Metoda najmniejszych kwadratów: Różnice pomiędzy wersjami

Z Encyklopedia Zarządzania
m (→‎Bibliografia: Clean up)
m (cleanup bibliografii i rotten links)
Linia 39: Linia 39:
==Bibliografia==
==Bibliografia==
<noautolinks>
<noautolinks>
* Kot, S. M., Jakubowski, J., & Sokołowski, A. (2007). Statystyka: podręcznik dla studiów ekonomicznych. Centrum Doradztwa i Informacji Difin
* Kot S., Jakubowski J., Sokołowski A. (2011), ''Statystyka'', Difin, Warszawa
</noautolinks>
</noautolinks>
[[Kategoria:Statystyka]]
[[Kategoria:Statystyka]]
{{#metamaster:description|Metoda najmniejszych kwadratów jest jedną z najważniejszych technik używanych w statystyce i ekonometrii do estymacji parametrów modelu regresji liniowej.}}
{{#metamaster:description|Metoda najmniejszych kwadratów jest jedną z najważniejszych technik używanych w statystyce i ekonometrii do estymacji parametrów modelu regresji liniowej.}}

Wersja z 21:48, 13 lis 2023

Metoda najmniejszych kwadratów
Polecane artykuły

Metoda najmniejszych kwadratów (MNK) jest jedną z najważniejszych technik używanych w statystyce i ekonometrii do estymacji parametrów modelu regresji liniowej. Jej celem jest minimalizacja sumy kwadratów różnic między wartościami obserwowanymi a wartościami przewidywanymi przez model.

W kontekście modelu regresji liniowej, MNK szuka linii najlepiej dopasowanej do danych, minimalizując sumę kwadratów reszt (różnic między wartościami obserwowanymi a wartościami przewidywanymi). Model regresji liniowej ma postać:

gdzie:

to zmienna zależna dla i-tej jednostki
to zmienna niezależna dla i-tej jednostki
i to parametry modelu, które chcemy estymować
to reszta (różnica między wartością obserwowaną a wartością przewidywaną przez model )

MNK estymuje parametry i poprzez minimalizację funkcji kwadratowej sumy reszt:

Wynikiem MNK są szacunki parametrów i , które minimalizują tę funkcję. Te szacunki można otrzymać poprzez różniczkowanie funkcji sumy kwadratów reszt i rozwiązanie układu równań wynikającego z równań normalnych.

Wyniki MNK można interpretować jako wartości, które minimalizują różnice między wartościami obserwowanymi a wartościami przewidywanymi przez model regresji liniowej. Im mniejsze są te różnice, tym lepsze dopasowanie modelu do danych.

Metoda najmniejszych kwadratów jest szeroko stosowana w dziedzinach takich jak ekonomia, finanse, nauki społeczne oraz wszędzie tam, gdzie analiza zależności między zmiennymi jest istotna.

Bibliografia

  • Kot S., Jakubowski J., Sokołowski A. (2011), Statystyka, Difin, Warszawa