійної
регресії та оцінок її
параметрів.
Прогнозування
Перевірка адекватності
моделі за F-критерієм Фішера
Гіпотеза: H 0 : a1 0
Розрахункова формула:
R m 12
R n m 2
Fроз .
1 R n m 1 R m 1
2 2
n – кількість спостережень
m – кількість параметрів, що оцінюються
оцінюються, тобто m
Етапи перевірки
1. Розраховуємо величину F-критерію
H 0 : a1 0
відхиляється, якщо Fроз . F1,n 2, ,
то гіпотеза приймається
Розрахунок F-критерію
R m 1
2
R n m
2
Fроз .
1 R n m 1 R m 1
2 2
0,9625 8 2
153,996
1 0,9625 2 1
Як знайти табличне (критичне)
значення критерію Фішера?
Для v1 1, v2 n 2 8 2 6
0,05
Ступені
Таблиця свободи: v1 1 2 3 4 5 …
F-розподілу v2
1 161.4 199.5 215.7 224.6 230.2 …
Фішера для
2 18.51 19.00 19.16 19.25 19.3 …
0,05 3 10.13 9.55 9.28 9.12 9.01 …
4 7.71 6.94 6.59 6.39 6.26 …
5 6.61 5.79 5.41 5.19 5.05 …
6 5.99 5.14 4.76 4.53 4.39 …
7 5.59 4.74 4.35 4.12 3.97 …
8 5.32 4.46 4.07 3.84 3.69 …
9 5.12 4.26 3.86 3.63 3.48 …
10 4.96 4.1 3.71 3.48 3.33 …
11 ⋮ ⋮ ⋮ ⋮ ⋮
F1, 6,0.05 5,99
Висновок: гіпотеза H 0 : a1 0
відхиляється і рівняння
регресії визнається
достовірним
Перевірка гіпотези про значущість
коефіцієнта кореляції
Гіпотеза H 0 : ryx 0
Скористаємося критерієм Стьюдента
Розрахункове значення t-критерію:
n2
t роз . ryx 2
1 ryx
H 0 : ryx 0
n2 82
t роз . ryx 2
0,981 12 ,41
1 ryx 1 0,9625
При = 0,05
і
v=n–2=8–2=6
U1/Pr 0.25 0.10 0.05 0.025 0.01 …
Таблиця 0.50 0.20 0.1 0.05 0.02
t-розподілу 1 1 3.078 6.314 12.706 31.821 …
Стьюдента 2 0.861 1.886 2.920 4.303 6.965 …
3 0.765 1.638 2.353 3.182 4.541 …
4 0.741 1.533 2.132 2.776 3.747 …
5 0.727 1.476 2.015 2.571 3.365 …
6 0.718 1.440 1.943 2.447 3.143 …
7 0.711 1.415 1.895 2.365 2.998 …
8 0.706 1.397 1.860 2.306 2.896 …
9 0.703 1.383 1.833 2.262 2.821 …
10 0.700 1.372 1.812 2.228 2.764 …
11 ⋮ ⋮ ⋮ ⋮ ⋮
t табл. t 6 , 0.05 2,447
1 n 1 n
ME u ui yi yi
n i 1 n i 1
При n ME 0
2. Середня абсолютна похибка
прогнозу
1 1
n
n
MAE ui yi yi
n i 1 n i 1
3. Середньоквадратична похибка
прогнозу
0,5
1 n
2
MSE yi yi
n i 1
Відносні показники
1. Середня процентна помилка
апроксимації (відносний показник
зміщення прогнозу)
1 n
ui 1 n
yi yi
MPE 100% 100%
n i 1 yi n i 1 yi
2. Середня абсолютна процентна
помилка
1 n
ui 1 n
yi yi
MAPE 100% 100%
n i 1 yi n i 1 yi
3. Коефіцієнт невідповідності Тейла
2
n
yi yi
i 1 n
KT
n 2 n 2
yi yi
i 1 n
i 1 n
Як оцінювати?
• Для MPE та KT важливим є наближення їх
до 0
• Тлумачення показника MAPE
Рівень якості
№ Рівень MAPE
прогнозу
1 < 10 % Високий
2 10 – 20 % Досить добрий
3 21 – 50 % Задовільний
4 > 50 % Незадовільний
Додаткові показники
1. Дисперсія і стандартне відхилення
залишків
1 n
varu ui u u
2 2
n i 1
1 n
varu ui u 2
n i 1
2. Середнє абсолютне відхилення
1 n
MADu u i u
n i 1
Незміщена оцінка істинного значення
2
u
2 u i
2
u i 1
n2
б) для багатофакторної моделі
n
2
u 2
i
u i 1
nm
Висувається гіпотеза H 0 : a1 0
Розраховується статистика Стьюдента
a1
t a1
a1
H 0 : a1 0
відхиляється,
якщо – то приймається
t
a1 tn m ,
Оцінка значущості параметра a0
здійснюється аналогічно
a0
t a0
a0
2 2 1
a1 u n
x x
2
i
i 1
2 1
a1 u n
- стандартна похибка
параметра a1
x x
2
i
i 1
n
n
2 u i
2
2
u 2
i
u i 1
u i 1
n2 nm
n
2 2
i
x 2
a0 u n
i 1
n xi x
2
i 1
2
x 2
i
a0 u n
i 1
- стандартна похибка
параметра a0
n xi x
2
i 1
Розрахуємо оцінку дисперсії
2
залишків u
2 i
u 2
10,71
u
i 1
1,78
n2 82
Знайдемо оцінки дисперсії і стандартного
відхилення a1
2 2 1 1
a1 u n
1,78 0,002155
828
x x
2
i
i 1
2
a1 a1 0,046
Розрахуємо статистику Стьюдента
a1 0,576
t a1 12,41
a1 0,046
Для 0,05 і v n 2 8 2 6
t 6 , 0.05 2,447
Оскільки
i
x 2
6030
a20 u2 n
i 1
1,78 1,62
8 828
n xi x
2
i 1
2
a0 a0 1,27
Розрахуємо статистику Стьюдента
a0 1,44
t a0 1,13
a0 1,27
Порівняємо розраховане значення t
статистики за модулем з табличним
( )
^ 2𝑎^
𝜎 0
^0,𝑎
𝑐𝑜𝑣 ( 𝑎 ^1) ⋯ ^0,𝑎
𝑐𝑜𝑣 ( 𝑎 ^ 𝑚)
^ 1, 𝑎
𝑐𝑜𝑣 ( 𝑎 ^ 0) ^ 2𝑎^
𝜎 ⋯ ^ 1 ,𝑎
𝑐𝑜𝑣 ( 𝑎 ^ 𝑚)
𝐶𝑜𝑣 ( ^
𝐴) = 𝜎
2 ¿ −1
𝑢
^ (𝑋 𝑋) = 1
⋮ ⋮ ⋮ ⋮
^𝑚 , 𝑎
𝑐𝑜𝑣 ( 𝑎 ^ 0) ^ 𝑚 ,𝑎
𝑐𝑜𝑣 ( 𝑎 ^1) ⋯ ^ 2𝑎^
𝜎 𝑚
Дисперсійно-коваріаційна матриця
• Оцінки коваріаційної матриці використовуються
для знаходження стандартних похибок та
обчислення довірчих інтервалів оцінок параметрів.
Вони використовуються й під час перевірки їхньої
статистичної значущості.
na a x yn n
1 i
0
i 1 i 1
i
n n n
a0 xi a1 xi xi yi .
2
i 1 i 1 i 1
Виділяємо матрицю
n
n xi
X X n
' i 1
2
n
i 1
xi
i 1
xi
Знаходимо матрицю , зворотну по
відношенню до матриці
• Загальне правило:
11 T
A A*
A
де |А| - визначник матриці А
A*T - транспонована матриця алгебраїчних
доповнень відповідних елементів матриці А
1
A A E
Етапи розрахунків зворотної матриці
T 4 2
A
*
3 1
Етапи розрахунків зворотної матриці
11 T 1 4 2
A A*
A 2 3 1
2 1
1,5 0,5
Дисперсійно-коваріаційна матриця
2
2 ' 1 a0 a0 a1
cov A u X X
a a 2
a1
10
n
2 u i
2
u i 1
n2
Діагональні елементи матриці
використовуються для знаходження
стандартних похибок параметрів моделі
2
2 ' 1 a0 a0 a1
cov A u X X
a a 2
a1
10
a0 a1
Стандартні похибки параметрів моделі можуть
також позначатися як
S a0 S a1
Оцінимо значущість параметрів моделі a1 і a0
Для цього будуємо коваріаційну матрицю
Виконуємо наступні дії:
1) Додаємо стовпець одиниць до вектору
спостережень незалежної змінної, отримуємо
матрицю:
2) Транспонуємо матрицю:
Отримаємо:
3) Перемножуємо матриці і :
Отримаємо:
4) Знаходимо обернену матрицю :
2 i
u 2
10,71
u
i 1
1,78
n2 82
6) Знаходимо коваріаційну матрицю
=
=
7) Знаходимо стандартні відхилення оцінок параметрів
моделі:
Статистика Стьюдента
a1 0,576
t a1 12,41
a1 0,046
Для 0,05 і v n 2 8 2 6
t 6 , 0.05 2,447
Оскільки
a0 1,44
t a0 1,13
a0 1,27
Порівняємо розраховане значення t
статистики за модулем з табличним
tn m;
2. Розраховуємо стандартні похибки
параметрів моделі
ai , i 0,1
3. Для параметрів a0 і a1 отримуємо
довірчі інтервали
*
a a0 tn m; a0
0
*
a a1 tn m; a1
1
Розрахунок довірчих інтервалів
для параметрів a1 і a0.
Нехай 0,05
*
a a1 t6;0,05 a1 0 ,576 2 ,447 0 ,0464
1
0 ,576 0 ,1136
0,4625 a1 0,6897
Для a0
*
a a0 t6;0, 05 a0
0
4,559 a0 1,679
Прогнозування за моделлю
простої лінійної регресії
Види прогнозів:
• точковий
• інтервальний
Прогнозне значення залежної змінної
(точковий прогноз)
y n 1 a 0 a1 x n 1
Залишок прогнозу un 1
un 1 yn 1 yn 1
Оцінка дисперсії залишків прогнозу
2 2 1 xn 1 x
2
un1 u 1 n
n xi x
2
i 1
Статистика Стьюдента для n – m
ступенів свободи і рівня значимості α
tn m;
Довірчий інтервал для прогнозного
значення змінної yn 1
*
y n 1 yn 1 tn m; un1
Оцінка дисперсії залишків прогнозу для
математичного сподівання y
2
2 1 xn 1 x
2
un1 u n
n xi x
2
i 1
Вираз для розрахунку довірчого
інтервалу для математичного
сподівання прогнозу
M y *
n 1 yn 1 tn m; un1
Розрахуємо прогноз величини yn 1
і довірчі інтервали прогнозу для
n 1 8 1 9
Визначимо значення x9 20
Знайдемо
y 9 1,44 0,576 x9 1,44 0,576 20 10,082
Довірчі інтервали для рівня значимості
0,05
*
y y9 t8 2;0, 05 u9
9
1 20 25,5
2
10,082 2,447 1,336 1
8 828
10,082 3,523
6 ,559 yn 1 13,6
Довірчі інтервали для математичного
сподівання
M yn 1
для 0,05
*
M y y9 t8 2;0,05 u9
9
1 20 25,5
2
10,082 2,447 1,336
8 828
10,082 1,314
8,768 M y9 11,395