Таким образом, с вычислительной точки зрения мы имеем дело с простейшей линейной задачей метода наименьших квадратов. Изучение же статистических свойств оценок (12.10) и (12.11) оказывается заметно сложнее, чем для классической линейной регрессии. [c.365]
По числу факторов различают простую (парную) и множественную (несколько факторов) регрессию. Вид и параметры уравнения регрессии устанавливаются с помощью метода наименьших квадратов отклонений эмпирических данных от ожидаемых значений. По типу уравнения регрессии различают линейную и нелинейную регрессию. [c.467]
Регрессионный анализ - это статистическая процедура для математической усредненной оценки функциональной зависимости между зависимой переменной и независимой переменной (независимыми переменными). Простая регрессия рассматривает одну независимую переменную цену или затраты на рекламу в функции спроса, а множественная регрессия рассматривает две или большее количество переменных, например, цену и затраты на рекламу совместно. В этой главе обсуждается простая (линейная) регрессия, например, Y = а + ЬХ и показывается, как метод наименьших квадратов применяется для расчета коэффициентов регрессии. [c.257]
Простая линейная регрессия Определение параметров уравнения регрессии с помощью метода наименьших квадратов [c.260]
Метод адаптивного сглаживания Брауна. Согласно второму методу Брауна, предполагается, что если ряд значений спроса можно описать некоторой моделью, то желательно применить регрессионный анализ на основе взвешенной регрессии, т. е. большее внимание необходимо уделять той информации, которая поступает позже. Данный метод основывается на простом способе вычисления оценок по методу минимизации взвешенной суммы квадратов ошибок прогноза в случае линейно-аддитивного тренда. Оценка по взвешенному методу наименьших квадратов равна [c.127]
Линейные регрессионные модели 5.1. Простая линейная регрессия и метод наименьших квадратов [c.66]
Как и в простой линейной регрессии, для определения вектора неизвестных параметров а = (а0,. .., a f модели (5.32) по результатам наблюдений используется метод наименьших квадратов (МНК). [c.76]
Простой метод наименьших квадратов для одного уравнения регрессии, т. е. мы пренебрегаем неоднородностью дисперсий и существованием более чем одного уравнения регрессии. Тогда наилучшей линейной несмещенной оценкой (НЛНО) будет простая, или обычная, оценка по методу наименьших квадратов (МНК-оценка). Регрессионные уравнения (76) в матричной записи имеют вид [c.311]
Смотреть страницы где упоминается термин Простая линейная регрессия и метод наименьших квадратов
: [c.992] [c.429] [c.992] [c.70] [c.133] [c.215]Смотреть главы в:
Экономико-математические модели и методы -> Простая линейная регрессия и метод наименьших квадратов