Обобщенный метод наименьших квадратов
КОНТРОЛЬНАЯ РАБОТА по дисциплине: «Планирование научного эксперимента» Вариант № 3
Выполнил студент группы АЭП-17 - 1бзЛФ шифр 17 – ЛФз-173 Завьялов М. С. «____» ______________ 2019г ._________________________ (подпись студента) Проверил преподаватель Хаматнурова Е. Н. Оценка _____________________ ____________________________ (подпись преподавателя) «____» ______________ 2019 г.
Лысьва, 2019 г.
Содержание: 1.Содержание…………………………………………………………………………….2 2.Метод наименьших квадратов………………………………………………………...3 3.Обобщенный метод наименьших квадратов…………………………………………4 4.Трехшаговый МНК…………………………………………………………………….6 5.Косвенный метод наименьших квадратов……………………………………………7 6.Применение косвенного метода наименьших квадратов……………………………9 7.Линейные регрессионные модели с гетероскедастичными и автокорреляционными остатками ………………………………………………………12 8.Регрессионные модели с переменной структурой (фиктивные переменные)……...16 9.Список использованной литературы………………………………………………… 18 10. Тестовые задания…………………………………………………………………… 19-22 Метод наименьших квадратов Метод наименьших квадратов (МНК) — математический метод, применяемый для решения различных задач, основанный на минимизации суммы квадратов отклонений некоторых функций от искомых переменных. Коэффициенты структурной модели могут быть оценены разными способами в зависимости от вида системы одновременных уравнений. Наибольшее распространение получили следующие методы оценивания коэффициентов структурной модели:
Обобщенный метод наименьших квадратов При наличии гетероскедастичности в остатках рекомендуется традиционный метод наименьших квадратов (МНК) заменять обобщенным методом наименьших квадратов (ОМНК). Обобщенный МНК применяется к преобразованным данным и позволяет получать оценки, которые обладают не только свойством несмещенности, но и имеют меньшие выборочные дисперсии. Обобщенный МНК для корректировки гетероскедастичности. Будем предполагать, что среднее значение остаточных величин равно нулю. А вот дисперсия их не остается неизменной для различных значений фактора, а пропорциональна некоторой величине , т.е. – постоянная дисперсия ошибки при соблюдении предпосылки о гомоскедастичности остатков; – коэффициент пропорциональности, меняющийся с изменением величины фактора, что и обуславливает неоднородность дисперсии. Модель примет вид: В ней остаточные величины гетероскедастичны. Предполагая в них отсутствие автокорреляции, можно перейти к уравнению с гомоскедастичными остатками, поделив все переменные, зафиксированные в ходе i-го наблюдения на . В общем виде уравнение регрессии примет вид: По отношению к обычной регрессии уравнение с новыми, преобразованными переменными представляет собой взвешенную регрессию, в которой переменные у и х взяты Коэффициент регрессии b можно определить как: Как мы видим, при использовании обобщенного МНК с целью корректировки гетероскедастичности коэффициент регрессии b представляет собой взвешенную величину по отношению к обычному МНК с весами. Оценка параметров нового уравнения с преобразованными переменными приводит к взвешенному методу наименьших квадратов, для которого необходимо минимизировать сумму квадратов отклонений вида: Аналогичный подход возможен не только для уравнения парной, но и для множественной регрессии. Модель примет вид: Модель с преобразованными переменными составит: Это уравнение не содержит свободного члена, применяя обычный МНК получим: Применение в этом случае обобщенного МНК приводит к тому, что наблюдения с меньшими значениями преобразованных переменных имеют при определении параметров регрессии относительно больший вес, чем с первоначальными переменными. Трехшаговый МНК Наиболее эффективная процедура оценивания систем регрессионных уравнений сочетает метод одновременного оценивания и метод инструментальных переменных, которая получила название трехшагового МНК. Он заключается в том, что на первом шаге к исходной модели применяется обобщенный МНК с целью устранения корреляции случайных членов. Затем к полученным уравнениям применяется двухшаговый метод наименьших квадратов. В двухшаговом методе наименьших квадратов, по сути, каждое уравнение структурной формы оценивается независимо от других уравнений, то есть не учитывается возможная взаимосвязь случайных ошибок уравнений структурной формы между собой. В трёхшаговом методе наименьших квадратов (ТМНК) первые два шага совпадают с ДМНК и добавляется: Шаг 3. На основе ДМНК-оценок остатков структурных уравнений получают оценку ковариационной матрицы вектора случайных ошибок системы и с её помощью получают новую оценку коэффициентов с помощью обобщенного метода наименьших квадратов. При наличии корреляций между уравнениями ТМНК-оценки теоретически должны быть лучше ДМНК-оценок.
Популярное: Модели организации как закрытой, открытой, частично открытой системы: Закрытая система имеет жесткие фиксированные границы, ее действия относительно независимы... Как вы ведете себя при стрессе?: Вы можете самостоятельно управлять стрессом! Каждый из нас имеет право и возможность уменьшить его воздействие на нас... Как выбрать специалиста по управлению гостиницей: Понятно, что управление гостиницей невозможно без специальных знаний. Соответственно, важна квалификация... Личность ребенка как объект и субъект в образовательной технологии: В настоящее время в России идет становление новой системы образования, ориентированного на вхождение... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (259)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |