Оценка статистической значимости параметров уравнения регрессии

С помощью МНК мы получили лишь оценки параметров уравнения регрессии, которые характерны для конкретного статистического наблюдения (конкретного набора значений x и y). Если оценку параметров произвести по данным другого статистического наблюдения (другому набору значений x и y), то получим другие численные значения , . Мы предполагаем, что все эти наборы значений x и y извлечены из одной и той же генеральной совокупности. Чтобы проверить, значимы ли параметры, т.е. значимо ли они отличаются от нуля для генеральной совокупности используют статистические методы проверки гипотез.

В качестве основной (нулевой) гипотезы выдвигают гипотезу о незначимом отличии от нуля параметра или статистической характеристики в генеральной совокупности. Наряду с основной (проверяемой) гипотезой выдвигают альтернативную (конкурирующую) гипотезу о неравенстве нулю параметра или статистической характеристики в генеральной совокупности. В случае если основная гипотеза окажется неверной, мы принимаем альтернативную. Для проверки этой гипотезы используется t-критерий Стьюдента.

Найденное по данным наблюдений значение t-критерия (его еще называют наблюдаемым или фактическим) сравнивается с табличным (критическим) значением, определяемым по таблицам распределения Стьюдента (которые обычно приводятся в конце учебников и практикумов по статистике или эконометрике). Табличное значение определяется в зависимости от уровня значимости (a) и числа степеней свободы, которое в случае линейной парной регрессии равно (n-2), n-число наблюдений.

Если фактическое значение t-критерия больше табличного (по модулю), то основную гипотезу отвергают и считают, что с вероятностью (1-a) параметр или статистическая характеристика в генеральной совокупности значимо отличается от нуля.

Если фактическое значение t-критерия меньше табличного (по модулю), то нет оснований отвергать основную гипотезу, т.е. параметр или статистическая характеристика в генеральной совокупности незначимо отличается от нуля при уровне значимости a.

Для параметра b критерий проверки имеет вид:

,

где - оценка коэффициента регрессии, полученная по наблюдаемым данным;

– стандартная ошибка коэффициента регрессии.

Для линейного парного уравнения регрессии стандартная ошибка коэффициента вычисляется по формуле:

.

Числитель в этой формуле может быть рассчитан через коэффициент детерминации и общую дисперсию признака-результата: .

Для параметра a критерий проверки гипотезы о незначимом отличии его от нуля имеет вид:

,

где - оценка параметра регрессии, полученная по наблюдаемым данным;

– стандартная ошибка параметра a.

Для линейного парного уравнения регрессии:

.

Для проверки гипотезы о незначимом отличии от нуля коэффициента линейной парной корреляции в генеральной совокупности используют следующий критерий:

, где r_yx - оценка коэффициента корреляции, полученная по наблюдаемым данным; m_r – стандартная ошибка коэффициента корреляции r_yx.

Для линейного парного уравнения регрессии:

.

В парной линейной регрессии между наблюдаемыми значениями критериев существует взаимосвязь: t _(b=0)=t_(r=0).

Прогноз ожидаемого значения результативного признака y по линейному парному уравнению регрессии.

Пусть требуется оценить значение признака-результата для заданного значения признака-фактора (х^р). Прогнозируемое значение признака-результата c доверительной вероятностью равной (1-a) принадлежит интервалу прогноза:

( -t·m_p; +t·m_p),

где - точечный прогноз;

t – коэффициент доверия, определяемый по таблицам распределения Стьюдента в зависимости от уровня значимости a и числа степеней свободы (n-2);

m_p- средняя ошибка прогноза.

Точечный прогноз рассчитывается по линейному уравнению регрессии, как: .

Средняя ошибка прогноза определяется по формуле:

.

Задание №1

На основе данных, приведенных в Приложении 1 и соответствующих Вашему варианту (таблица 2), требуется:

1. Рассчитать коэффициент линейной парной корреляции и построить уравнение линейной парной регрессии одного признака от другого. Один из признаков, соответствующих Вашему варианту, будет играть роль факторного (х), другой – результативного (y). Причинно-следственные связи между признаками установить самим на основе экономического анализа. Пояснить смысл параметров уравнения.

2. Определить теоретический коэффициент детерминации и остаточную (необъясненную уравнением регрессии) дисперсию. Сделать вывод.

3. Оценить статистическую значимость уравнения регрессии в целом на пятипроцентном уровне с помощью F-критерия Фишера. Сделать вывод.

4. Выполнить прогноз ожидаемого значения признака-результата y при прогнозном значении признака-фактора х, составляющим 105% от среднего уровня х. Оценить точность прогноза, рассчитав ошибку прогноза и его доверительный интервал с вероятностью 0,95.

Таблица 2

Вариант	Номер начального наблюдения	Номер конечного наблюдения	Номер признаков из прил. 1	Вариант	Номер начального наблюдения	Номер конечного наблюдения	Номер признаков из прил. 1
			1,2				1,3
			3,4				4,5
			1,3				1,4
			4,5				2,5
			1,4				1,5
			2,5				2,3
			1,5				1,2
			2,3				3,4
			1,2				1,3
			3,4				4,5
			1,3				1,4

Продолжение табл. 2

			4,5				2,5
			1,4				1,5
			2,5				2,3
			1,5				1,2
			2,3				3,4
			1,2				1,3
			3,4				4,5
			1,3				1,4
			4,5				2,5
			1,4				1,5
			2,5				2,3
			1,5				1,2
			2,3				3,4
			1,2				1,3
			3,4				4,5
			1,3				1,4
			4,5				2,5
			1,4				1,5
			2,5				2,3
			1,5				1,2
			2,3				3,4
			1,2				1,3
			3,4				4,5
			1,3				1,4
			4,5				2,5
			1,4				1,5
			2,5				2,3
			1,5				1,2
			2,3				3,4
			1,2				1,3
			3,4				4,5
			1,3				1,4
			4,5				2,5
			1,4				1,5
			2,5				2,3
			1,5				1,2
			2,3				3,4

Окончание табл. 2