|
Эта публикация цитируется в 5 научных статьях (всего в 5 статьях)
Многофакторные модели полносвязной линейной регрессии без ограничений на соотношения дисперсий ошибок переменных
М. П. Базилевский Иркутский государственный университет путей сообщения, кафедра математики
Аннотация:
Статья посвящена проблеме построения регрессионных моделей с ошибками в объясняющих переменных. В настоящее время такие модели широкого практического применения почти не находят, потому что они не пригодны для прогнозирования и интерпретации, их сложно оценивать, и при этом неизвестны дисперсии ошибок переменных. Для устранения перечисленных недостатков ранее автором были разработаны и исследованы двухфакторные модели полносвязной линейной регрессии. Такие модели легко оцениваются, их можно использовать для прогнозирования, и они лишены эффекта мультиколлинеарности. В данной работе впервые рассмотрены многофакторные модели полносвязной линейной регрессии. Доказано, что в случае снятия ограничений с соотношения дисперсий ошибок переменных существуют единственные оценки полносвязной регрессии, при которых аппроксимационные качества ее вторичного уравнения и классической модели множественной линейной регрессии, оцененной с помощью метода наименьших квадратов, совпадают.
Ключевые слова:
EIV-модель, полносвязная регрессия, регрессия Деминга, метод наименьших квадратов.
Поступила в редакцию: 07.09.2019
Образец цитирования:
М. П. Базилевский, “Многофакторные модели полносвязной линейной регрессии без ограничений на соотношения дисперсий ошибок переменных”, Информ. и её примен., 14:2 (2020), 92–97
Образцы ссылок на эту страницу:
https://www.mathnet.ru/rus/ia667 https://www.mathnet.ru/rus/ia/v14/i2/p92
|
|