КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Каждая оценка, рассчитанная по формуле
МНК оценка ковариационной матрицы оцененных коэффициентов регрессии. является реализацией случайной переменной. Для характеристики случайных переменных служат, вместе с величинами математического ожидания, также дисперсии и ковариации (1) Действительные значения этих параметров классической регрессионной модели образуют дисперсионно-коваривционную (кратко: ковариационную) матрицу размерностью (2) Эта ковариационная матрица неизвестна, она должна быть оцененная. Оценена по методу 1МНК ковариационная матрица для в классической регрессионной модели в развернутом виде может быть представлена таким образом (3) или (4) На главной диагонали оцененной ковариационной матрицы і-й элемент является 1МНК-оценщиком дисперсиями і-го оцененного регрессионного коэффициента, а (і,j) -й элемент, расположенный вне диагонали, есть 1МНК-оценщиком ковариации между и . Разные (иногда даже все) элементы этой симметричной матрицы необходимы для t-тестирования гипотез по отдельным регрессионным коэффициентам и их линейных комбинациях, а также для расчета доверительных интервалов. Чем больше оценены дисперсии и ковариации, тем более доверительные интервалы для оцененных коэффициентов регрессии и зависимые от них интервалы прогноза. Однако желаемыми являются, по возможности, узкие доверительные и прогнозные интервалы.
Дата добавления: 2015-05-26; Просмотров: 414; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |