Интервальная оценка индивидуального значения зависимой переменной

Одной из основных задач эконометрического анализа является прогнозирование значений зависимой переменной при определенных значениях Хпр объясненной переменной.

Предположим, что мы построили некое эмпирическое значение парной регрессии ỹi=b0+b1xi, на основе кот-го хотим предсказать среднюю величину зависимой переменной у при х=хпр. В данном случае рассчитанное по уравнению величина ỹпр=b0+b1xпр является только оценкой для искомого матожидания.

Встает вопрос насколько эта оценка отклоняется от среднего матожидания для того, чтобы ей можно было доверять с надежностью γ=1-α.

Чтобы построить доверит интервал, покажем, что случайная величина ỹпр имеет норм распределение с некоторыми конкретными переменными.

Мы знаем, что ỹпр=b0+b1xпр. Подставим в это уравнение значение для bo и b1, найденное в виде лин комбинаций выборочных величин объясняющей переменной yi.

Интервальная оценка индивидуального значения зависимой переменной - student2.ru

Т.е. расчетная величина действительного имеет норм распред-ие и мы находим матожидание и дисперсию.

М(Ỹпр)=M(bo+b1Xпр)= βo+Xпрβ1

D(Ỹпр)=D(bo+b1Xпр) = D(bo)+X²прM(b1)=2cov(bo,b1Xпр)***=

Рас-м вел-ну ковариации.

Интервальная оценка индивидуального значения зависимой переменной - student2.ru

Интервальная оценка индивидуального значения зависимой переменной - student2.ru

Заменим вел-ну bo ч/з правило ее вычисления из эмпир ур-ия регр-ии, аналог-но поступим со знач-ем βо, записав его знач-ие ч/з теорет ур-ие регр-ии.

Тогда получаем

Интервальная оценка индивидуального значения зависимой переменной - student2.ru

Интервальная оценка индивидуального значения зависимой переменной - student2.ru -

это дисп-ия для значения b1 Интервальная оценка индивидуального значения зависимой переменной - student2.ru

Интервальная оценка индивидуального значения зависимой переменной - student2.ru

Интервальная оценка индивидуального значения зависимой переменной - student2.ru

Мы знаем вел-ну дисп bo и b1. Подставим сюда их значения:

Интервальная оценка индивидуального значения зависимой переменной - student2.ru

Интервальная оценка индивидуального значения зависимой переменной - student2.ru

Преобразуем данное выр-ие прибавив и отняв к скобке Интервальная оценка индивидуального значения зависимой переменной - student2.ru

Интервальная оценка индивидуального значения зависимой переменной - student2.ru

Интервальная оценка индивидуального значения зависимой переменной - student2.ru Интервальная оценка индивидуального значения зависимой переменной - student2.ru

Интервальная оценка индивидуального значения зависимой переменной - student2.ru

В этом выр-ии заменяем σ² несмещенной оценкой по эмпир ур-ию регр-ии σ²=∑ei²/n-2 и тогда мы м рассчитать Т стат-ку

Интервальная оценка индивидуального значения зависимой переменной - student2.ru

Интервальная оценка индивидуального значения зависимой переменной - student2.ru , получаемого из значения теорет дисп-ии заменой дисп теорет откл-ия σ² на So², вычис-ое по выборке ∑ei²/n-2. Используя табл. Стьюдента, можем вычесть вероятность того, что |T|≤tрасч

Интервальная оценка индивидуального значения зависимой переменной - student2.ru

Тогда Интервальная оценка индивидуального значения зависимой переменной - student2.ru ν=n-2.

Таким образом, сделав такие же преобразования как для коэффициентов в уравнения, получаем, что

Интервальная оценка индивидуального значения зависимой переменной - student2.ru

Классическая парная регрессионная модель. Спецификация модели.

Спецификация парной линейной регр. модели имеет вид: Y=a+bX+ε, где a и b – параметры модели (постоянные неизвестные коэфф-ты), Х – экзогенная переменная (регрессор), У – эндогенная переменная (отклик), ε – случайное возмущение, характеризующее отклонение f(x)= a+bX (теоретической линей зависимости) и возникающее:

- из-за ошибок спецификации

- из-за ошибок измерений

Уравнения для отдельных наблюдений зависимой переменной У записываются в виде (схема Гаусса-Маркова)

Yt=a+bXtt , t=1,…,n – выборочные данные, n – объём выборки.

Относительно возмущений εt, в регр.моделях принимаются след. предположения (условия Гаусса-Маркова)

Наши рекомендации