Выбор одной из двух классических моделей.
Практические аспекты
Рассмотрим более подробно случай / = 1, т. е. имеется один регрессор Z, относительно которого ставится вопрос о включении или невключении его в модель. В этом случае F = 0. Используя (10.19), получаем следующий критерий предпочтения: В случае I = 1 (наличие одного «спорного» регрессора) модель (10.2) оказывается предпочтительней, чем модель (10.1), если наблюдаемое значение F-статистики при… Читать ещё >
Выбор одной из двух классических моделей. Практические аспекты (реферат, курсовая, диплом, контрольная)
Величина 0, стоящая в левой части равенства (10.16), зависит от неизвестного параметра у, т. е. является ненаблюдаемой, так что полученный в § 10.1 критерий еще не дает ответа на вопрос, как осуществлять альтернативный выбор между моделями (10.1) и (10.2) на практике.
В реальности же мы располагаем лишь значением оценки:
Преобразуем величину 0. Для этого представим оценки g и Cov (g) в удобной для нас форме. Имеем:
Непосредственно перемножая матрицы, легко убедиться, что имеет место равенство МХ= 0. Таким образом, получаем:
В то же время е’е
где а2 =-——оценка параметра ст2 (см. (4.21)). Здесь е —
п-р-
столбец остатков регрессии (10.1). Таким образом, используя равенство (10.17), получаем:
или
где
Можно показать, что величина? принимает с равной вероятностью как положительные, так и отрицательные значения, в то время, как величина -^ге'Ве принимает лишь положитель;
о ные значения. Если число наблюдений п достаточно велико, значения а2 и оценки а2, как правило, близки. Таким образом, используя равенство (10.18), мы можем считать малые значения л.
наблюдаемой величины 0 достаточной предпосылкой малости и параметра 0. В частности:
/ч Оказывается, величина F = 0// (где / — число регрессоров Z) есть не что иное, как наблюдаемое значение статистики при обычном тестировании гипотезы о равенстве нулю коэффициентов у в модели (10.1). Если параметр у на самом деле равен нулю, /'имеет распределение Фишера—Снедекора).
В самом деле, явный вид этой статистики (см, например, [13]).
В то же время, используя (10.9), получаем:
€ 2 = УХЬ2 = Xby + Zg + ех — ХЪ — Xbzxg= ех — MxZg. Отсюда.
и утверждение доказывается подстановкой (10.21) в (10.20).
Таким образом, может быть предложен следующий подход к альтернативному выбору модели: выбирается некоторое значение с. Если наблюдаемое значение /•'-статистики меньше с, то предпочитается модель (10.2), если больше с — то модель (10.1).
При этом пороговое значение с выбирается, вообще говоря,.
1 /г произвольно, как правило, в границах — <�с < raj-«.гДе обычно, а = 0,05.
Рассмотрим более подробно случай / = 1, т. е. имеется один регрессор Z, относительно которого ставится вопрос о включении или невключении его в модель. В этом случае F = 0. Используя (10.19), получаем следующий критерий предпочтения:
В случае I = 1 (наличие одного «спорного» регрессора) модель (10.2) оказывается предпочтительней, чем модель (10.1), если наблюдаемое значение F-статистики при тестировании гипотезы у=0 оказывается меньше 1.
Получим еще одну формулировку приведенного критерия. Используем выражение (4.34') для скорректированного коэффициента детерминации R2.
Соответственно для регрессий (10.1), (10.2):
где у = Y— У. Отсюда.
Таким образом, модель (10.2) оказывается предпочтительней модели (10.1), если скорректированный коэффициент детерминации при ydajWHuu регрессоров Z увеличивается (заметим, что простой коэффициент детерминации модели (10.1) всегда больше, чем модели (10.2)).