,
де - стандартна помилка оцінки
параметра
.
Якщо модель
адекватна, то можна знаходити прогнозні значення залежної змінної увиходячи з побудованої моделі. При
цьому можна отримувати два типи прогнозів: точкові та інтервальні. Точковий
прогноз дає значення залежної змінної, наприклад, для
відповідного значення
з побудованої вибіркової моделі:
.
При цьому,
виходячи з узагальненої моделі, дійсне значення у для відповідного
значення буде дорівнювати:
,
де - значення випадкової величини, не
спостережуваної для значення
. Дійсне значення
знайти неможливо, можна лише оцінити його
за допомогою прогнозу.
Отже, прогнозне
значення є оцінкою дійсного значення змінної
. Таким чином, з вибіркової моделі легко
можна знаходити будь-яке прогнозне значення. Зазначимо, що таке прогнозне
значення буде точковим. Виходячи з отриманого точкового прогнозу можна
побудувати інтервали довіри для дійсного значення залежної змінної. Такий
інтервал довіри при заданому рівні значущості
для
буде знаходитись за формулою:
.
Ця формула дає інтервал довіри для дійсного окремого значення залежної змінної.
На практиці більш
важлива побудова інтервалів довіри для математичного сподівання . В цьому разі формула дещо модифікується і
має вигляд:
.
Приклад виконання завдання 3
Завдання 3 виконується за результатами завдання 2 з використанням розрахункових таблиць 9 і 10 для вибіркової економетричної моделі:
.
Для перевірки статистичної значущості параметрів вибіркової регресії a0 і a1 розрахуємо оцінку дисперсії залишків:
;
;
А також оцінки дисперсій параметрів регресії:
;
.
Розрахуємо t-статистику для параметра a0
і параметра a 1
.
Задаємо рівень
значущості (5%). Оскільки кількість спостережень 10,
то кількість ступенів свободи відповідно дорівнює 8. За таблицею 12 розподілу
Ст’юдента знаходимо
критичне значення з 8 ступенями
свободи. Воно дорівнює
.
Для параметра a 0 отримаємо ,
тобто t* потрапляє
не в критичну зону і можна стверджувати, що з ймовірністю 0,95 оцінка параметра
a0 є
статистично незначущою. Тому приймається гіпотеза про
.
Для параметра a1 отримаємо, що t* потрапляє в критичну зону і
можна стверджувати, що з ймовірністю 0,95 оцінка параметра a1 є статистично значущою. Тому
приймається гіпотеза про .
Побудуємо інтервали довіри для параметрів узагальненої регресійної моделі:
або .
або .
Тобто
підтверджується гіпотеза про статистичну незначущість параметра , оскільки інтервал довіри для цього
параметра включає нульове значення і треба оцінювати параметр моделі
. Оскільки модель адекватна, то можна
знаходити прогнозні значення, наприклад, для
=16.
Точковий прогноз дорівнює:
.
Виходячи з отриманого точкового прогнозу, побудуємо інтервал довіри для дійсного значення у:
або
.
Тобто з ймовірністю 0,95.
Для математичного
сподівання інтервал довіри дорівнює
або
.
Тобто з ймовірністю 0,95 .
Таблиця 12 – Розподіл Ст’юдента (
)
|
|
||||
0,10 |
0,05 |
0,025 |
0,01 |
0,005 |
|
0,20 |
0,10 |
0,050 |
0,02 |
0,010 |
|
1 |
3,078 |
6,314 |
12,706 |
31,821 |
63,657 |
2 |
1,886 |
2,920 |
4,303 |
6,965 |
9,925 |
3 |
1,638 |
2,353 |
3,182 |
4,541 |
5,841 |
4 |
1,533 |
2,132 |
2,776 |
3,747 |
4,604 |
5 |
1,476 |
2,015 |
2,571 |
3,365 |
4,032 |
6 |
1,440 |
1,943 |
2,227 |
3,143 |
3,707 |
7 |
1,415 |
1,895 |
2,365 |
2,998 |
3,499 |
8 |
1,397 |
1,860 |
2,306 |
2,896 |
3,355 |
9 |
1,383 |
1,833 |
2,262 |
2,821 |
3,250 |
10 |
1,372 |
1,812 |
2,228 |
2,764 |
3,169 |
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.