Лінійна регресія з двома незалежними змінними. Знайдемо МНК-оцінки параметрів
та перевіримо гіпотези про адекватність та значущість лінійної моделі регресії. Також з’ясуємо, чи виконуються припущення в цій моделі.Результати стохастичного експерименту, за умов, що значення
обираються згідно рис. 2.1.1, наведено на рисунку 2.4.4. Рис. 2.4.4. Модель лінійної регресії, в якій спостереження рівномірно розподіленіРезультати перевірки адекватності та значущості цієї моделі лінійної регресії наведено в таблиці 2.4.2.
Таблиця 2.4.2. Результати перевірки адекватності та значущості моделі лінійної регресії, в якій спостереження рівномірно розподілені
Джерело варіації | SS | df | MS | F |
Обумовлена регресією | 28171,07 | 2 | 14085,54 | 220,04 |
Відносно регресії | 40776,74 | 637 | 64,01 | |
Відносно середнього | 68947,81 | 639 | ||
Неадекватність | 3539,39 | 61 | 58,02 | 0,89 |
"Чиста помилка" | 37237,35 | 576 | 64,65 |
F1 = 0,89 < 1,34 = F0,05;61;576, модель адекватна.
F2 = 220,04 > 3,01 = F0,05;2;637, модель значуща.
|t1| = 0,74< 1,96 = t0,025;637, гіпотеза
не відхиляється.|t2| = 25,5 > 1,96 = t0,025;637, гіпотеза
відхиляється.|t3| = 48,5 > 1,96 = t0,025;637, гіпотеза
відхиляється.Перевіримо припущення про некорельованість залишків
за допомогою критерію Дарбіна-Уотсона. Статистика критерія . Оскільки , то залишки цієї моделі некорельовані.
Рис.2.4.5. Графік залишків – дисперсія залишків змінюється
Гіпотезу про нормальний розподіл залишків
перевіримо за допомогою критерію .
Рис. 2.4.5. Нормальний розподіл залишків
Статистика,
,тому залишки не можна вважати нормально розподіленими.Статистика Бартлетта
, тому дисперсія залишків змінна величина.Отже,
1) лінійна модель адекватна;
2) регресія
значуща (гіпотеза не відхиляється; гіпотеза відхиляється, гіпотеза відхиляється, гіпотеза відхиляється);3) залишки
некорельовані;4) залишки
не можна вважати нормально розподіленими;5) дисперсія залишків
змінна величина.2.5 Модель простої лінійної регресії, в якій спостереження показниково розподілені величини
Нехай
– незалежні показниково розподілені випадкові величини з параметром .За спостереженнями
, які описуються моделлю , (2.5.1)необхідно оцінити невідомі параметри
, перевірити адекватність лінійної моделі (2.5.1), значущість лінійної регресії , а також з’ясувати, чи виконуються основні припущення лінійного регресійного аналізу.Стохастичний експеримент. Проведемо стохастичний експеримент, який полягає в моделюванні вибірки
з показникового розподілу з параметром .Проста лінійна регресія. Знайдемо МНК – оцінки параметрів
та перевіримо гіпотези про адекватність та значущість лінійної моделі регресії. Також з’ясуємо, чи виконуються припущення в цій моделі.Результати стохастичного експерименту, за умов, що
обирається згідно рис. 2.1.1, наведено на рисунку 2.5.1.Рис. 2.5.1. Модель простої лінійної регресії, в якій спостереження показниково розподілені
Результати перевірки адекватності та значущості цієї моделі простої лінійної регресії наведено в таблиці 2.5.1.
Таблиця 2.5.1. Результати перевірки адекватності та значущості моделі простої лінійної регресії, в якій спостереження показниково розподілені
Джерело варіації | SS | df | MS | F |
Обумовлена регресією | 6,6 | 1 | 6,6 | 2,11 |
Відносно регресії | 1992,5 | 638 | 3,12 | |
Відносно середнього | 1999,1 | 639 | ||
Неадекватність | 16,04 | 6 | 2,67 | 0,85 |
"Чиста помилка" | 1976,46 | 632 | 3,13 |
F1 = 0,85 < 2,11 = F0,05;6;632, модель адекватна.
F2 = 2,11 < 3,86 = F0,05;1;638, тому регресія
незначуща.|t1| = 12,29 > 1,96 = t0,025;498, гіпотеза
відхиляється.|t2| = 99 > 1,96 = t0,025;498, гіпотеза
відхиляється.Перевіримо припущення про некорельованість залишків
за допомогою критерію Дарбіна-Уотсона. Статистика критерію Оскільки , то залишки цієї моделі некорельовані.
Рис. 2.5.2. Графік залишків – смуга постійної ширини
Гіпотезу про нормальний розподіл залишків
перевіримо за допомогою критерію .
Рис. 2.5.3. Нормальний розподіл залишків
Статистика
, тому залишки не можна вважати нормально розподіленими.Статистика Бартлетта
, тому дисперсія залишків змінна величина.