Рассмотрим генеральную совокупность с двумя признаками х и у, совместное распределение которых задано плотностью двумерного нормального закона.
где ![Модель регрессии в случае двумерной нормальной генеральной совокупности.](/img/s/8/84/1303384_2.jpg)
определяемого пятью параметрами: двумя математическими ожиданиями
и
«двумя дисперсиями
и
и коэффициентом корреляции.
где ![Модель регрессии в случае двумерной нормальной генеральной совокупности.](/img/s/8/84/1303384_8.jpg)
Имея эти параметры, можно получить линейные уравнения регрессии, показывающие изменение условных математических ожиданий одной величины в зависимости от изменения значений соответствующих случайных аргументов:
- линейная регрессия у по х;
- линейная регрессия х по у
- коэффициент регрессии у на х]
- коэффициент регрессии х на у.
Из этих выражений следует, что знаки при коэффициентах регрессии и корреляции всегда совпадают и
!.
Квадрат коэффициента корреляции р2 называют коэффициентом детерминации. В рассматриваемой модели он показывает долю дисперсии одной случайной величины, обусловленную вариацией другой.
Коэффициент регрессии показывает, на сколько единиц своего измерения в среднем увеличится (при р > 0) или уменьшится (при Р < 0) величина у, т. е. Му/х, если х увеличить на единицу своего измерения.
Задача двумерного регрессионного анализа состоит прежде всего в оценке пяти параметров, определяющих генеральную совокупность.
В качестве точечных оценок неизвестных начальных моментов первого и второго порядка генеральной совокупности берутся соответствующие выборочные моменты.
Точечные же оценки других параметров получают как функции от начальных моментов. Таким образом, будем иметь:
— оценка для
оценка для
— оценка для
- оценка для
' - оценка для
. Отсюда получаем:
- оценка для
оценка для
— оценка для
.
Оценки генеральных коэффициентов регрессии
и
получаются соответственно по формулам.
(4.25).
откуда оценки уравнений регрессии имеют вид.
При этом
и
являются оценками условных математических ожиданий
и
генеральной совокупности.
Следует отмстить, что вышеприведенные точечные оценки являются состоятельными, а
и
— несмещенными и эффективными. Кроме того, распределение выборочных средних (
) не зависит от распределения (
).
На примере двумерного распределения мы показали, что в случае многомерного (^-мерного) нормального закона распределения легко прослеживается связь между переменными, характеризирующими тесноту и вид связи в моделях корреляционного и линейного регрессионного анализа.