Рассмотрим простую регрессию (нормальность не предполагается): где со средним и стандартным отклонением . Являются ли оценки наименьших квадратов и некоррелированными?
11
Рассмотрим простую регрессию (нормальность не предполагается): где со средним и стандартным отклонением . Являются ли оценки наименьших квадратов и некоррелированными?
Ответы:
Это важное соображение при планировании экспериментов, где может быть желательно не иметь (или очень мало) корреляции между оценками и . Такое отсутствие корреляции может быть достигнуто путем управления значениями .a^ b^ Xi
Чтобы проанализировать влияние на оценки, значения (которые являются векторами строк длины ) собраны вертикально в матрицу , матрицу проектирования, имеющую столько строк, сколько имеется данных, и (очевидно, ) две колонки. Соответствующие собраны в один длинный (столбчатый) вектор . В этих терминах, записывая для собранных коэффициентов, модельXi (1,Xi) 2 X Yi y β=(a,b)′
(обычно) предполагается, что независимые случайные величины, дисперсии являются постоянным для некоторого неизвестного . Зависимые наблюдения принимается одним реализации векторной случайной величины .Yi σ2 σ>0 y Y
Решение OLS является
Предполагая, что обратная матрица существует. Таким образом, используя основные свойства умножения матриц и ковариации,
Матрица имеет всего две строки и два столбца, соответствующих параметрам модели . Корреляция с пропорциональна недиагональ- элементов который по правилу Крамера пропорциональны скалярному произведению двух столбцов . Так как один из столбцов равен всем с, а точечное произведение с другим столбцом (состоящим из ) является их суммой, находим(X′X)−1 (a,b) a^ b^ (X′X)−1, X 1 Xi
Это условие ортогональности часто достигается за счет центрирования на (путем вычитания их среднего значения из каждого). Хотя это не изменит предполагаемый наклон , это действительно изменит предполагаемый перехват . Важность этого зависит от приложения.Xi b^ a^
Этот анализ применяется к множественной регрессии: матрица проектирования будет иметь столбцы для независимых переменных (дополнительный столбец состоит из с), а будет вектором длины , но в остальном все проходит как прежде.p+1 p 1 β p+1
На обычном языке два столбца называются ортогональными, когда их произведение на точки равно нулю. Когда один столбец (скажем, столбец ) ортогонален всем другим столбцам, это легко продемонстрировать алгебраическим фактом, что все недиагональные записи в строке и столбце из равны нулю (то есть компоненты и для всех равны нулю). Следовательно,X X i i i (X′X)−1 ij ji j≠i
Многие стандартные экспериментальные планы состоят из выбора значений независимых переменных, чтобы сделать столбцы взаимно ортогональными. Это «разделяет» полученные оценки, гарантируя - до того, как будут собраны какие-либо данные! - что оценки будут некоррелированными. (Когда ответы имеют нормальное распределение, это означает, что оценки будут независимыми, что значительно упрощает их интерпретацию.)
источник