Файл: Химмельблау Д. Анализ процессов статистическими методами.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 09.04.2024
Просмотров: 722
Скачиваний: 2
352 Глава 5
искомое выражение
* |
— t-fem |
ÇqmÇqk |
к, m=i, ..., q—1. |
(5.3.3a) |
|
chm |
, |
i |
|||
|
|
Cqq |
|
|
|
Наконец, для вычисления сумм квадратов запишем, используя уравнения (5.3.5),
i = i |
|
(5.3.17) |
h=i |
;'=1 |
|
Аналогично для модели с |
ß g = S, |
используя уравнения (5.3.6), |
находим |
|
|
« - і = 2 y ? - 2 t { x T Y } g -
і=1 — S |
{ x T x } h ^ — { x T x } f t g ç ] — 5 2 { X X}gg. (5.3.18) |
h = l |
j = l |
Исключая с помощью равенства (5.3.2а) коэффициент Ъ%, получаем
|
|
|
|
Фч-і |
— ?q = |
|
(5.3.4а) |
||
|
|
|
|
|
|
|
|||
Исключение |
одного |
члена из модели |
равнозначно |
условию |
|||||
| = 0 . |
Таким |
образом, |
как следует из |
равенства (5.3.4), |
если |
||||
в модели |
вычеркивается |
параметр ß/,, то |
|
|
|||||
|
|
|
|
|
|
ASS = — . |
|
(5.3.19) |
|
|
|
|
|
|
|
Cftft |
|
|
|
Величину ASS часто называют суммой квадратов для xh, |
скоррек |
||||||||
тированной |
на все другие |
переменные, или суммой квадратов при |
|||||||
заданных других переменных. Сумма квадратов для любой |
груп |
||||||||
пы из р переменных, |
скорректированная |
на все другие |
перемен |
||||||
ные, |
вычисляется по |
формуле |
|
|
|
||||
|
|
|
|
|
ASS = bjcp *bp, |
|
(5.3.20) |
где bp — матрица из одного столбца (вектор), составленная только из выбранной группы параметров bh, а с р — матрица из соответ ствующих элементов с і к .
Допустим, например, что желательно подсчитать общий эффект
исключения переменных xt, хг и х 4 из модели, содержащей Х\, хг, |
||
х3, xt, . . ., |
xq. |
Каждая переменная х связана с соответствующим |
параметром |
Ъ. |
Тогда |
с12 |
с14 |
-1 |
~ъ'г |
|
|||
с21 с22 |
с24 |
|
Ьг |
-Cil с42 С44 _ |
|
J>4_ |
Линейные |
модели с несколькими |
переменными |
353 |
Вообще говоря, сумма квадратов (5.3.19), связанная с исклю чением из модели некоторого члена наложением условия ßf t = О, не совпадает с суммой квадратов ASS, вычисленной при исключе нии соответствующего члена из модели после того, как из нее уже исключили несколько других параметров. Только в том
случае, когда величины (xk — хъ) образуют ортогональный |
набор, |
|||||||
эти суммы квадратов ASS согласуются друг с другом. Таким |
||||||||
образом, нельзя |
ожидать, что |
сумма |
величин |
ASS, полученная |
||||
в |
результате |
последовательного применения |
формулы |
(5.3.19) |
||||
к |
каждому |
параметру, будет |
равна |
полной |
сумме |
квадратов |
||
п |
|
|
|
|
|
|
|
|
2 |
Wi (Yt — О)2 для полной модели, |
если независимые |
перемен- |
|||||
і=1 |
|
|
|
|
|
|
|
|
ные не являются |
ортогональными. |
|
|
|
|
|||
|
Завершая это обсуждение, сделаем следующее резюме: для про |
верки значимости некоторой переменной (или группы перемен ных) полной модели можно применить F-критерий для отношения
дисперсий |
s2/s^r |
, где величина |
s2 подсчитывается следующим |
||
образом: |
|
|
|
|
«2 |
|
|
|
ASS |
V |
|
Одна переменная |
хя |
bR/ckk |
1 |
|
|
Группа из р переменных х |
|
р |
|
||
Если |
отношение дисперсий |
превышает |
значение |
Fy_a из |
табл. В.4 для выбранного уровня значимости, то соответствующая переменная (или группа переменных) дает значащий вклад в пол ную модель.
Так как независимые переменные xt могут быть коррелированы, то результаты проверки их значимости с помощью ^-критерия или /^-критерия могут привести к ошибочному заключению о том, что они являются физическими переменными, влияющими на зави симую переменную модели. Очевидный значимый вклад в модель,
вносимый |
переменной xk, |
в |
действительности может |
явиться |
||
следствием того факта, что на переменную Y влияет переменная хп, |
||||||
a xk |
и хп |
сильно коррелированы; при этом переменная |
хп |
может |
||
даже |
не |
измеряться. |
|
|
|
|
Д л я составления таблицы |
дисперсионного анализа, |
при кото |
||||
ром последовательно исключаются из модели несколько |
пере |
|||||
менных, |
можно поступить |
следующим образом: |
|
|
||
1. Исключить первую переменную и подсчитать ASS по фор |
||||||
муле |
(5.3.19). |
|
|
|
|
Линейные модели с несколькими переменными 355
2. Исключить первую и вторую переменные и подсчитать совместную сумму ASS по формуле (5.3.20). Вычесть из нее ASS, подсчитанную для первой переменной, чтобы получить чистый вклад в ASS от исключения второй переменной.
3. Исключить первую, вторую и третью переменные, подсчи тать соответствующую сумму ASS по формуле (5.3.20), вычесть ASS для первых двух переменных и т. д.
Исключение каждой дополнительной переменной дает новую совместную сумму ASS, вычитая из которой предыдущую сумму ASS можно найти остаточный эффект исключения этой дополни
тельной |
переменной. Сумма |
всех |
величин ASS, вычисленных |
|
таким способом для каждого этапа, |
будет равна |
сумме квадратов |
||
2 wt (Yt |
— У)2 , записанной в первой строке табл. 5.3.1. Следует |
|||
і=1 |
|
х{ не |
|
|
помнить, |
что если величины |
являются |
ортогональными, |
важен порядок исключения переменных, поскольку в зависимости
от него будут |
получаться различные |
суммы |
ASS;. |
|
|
п |
|
В табл. 5.3.2 |
показано расщепление |
2 wi (Уі |
— Y)2 н а части, |
приведены соответствующие степени свободы и дисперсии, которые используются в F-критерии для отношения дисперсий s2/sy.. В строках 4—б таблицы показано разложение суммы квадратов
п
2 Wi (Yt — О)2 на три части:
г=1
2 |
wi(Yi-0Y |
= |
{Y? 2 т+ |
2 m(Yi-Yif4- |
2 |
|
wt(Yi-Y)\ |
|
і=1 |
|
|
г=1 |
г=1 |
г=1 |
|
|
|
В строках 1—3 |
дано разложение 2 (Yj — Y)2 в |
сумму |
квадра |
|||||
тов, |
связанных |
с каждым параметром. В разд. |
7.2- |
описывается |
||||
метод почленного |
построения моделей, основанный |
на |
этих |
|||||
идеях. |
|
|
|
|
|
|
|
|
Квадрат множественного коэффициента корреляции для Y |
слу |
|||||||
жит мерой подгонки эмпирической модели в целом. |
Множествен |
|||||||
ный |
коэффициент |
корреляции |
есть мера степени |
линейной |
связи |
|||
в целом между зависимой переменной Y и набором независимых |
||||||||
переменных xt. |
Можно дать ясную геометрическую интерпретацию |
оценки множественного коэффициента корреляции: косинус угла между векторами Y и Y равен множественному коэффициенту корреляции. С узкой точки зрения это простая корреляция между
измеренными |
значениями Yt и значениями У г , предсказанными |
по уравнению |
регрессии. |