Смекни!
smekni.com

Порушення основних припущень лінійного регресійного аналізу (стр. 14 из 16)

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 розподілені

Результати 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.