Дипломная работа: Порушення основних припущень лінійного регресійного аналізу
Отже, нехай – результати спостережень, які описуються моделлю виду
(1.1.3)
Параметри невідомі, і їх необхідно оцінити за вибіркою
.
Для оцінки невідомих параметрів використовують метод максимальної правдоподібності або метод найменших квадратів.
1.2 Метод найменших квадратів
Означення 1.2.1. МНК-оцінкою параметрів будемо називати точку
, в якій функція
(1.2.1)
досягає найменшого значення.
Здиференцюємо по
, а потім по
Прирівнюємо похідні нулеві:
(1.2.2)
(1.2.3)
Останню систему називають системою нормальних рівнянь. Із (1.2.2) маємо:
(1.2.4)
Підставляємо в (1.2.3):
(1.2.5)
Оскільки
і, крім того,
то (1.2.5) запишеться у вигляді
Тоді рівняння простої лінійної регресії має вигляд
Перевіримо, що в точці функція
дійсно досягає мінімуму.
Візьмемо другі похідні:
Складаємо дискримінант:
Отже, і
. Тоді в точці
функція
досягає мінімального значення.
Зауваження 1. Якщо в рівнянні регресії