WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 3 | 4 || 6 | 7 |

= + + = + + Пусть имеется один качественный фактор, принимающий два значения (например: “мужчина” и “женщина”, если речь идет о модели некоторой характеристики отдельных людей, или “годы войны” и “годы мира” - в модели, построенной на временных рядах наблюдений, которые охватывают периоды войны и мира, и т.д.). Ставится вопрос о том, влияет ли этот фактор на значение свободного члена регрессии.

~ = - ZF = {zF} - N 2-матрица наблюдений за качественным фактором (матрица = - = - ij фиктивных переменных): zF равен единице, если фактор в i-м наблюдении iпринимает 1-е значение, и нулю в противном случае; zF равен единице, если iфактор в i-м наблюдении принимает 2-е значение, и нулю в противном случае.

~ = - 2-х компонентный вектор-столбец параметров при фиктивных = = = переменных.

Исходная форма регрессии с фиктивными переменными:

~ X = Z + Z00 + ZF~ +.

= + + + = + + + = + + + ~ Поскольку сумма столбцов матрицы ZF равна Z0, оценка параметоров непосредственно по этому уравнению невозможна.

Проводится преобразование фиктивных переменных одним из двух спасобов.

а) В исходной форме регрессии исключается один из столбцов матрицы фиктивных переменных, в данном случае - первый.

F Z - матрица фиктивных переменных без первого столбца;

С = = 1 1 0.

= = = 0 -1 Тогда эквивалентная исходной запись уравнения имеет вид:

F X = Z + [Z0, Z ]C + = + = +, = + ~ и после умножения матрицы С справа на вектор параметров получается запись уравнения регресии в которой отсутствует линейная зависимость между факторамирегрессорами:

F = + 0 + + X = Z + Z0 + Z +, = + + + = + + + 0 = + = - где = 0 + 1, = 2 - 1.

= + = - = + = - После оценки этих параметров можно определить значения исходных ~ параметров 0 и, предполагая, что сумма параметров при фиктивных переменных (в данном случае 1 + 2) равна нулю, т.е. влияние качественного фактора приводит к колебаниям вокруг общего уровня свободного члена:

2 = 2, 1 = -2, 0 = + 2.

= = - = 0 + = = - = + = = - = + б) Предполагая, что сумма параметров при фиктивных переменных равна нулю, в исходной форме регрессии исключается один из этих параметров, в данном случае - первый.

- вектор-стобец параметров при фиктивных переменных без первого элемента;

-- - - C.

= = = = Эквивалентная исходной запись уравнения принимает форму:

~ X = Z + Z00 + ZFC +, = + + + = + + + = + + + и после умножения матрицы C слева на матрицу наблюдений за фиктивными переменными получается запись уравнения регрессии, в которой также отсутствует линейная зависимость между регрессорами:

= + + + X = Z + Z00 + ZF +.

= + + + = + + + После оценки параметров этого уравнения недостающаяся оценка параметра 1 определяется из условия 1 = -2.

Качественный фактор может принимать больше двух значений. Так, в классической модели выделения сезонных колебаний он принимает 4 значения в случае поквартальных наблюдений и 12 значений, если наблюдения проводились по ~ месяцам. Матрица ZF в этой модели имеет размерность, соответственно, N4 или N 12.

Пусть в общем случае качественный фактор принимает k значений. Тогда:

~ ~ матрица ZF имеет размерность Nk, вектор-столбец - размерность k, F матрицы Z и ZF - N -1), вектора-столбцы и -1;

(k- - k - - 1 1 = k(k+1) матрица =, k - матрица C = (k-1) = 0 -1k-1 Ik- - - - - - - -1/ - - - - k-- - ~ С = = = = ; 1/ ~ = 0, C = = = = = = = = = =, ZFC = ZF.

~ Ik-1 k - - - Можно показать, что 1 1/ (Ik-1 - - 1 -1/ - 0 0 - 1k-1 ) - k-1 - 0 - k--, или, k = = = = = = = = - - - - - - - - 0 Ik-1 - 1k-1 - - - 0 Ik-1 - 1k-1 - - - k где 1k-1 = 1k-11/ - - (k- (k= - = -1) -1)-матрица, состоящая из единиц; и далее = - - - k-- показать, что результаты оценки параметров уравнения с фиктивными переменными при использовании обоих указанных подходов к устранению линейной зависимости факторов-регрессоров одинаковы.

После оценки регрессии можно применить t-критерий для проверки значимости влияния качественного фактора на свободный член уравнения.

Если k слишком велико и приближается к N, то на параметры при фиктивных переменных накладываются более жесткие ограничения (чем равенство нулю их суммы). Так, например, если наблюдения проведены в последовательные моменты времени, и вводится качественный фактор “время”, принимающий особое значение в ~ каждый момент времени, то ZF = IN, и обычно предполагается, что значение = = = параметра в каждый момент времени (при фиктивной переменной каждого момента времени) больше, чем в предыдущий момент времени на одну и ту же величину.

Тогда роль матрицы C играет N-вектор-столбец T, состоящий из чисел ~ натурального ряда, начиная с 1, и = TT, где T - скаляр. Уравнение регрессии с = = = фактором времени имеет вид (эквивалентная исходной форма уравнения при использовании способа “б” исключения линейной зависимости фиктивных переменных):

= + + + X = Z + Z00 + TT +.

= + + + = + + + Метод фиктивных переменных можно использовать для проверки влияния качественного фактора на коэффициент регрессии при любом обычном факторе.

Исходная форма уравнения, в которое вводится качественный фактор для параметра j, имеет следующий вид:

~ j ~ = + + + X = Z + Z00 + Z ZF +, = + + + = + + + j где Z - j-й столбец матрицы Z, j j ~ - k-вектор-столбец параметров влияния качественного фактора на j;

в векторе j-я компонента теперь обозначается 0 - средний уровень j параметра j;

- операция прямого произведения столбцов матриц.

Замечание Прямое произведение матриц AB, имеющих размерность, соответственно, mAnA и mBnB есть матрица размерности (mAmB)(nAnB) следующей структуры:

a11B.. a1nA B...

...

a B.. amA B mA 1 nA Прямое произведение матриц обладает следующими свойствами:

(AB)(CD) = (AC)(BD), если произведения AC и BD имеют смысл, - - - - - - = = (A B)/ = A/ B/, (A B)-1 = A-1 B- = =.

= = Прямое произведение столбцов матриц применимо к матрицам, имеющим одинаковое число строк, и осуществляется путем проведения операции прямого произведения последовательно с векторами-строками матриц.

Приоритет прямого произведения матриц выше, чем обычного матричного произведения.

При использовании способа “а” эквивалентная исходной форма уравнения имеет вид (форма “а”):

F = - + + + X = Z- j- j + Z00 + Z [Z0, Z ]C~ j +, = - + + + = - + + + - j j где Z- j - матрица Z без j-го столбца, - j - вектр - - без j-го элемента;

- а в случае применения способа “б” (форма “б”):

~ j X = Z + Z00 + Z ZFC +.

= + + + = + + + = + + + j Все приведенные выше структуры матриц и соотношения между матрицами и векторами сохраняются.

В уравнение регрессии можно включать более одного качественного фактора.

В случае двух факторов, принимающих, соответственно, k1 и k2 значения, форма “б” уравнения записывается следующим образом:

= + + + + X = Z + Z00 + Z11 + Z22 +, = + + + + = + + + + где вместо “F” в качестве индекса качественного фактора используется его номер.

Это уравнение может включать фиктивные переменные совместного влияния качественных факторов (взаимодействия фактров). В исходной форме компонента совместного влияния записывается следующим образом:

~ ~ Z1 Z2~, ~ где 12 - k1k2-вектор-столбец (12,...,12,12,...,12,...,12,...,12 ) /, 11 1k2 21 2k k11 k1kа 12i2 - параметр при фиктивной переменной, которая равна 1, если 1-й i фактор принимает i1-е значение, а 2-й фактор - i2-е значение, и равна 0 в остальных случаях (вектором-столбцом наблюдений за этой переменной является (k1(i1-1)+i2)~ ~ й столбец матрицы Z1 Z2 ).

Как и прежде, вектор параметров, из которого исключены все компоненты, линейно выражаемые через остальные, обозначается 12. Он имеет размерность - (k1-1)(k2-1) и связан с исходным вектором параметров таким образом:

- - ~ 12 = С1 С212, = = = где C1 и C2 - матрицы размерности k1(k1-1) и k2(k2-1), имеющие описанную выше структуру (матрица C).

Теперь компоненту совместного влияния можно записать следующим образом:

~ ~ ~ ~ = = = (Z1 Z2 )(C1 C2 )12 = (Z1C1 ) (Z2C2 )12 = Z1 Z212 = Z1212, = = = = = = а уравнение, включающее эту компоненту (форма “б”) X = Z + Z00 + Z11 + Z22 + Z1212 +.

= + + + + + = + + + + + = + + + + + В общем случае имеется L качественных факторов, j-й фактор принимает kj значений. Пусть упорядоченное множество {1,2,...,L} обозначается F, а J - его подмножества. Общее их количество, включая пустое подмножество, равно 2L.

Каждому такому подмножеству взаимно однозначно соответствует число, например, в системе исчисления с основанием max k, и их можно упорядочить по j j возрастанию этих чисел. Если пустое подмножество обозначить 0, то можно записать J = 0,1,...,L,{1,2},...,{1,L},{2,3},...,{1,2,3},...,F. Тогда уравнение регрессии записывается следующим образом:

F F F ~ ~ = + J + = + + = + + X = Z + ZJ~ + = Z + ZJCJJ + = Z + ZJJ +, = + + = + + = + + = + + = + + = + + =0 =0 = J = J = J = = = = = = = ~ = = где ZJ = Z, CJ = при j > 0; C0 = 1. Выражение jJ = ~ j = = = Cj jJ jJ означает, что j принимает значения последовательно с 1-го по последний элемент подмножества J.

Очевидно, что приведенная выше запись уравнения для L = 2 является частным случаем данной записи.

Если p(J) - количество элементов в подмножестве J, то ~ ZJ~ или ZJJ - J-е эффекты, эффекты p(J)-го порядка, при p(J) = 1 J главные эффекты, при p(J) > 1 - эффекты взаимодействия, эффекты совместного влияния или совместные эффекты.

~ J или J - параметры соответствующих J-х эффектов или также сами эти эффекты.

6.3. Дисперсионный анализ Рассматривается частный случай уравнения регрессии с фиктивными переменными, когда оно включает только такие (фиктивные) переменные, и для каждого сочетания значений факторов имеется одно и только одно наблюдение за = изучаемой переменной. Тогда N = kj и уравнение имеет вид:

= = jF F X = = = = = = = ZJJ = Z, J = == = в котором отсутствует вектор ошибок, т.к. при учете эффектов всех порядков их сумма в точности равняется X.

Матрица Z имеет размерность NN и она не вырождена. Поэтому = Z-1X. Но чтобы получить общие результаты, имеющие значение и для частных моделей, в которых эффекты высоких порядков принимаются за случайную ошибку, ниже используется техника регрессионного анализа.

Это - регрессионная модель полного (учитываются эффекты всех порядков) одномерного (изучаемая переменная единственна) многофакторного дисперсионного анализа без повторений (для каждого сочетания значений фактров есть одно наблюдение).

Обычному линейному индексу i = 1, N компонент вектора X можно = = = поставить в соответствие мультииндекс I, принимающий значения из множества {1, kj}, так что, если I = {i1,i2,...,iL}, то jF i = ( ((i1 - 1)k2 + (i2 - 1))k3 + )kL + iL, и - при этом - обозначения xi и = - + - + + = - + - + + = - + - + +......

- -L- 4 L- - xI эквивалентны. При таком соответствии обычного индекса и мультииндекса в линейной последовательности значений мультииндекса быстрее меняются его младшие компоненты (с большим порядковым номером).

~ = NJ = k, если j > 0, и N0 = 1 - количество столбцов в матрице ZJ ;

= = j jJ = NJ == = (k j - 1), если j > 0, и N0 = 1 - количество столбцов в матрице - - - - jJ F F = = ZJ ; очевидно, что N = NJ = N ;

= = = = J = = = = = IJ = {i1,..., ip(J)} - мультииндекс с множеством значений = = {1, k j};

jJ I = IF.

Mb = m - система нормальных уравнений, где M - N N-матрица, b и m - N-вектора-столбцы и, как обычно, M = Z/Z, m = Z/X.

= = = = = = N N При выбранном порядке следования значений факторов от наблюдения к наблюдению (быстее меняют свои значения более младшие факторы) ~ = ZJ = где j есть Ik j, если jJ, или 1k j, в противном случае.

= = j jF Тогда = ZJ = где j есть Cj, если jJ, или 1k j, в противном случае, и = = j jF далее / ZJ ZJ = 0, если J J, т.е. переменные разных эффектов ортогональны = = = друг другу, / / MJ = ZJ ZJ = CJ CJ =, M0 = 1;

= = = = = = = = = M j N NJ jJ // / / 11 ~ = = = CJ XJ, mJ = ZJ X = CJ ZJ X = = = = = = = N N NJ / NJ ~ где XJ = ZJ X - NJ-вектор-столбец средних по сочетаниям значений = = = N факторов J с мультииндексом компонент IJ (xJJ является средним значением x по I тем наблюдениям, в которых 1-й фактор из множества J принимает i1-е значение, 2й - i2-е значение и т.д.); X0 = x, XF = X.

= = = = = = M - блочно-диагональная матрица {MJ}, m - вектор-столбец {mJ}.

После решения системы нормальных уравнений и перехода к “полным” векторам параметров эффектов получается следующее:

// ~ = = = bJ = CJ (CJ CJ )-1CJ XJ = BJXJ = ( = = = = = = Bj)XJ, jJ = - = где Bj = Ik j - 1k j (как и прежде, 1k j = 1k j1/ ), B0 = 1.

= - = = - = k j k j ~ Параметры разных эффектов bJ (разных по J) не зависят друг от друга, и исключение из уравнения некоторых из них не повлияет на значения параметров оставшихся эффектов.

Чтобы получить более “прозрачные” формулы для определения парметров эффектов, следует ввести понятие сопоставимых векторов этих параметров.

Если J J, то ~ = bJJ = BJJXJ - NJ-вектор-столбец параметров J -го эффекта, сопоставимый = = ~ ~ с вектором bJ : он имеет ту же размерность, что и bJ, и каждая компонента вектора NJ ~ ~ bJ повторена в нем раз - так, что любой компоненте bJJ вектора bJ в I J N ~ векторе bJJ соответствует компонента bJJ, для которой IJ является I подмножеством тех же элементов IJ, что и J по отношению к J.

В этом выражении для сопоставимых векторов параметров эффектов = BJJ =, где j равен Bj, если jJ, или 1k j, в противном = = j kj jJ J случае ( B0J = 1N, BJJ = BJ ).

= = = = = = NJ J = Эти матрицы обладают следующим свойством: BJJ = IN J, откуда = = =J = = = получается выражение J ~~ ~ XJ = bJJ = bJJ + bJ = =+ = = + = = + =0 J J J = = = J J для рекурентного расчета параметров эффектов (например, если известны b0, b1, b2, то b12i2 = x12i2 - b0 - b1 - b2 ).

= - - = - - = - - i1 i2 i1 i1 i1 iПри J = F это выражение представляет собой другую форму записи основного уравнения регрессии:

F ~ ~ = = X = bJF, т.е. ZJ bJ = bJF.

Pages:     | 1 |   ...   | 3 | 4 || 6 | 7 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.