Metoda najmniejszych kwadratów: Różnice pomiędzy wersjami
mNie podano opisu zmian |
mNie podano opisu zmian |
||
Linia 1: | Linia 1: | ||
{{infobox4 | |||
|list1= | |||
<ul> | |||
<li>[[ANOVA]]</li> | |||
<li>[[Próg absolutny]]</li> | |||
<li>[[Eksperyment]]</li> | |||
<li>[[Próba]]</li> | |||
<li>[[Błąd pomiaru]]</li> | |||
<li>[[Metoda badawcza]]</li> | |||
<li>[[Zmienna zależna]]</li> | |||
<li>[[Badanie kohortowe]]</li> | |||
<li>[[Alfa Cronbacha]]</li> | |||
</ul> | |||
}} | |||
'''[[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]]. | '''[[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]]. | ||
Wersja z 11:11, 21 paź 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. M., Jakubowski, J., & Sokołowski, A. (2007). Statystyka: podręcznik dla studiów ekonomicznych. Centrum Doradztwa i Informacji Difin.