4.3. Regresja jednej zmiennej niezależnej 4.3.1. Opis metody
Powszechnie stosowaną metodą estymacji współczynników a i (3 w modelu regresji liniowej jest metoda najmniejszych kwadratów. Niech (xi, yi), (x2, y2), .... (x„, y„) będzie ciągiem wyników obserwacji. Zgodnie z metodą najmniejszych kwadratów oszacowania a i b współczynników a i P minimalizują sumę kwadratów odchyleń obserwacji od prostej regresji, określoną w następujący sposób:
i=i
'Estymatory a i b współczynników regresji a i p otrzymane metodą najmniejszych kwadratów są określone wzorami:
a = y-bti (4.12)
h=—.-—(4-13)
gdzie:
są odpowiednio średnimi arytmetycznymi wyników obserwacji Xj i y>.
Sprawdzenie, czy zależność między zmienną zależną Y a zmienną niezależną x jest istotna statystycznie, polega na weryfikacji hipotezy Ho: p = 0 o nieistotności zależności wobec hipotezy alternatywnej Hi: P * 0 w oparciu o statystykę:
t = b/Sb, (4.15)
gdzie Sb jest odchyleniem standardowym estymatora b współczynnika p opisanym wzorem:
*» = . £l—> (4-16)
i=i
gdzie s2 jest oszacowaniem wariancji o2 zmiennej losowej Y.
Zwykle, jako tego oszacowania używa się sumy kwadratów odchyleń obserwowanych wartości yi od wartości estymowanych y, podzielonych przez liczbę stopni swobody:
J!=—-y,)’- (4.17)
n - 2 ,.i
Statystyka t, przy założeniu prawdziwości hipotezy Ho, ma rozkład t-Studenta o f ■ n - 2 stopniach swobody. Hipotezę Ho odrzuca się, jeśli wartość ftj przekracza wartość krytyczną to/zr przy zadanym poziomie istotności ol
44