Прогнозирование с помощью регрессионных уравнений

Прогнозирование – это получение оценок зависимой переменной для некоторого набора независимых переменных, отсутствующего в исходных данных. Различают точечное прогнозирование (с получением точечной оценки) и интервальное прогнозирование. В первом случае оценкой является некоторое число, во втором – интервал, в котором находится истинное значение зависимой переменной с заданным уровнем вероятности (значимости).

Точечная оценка может быть наиболее просто представлена в случае линейной модели парной регрессии:

,

где:

и коэффициенты уравнения регрессии;

значение зависимой переменной , предсказанное с использованием уравнения регрессии;

значение независимой переменной , для которого необходимо предсказать величину зависимой переменной.

Ошибка предсказания представляет собой разность между предсказанным и действительным значениями. Для оценки этой ошибки определяется стандартная ошибка предсказания, которая для случая линейной регрессии определяется выражением:

,

где:

стандартная ошибка предсказания;

стандартная ошибка регрессии;

число пар данных, используемых для регрессионного анализа;

значение независимой переменной, для которого дается прогноз;

выборочное среднее переменной ;

вариация переменной в выборке.

Чем больше значение отклоняется от выборочного среднего , тем больше дисперсия ошибки предсказания; чем больше объем выборки , тем меньше дисперсия этой ошибки.

Доверительный интервал для прогнозируемого значения зависимой переменной определяется по формуле:

,

где:

критическое значение статистики Стьюдента при заданном уровне значимости и числе степеней свободы (для парной линейной регрессии );

число пар данных в выборке, использованных для получения уравнения регрессии.

Раздел 2: Расчетная часть