Припущення МНК

Багатофакторна лінійна регресійна модель є узагальненням простої лінійної регресійної моделі, тому всі основні класичні припущення для неї зберігаються, але дещо модифікуються.

Припущення 1. Математичне сподівання випадкової величини дорівнює 0.

Припущення 2 Випадкові величини незалежні одна від одної, тобто відсутня серійна кореляція:

Припущення 3. Модель гомоскедастична.

Припущення 4. Коваріація між випадковою величиною u та кожною незалежною змінною х дорівнює 0.

Відзначимо, що властивість 4 виконується автоматично, якщо хі (і = 1, р) не стохастичні та припущення 1 має силу.

Припущення 5. Модель повинна бути правильно специфікованою.

Припущення 6. Випадкова величина u підпорядковується нормальному закону розподілу з нульовим математичним сподіванням і постійною дисперсією.

Припущення 7. Відсутність мультиколінеарності між факторами х, тобто фактори повинні бути незалежними один від одного. Не повинно бути точного лінійного зв’язку між двома або більше факторами.

Припущення 7 для простої лінійної регресії відсутнє, але надзвичайно важливе для багатофакторної регресії.

Якщо всі припущення класичної лінійної регресійної моделі виконуються, то МНК-оцінки є не тільки лінійними без відхилень оцінками, але мають ще найменшу дисперсію, тобто є BLUE -оцінками.

<== попередня сторінка	\|	наступна сторінка ==>
Виведення оцінки МНК	\|	Багатофакторна регресія

Не знайшли потрібну інформацію? Скористайтесь пошуком google:

Генерація сторінки за: 0.001 сек.