Линии регрессии. Метод наименьших квадратов (МНК)

Линии регрессии - это линии, отражающие основную форму зависимости отклика Y от факторного признака X. Определение вида этих линий – основная задача регрессионного анализа.

МНК позволяет определить параметры линии регрессии

Ломаная линия, соединяющая фактические данные на корреляционном поле, называется эмпирической регрессией.

Основное требование МНК: Сумма квадратов отклонений эмпирических значений отклика от теоретических должна быть минимальной.

или

Отклонение

Рассмотрим простейший случай – линейную регрессию.

Определим с помощью МНК неизвестные параметры a и b:

Решаем эту систему нормальных уравнений методом Крамера:

(*)

Регрессия y на x задается следующей формулой:

Это две различные прямые, пересекающиеся в точке :

Одна из этих прямых y=ax+b получается в результате решения задачи минимизации суммы квадратов отклонений по вертикали, а другая (x=cy+d) - по горизонтали.

Для удобства определения параметров a и b можно использовать следующую таблицу:

i
… n	…	…	…	…

Уравнение регрессии нужно в первую очередь для проведения прогноза (экстраполяции и интерполяции). При экстраполяции не рекомендуется выходить как в сторону больших, так и в сторону меньших значений по X за пределы, превышающие 1/3 размаха вариации по X.

Границы доверительного интервала определяются следующим образом:

- значение точечного прогноза,

-значение факторного признака, для которого выполняется прогноз,

m - число параметров в уравнении регрессии.

n-m - число степеней свободы,

a - уровень значимости, (в нашем случае a будет иметь смысл вероятности ошибки прогноза).

- остаточное среднеквадратическое отклонение, скорректированное по числу степеней свободы.

Дата добавления: 2014-12-16