При каком значении факторной переменной X в модели парной линейной регрессии точность точечного прогноза эндогенной переменной Y будет максимальной?
Подробное объяснение
В парной линейной регрессии дисперсия прогноза среднего значения Y при заданном X = x₀ равна Var(ŷ(x₀)) = σ²(1/n + (x₀ - x̄)²/∑(xᵢ - x̄)²). Поскольку σ² и ∑(xᵢ - x̄)² являются константами для данной выборки, дисперсия минимальна, когда (x₀ - x̄)² = 0, то есть x₀ = x̄. Следовательно, максимальная точность точечного прогноза достигается при значении фактора, равном выборочному среднему x̄.
Часто задаваемые вопросы (FAQ)
1
Что такое точечный прогноз в линейной регрессии?
Точечный прогноз — это оценка среднего значения зависимой переменной Y при заданном значении фактора X, полученная по уравнению регрессии: ŷ(x₀) = β̂₀ + β̂₁ x₀.
2
Как связана дисперсия прогноза с точностью прогноза?
Чем меньше дисперсия прогноза, тем выше точность прогноза, так как прогнозируемое значение ближе к истинному среднему.
3
Почему точность прогноза максимальна в точке среднего значения фактора?
Потому что дисперсия прогноза содержит член (x₀ - x̄)², который минимален, когда x₀ = x̄. При отклонении от среднего дисперсия увеличивается, снижая точность.
Типичные ошибки
1
Считать, что точность прогноза максимальна при минимальном или максимальном значении X.
На самом деле дисперсия прогноза растет при удалении x₀ от среднего, поэтому точность падает на краях диапазона данных.
2
Игнорировать член 1/n в дисперсии прогноза.
Член 1/n показывает, что даже при x₀ = x̄ дисперсия прогноза не равна нулю, а равна σ²/n. Пренебрежение им может привести к неверной оценке точности.