Что такое findslide.org?

FindSlide.org - это сайт презентаций, докладов, шаблонов в формате PowerPoint.


Для правообладателей

Обратная связь

Email: Нажмите что бы посмотреть 

Яндекс.Метрика

Презентация на тему Уравнение множественной регрессии. Теорема Гаусса-Маркова

Содержание

Уравнение множественной регрессии(7.1)Наилучшая линейная процедура получения оценок параметров уравнения (7.1) и условия, при которых эта процедура дает несмещенные и эффективные оценки, сформулирована в теореме Гаусса-Маркова
ЭКОНОМЕТРИКАЛекция 7Уравнение множественной регрессииТеорема Гаусса-МарковаАвтор: Костюнин Владимир Ильич, доцент кафедры: «Математическое моделирование экономических процессов» Уравнение множественной регрессии(7.1)Наилучшая линейная процедура получения оценок параметров уравнения (7.1) и условия, Карл Фридрих ГауссВремя жизни 30.04.1777 - 23.02.1855Научная сфера – математика, физика, астрономияАндрей Теорема Гаусса - МарковаПостановка задачи:Имеем случайную выборку наблюдений за поведением экономического объекта Теорема Гаусса - МарковаСформируем вектора и матрицу коэффициентов на основе системы (7.2)Y Теорема Гаусса - МарковаПо данным выборки найти: Ã, Cov(ÃÃ), σu, σ(ỹ(z))Теорема (Гаусса Теорема Гаусса - МарковаТогда наилучшей линейной процедурой оценки параметров модели (7.1) является:(7.3) Теорема Гаусса - МарковаДоказательствоВоспользуемся методом наименьших квадратов где(7.4)(7.5)Подставив (7.5) в (7.4) получим(7.6) Теорема Гаусса - МарковаДля получения необходимого условия экстремума дифференцируем (7.6) по вектору Теорема Гаусса - МарковаДокажем несмещенность оценок (7.3)Несмещенность оценки (7.3) доказанаВычислим ковариационную матрицу Теорема Гаусса - МарковаПример 1. Пусть имеем выборку из n наблюдений за Теорема Гаусса - МарковаРешение1. Вычисляем (XTX)-12. Вычисляем (XTY)3. Вычисляем оценку параметра а04. Находим дисперсию среднего Теорема Гаусса - МарковаПример 2. Уравнение парной регрессииПостроить модель типа Y=a0+a1x +u, Теорема Гаусса - Маркова2. Вычисляем XTY 3. Вычисляем оценку вектора параметров а Теорема Гаусса - МарковаВычислим дисперсии (ковариационную матрицу) параметров моделиСледовательно: Теорема Гаусса - МарковаРасчет дисперсии прогнозированияПрогноз осуществляется в точке Z={1,z}Т Оценка уравнений регрессии с помощью EXCELПроцедура «ЛИНЕЙН» в приложении EXCEL Алгоритм использования Теорема Гаусса - МарковаВыводы:	1. Теорема Гаусса-Маркова формулирует наилучшую линейную процедуру расчета оценок
Слайды презентации

Слайд 2 Уравнение множественной регрессии
(7.1)
Наилучшая линейная процедура получения оценок параметров

Уравнение множественной регрессии(7.1)Наилучшая линейная процедура получения оценок параметров уравнения (7.1) и

уравнения (7.1) и условия, при которых эта процедура дает

несмещенные и эффективные оценки, сформулирована в теореме Гаусса-Маркова

Слайд 3 Карл Фридрих Гаусс
Время жизни
30.04.1777 - 23.02.1855
Научная сфера

Карл Фридрих ГауссВремя жизни 30.04.1777 - 23.02.1855Научная сфера – математика, физика,

– математика, физика, астрономия
Андрей Андреевич Марков
Время жизни
14.06.1856

- 20.07.1922
Научная сфера - математика

Слайд 4 Теорема Гаусса - Маркова
Постановка задачи:
Имеем случайную выборку наблюдений

Теорема Гаусса - МарковаПостановка задачи:Имеем случайную выборку наблюдений за поведением экономического

за поведением экономического объекта объемом n
Выборка наблюдений за переменными

модели (7.1)
Первый индекс – номер регрессора
Второй индекс – номер наблюдения

(7.2) - Система уравнений наблюдений, связывающая наблюдения в выборке

(7.2)


Слайд 5 Теорема Гаусса - Маркова
Сформируем вектора и матрицу коэффициентов

Теорема Гаусса - МарковаСформируем вектора и матрицу коэффициентов на основе системы

на основе системы (7.2)
Y – вектор выборочных значений эндогенной

переменной
U – вектор выборочных значений случайного возмущения
A - вектор неизвестных параметров модели
х – вектор регрессоров
X – матрица коэффициентов при неизвестных параметрах

Слайд 6 Теорема Гаусса - Маркова
По данным выборки найти: Ã,

Теорема Гаусса - МарковаПо данным выборки найти: Ã, Cov(ÃÃ), σu, σ(ỹ(z))Теорема

Cov(ÃÃ), σu, σ(ỹ(z))
Теорема (Гаусса – Маркова)
Если матрица Х неколлинеарна

и вектор случайных возмущений удовлетворяет следующим требованиям:

Математическое ожидание всех случайных возмущений равно нулю

Дисперсия случайных возмущений постоянна во всех наблюдениях
(условие ГОМОСКЕДАСТИЧНОСТИ)

Случайные возмущения в разных наблюдениях не зависимы

Случайные возмущения и регрессоры не зависимы


Слайд 7 Теорема Гаусса - Маркова
Тогда наилучшей линейной процедурой оценки

Теорема Гаусса - МарковаТогда наилучшей линейной процедурой оценки параметров модели (7.1)

параметров модели (7.1) является:
(7.3)
которая удовлетворяет методу наименьших квадратов
При

этом:

Слайд 8 Теорема Гаусса - Маркова
Доказательство
Воспользуемся методом наименьших квадратов
где
(7.4)
(7.5)
Подставив

Теорема Гаусса - МарковаДоказательствоВоспользуемся методом наименьших квадратов где(7.4)(7.5)Подставив (7.5) в (7.4) получим(7.6)

(7.5) в (7.4) получим
(7.6)


Слайд 9 Теорема Гаусса - Маркова
Для получения необходимого условия экстремума

Теорема Гаусса - МарковаДля получения необходимого условия экстремума дифференцируем (7.6) по

дифференцируем (7.6) по вектору параметров
Откуда система нормальных уравнений для

определения искомых параметров получает вид

(7.7)

Решение системы (7.7) в матричном виде есть

Выражение (7.3) доказано


Слайд 10 Теорема Гаусса - Маркова
Докажем несмещенность оценок (7.3)
Несмещенность оценки

Теорема Гаусса - МарковаДокажем несмещенность оценок (7.3)Несмещенность оценки (7.3) доказанаВычислим ковариационную

(7.3) доказана
Вычислим ковариационную матрицу оценок (7.3)
В результате получено выражение

(7.4)

Слайд 11 Теорема Гаусса - Маркова
Пример 1. Пусть имеем выборку

Теорема Гаусса - МарковаПример 1. Пусть имеем выборку из n наблюдений

из n наблюдений за случайной величиной Y
Найти наилучшие оценки

среднего значения и дисперсии этой переменной

В терминах теоремы Гаусса –Маркова задача формулируется так: необходимо построить модель типа Y = a0 +u, при этом имеем:


Слайд 12 Теорема Гаусса - Маркова
Решение
1. Вычисляем (XTX)-1
2. Вычисляем (XTY)
3.

Теорема Гаусса - МарковаРешение1. Вычисляем (XTX)-12. Вычисляем (XTY)3. Вычисляем оценку параметра а04. Находим дисперсию среднего

Вычисляем оценку параметра а0
4. Находим дисперсию среднего


Слайд 13 Теорема Гаусса - Маркова
Пример 2. Уравнение парной регрессии
Построить

Теорема Гаусса - МарковаПример 2. Уравнение парной регрессииПостроить модель типа Y=a0+a1x

модель типа Y=a0+a1x +u, по данным вы-борки наблюдений за

переменными Y и x объемом n

В схеме Гаусса-Маркова имеем:

1. Вычисляем матрицы (XTX) и (XTX)-1


Слайд 14 Теорема Гаусса - Маркова
2. Вычисляем XTY
3. Вычисляем

Теорема Гаусса - Маркова2. Вычисляем XTY 3. Вычисляем оценку вектора параметров а

оценку вектора параметров а


Слайд 15 Теорема Гаусса - Маркова
Вычислим дисперсии (ковариационную матрицу) параметров

Теорема Гаусса - МарковаВычислим дисперсии (ковариационную матрицу) параметров моделиСледовательно:

модели
Следовательно:


Слайд 16 Теорема Гаусса - Маркова
Расчет дисперсии прогнозирования
Прогноз осуществляется в

Теорема Гаусса - МарковаРасчет дисперсии прогнозированияПрогноз осуществляется в точке Z={1,z}Т

точке Z={1,z}Т


Слайд 17 Оценка уравнений регрессии с помощью EXCEL
Процедура «ЛИНЕЙН» в

Оценка уравнений регрессии с помощью EXCELПроцедура «ЛИНЕЙН» в приложении EXCEL Алгоритм

приложении EXCEL
Алгоритм использования процедуры:
Подготовка таблицы исходных данных
2. Вызов

процедуры «ЛИНЕЙН»
3. Ввод исходных данных в процедуру
4. Анализ результата

Рассмотрим алгоритм на примере

  • Имя файла: uravnenie-mnozhestvennoy-regressii-teorema-gaussa-markova.pptx
  • Количество просмотров: 136
  • Количество скачиваний: 0