EE012021

Poszukuje się takiej linii regresji, czyli takich oszacowań parametrów strukturalnych i a , aby suma kwadratów odchyleń zaobserwowanych wartości zmiennej objaśnianej od jej wartości teoretycznych obliczonych z modelu była najmniejsza.

Szuka takiej linii regresji, czyli takich oszacowań parametrów strukturalnych ia , aby suma sześcianów odchyleń zaobserwowanych wartości zmiennej objaśnianej od jej wartości teoretycznych obliczonych z modelu była najmniejsza.

Polega na znalezieniu takiej linii regresji, czyli takich oszacowań parametrów strukturalnych ia , aby suma kwadratów odchyleń zaobserwowanych wartości zmiennej objaśnianej od jej wartości teoretycznych obliczonych z modelu była największa.

Testowaniu może podlegać pojedynczy parametr (np. 1) lub pewna ich grupa;

Właściwym dla problemu testowania hipotez dot. pojedynczego parametru w KMNRL jest tzw. test t-Studenta (w skrócie: test t)

Testowaniu nie może podlegać pojedynczy parametr (np. 1) lub pewna ich grupa;

Hipoteza statystyczna (w skrócie: hipoteza) = zdanie/stwierdzenie, którego prawdziwość (albo raczej wiarygodność) podlega sprawdzeniu (testowi)

Testowaniu zawsze podlega układ dwóch wykluczających się wzajemnie hipotez dotyczących parametrów (a nie ich oszacowań); układ ten stanowią dwie hipotezy: tzw. hipoteza zerowa (oznaczana symbolem 0) oraz hipoteza alternatywna ( 1). Szkielet zapisu układu

Testowanie (inaczej weryfikacja) hipotez

Budowanie przedziałów ufności

który stanowi przeciętną (in.: niespodziewaną, losową) różnicę pomiędzy prawdziwą (lecz nieznaną) wartością parametru B1 a jego oceną punktową B

który stanowi przeciętną (in.: spodziewaną, oczekiwaną) różnicę pomiędzy prawdziwą (lecz nieznaną) wartością parametru B1 a jego oceną punktową B

informuje, jaka część (w %, po przemnożeniu przez 100%) zaobserwowanej zmienności zmiennej objaśnianej (czyli zmienności jej wartości empirycznych) została wyjaśniona w ramach oszacowanego modelu

Im wyższa R^2 (bliższa 1) wartość , tym model jest lepiej dopasowany do danych

Im niższa (bliższa 0) wartość , tym model lepiej dopasowany do dany

informuje o tym, ile procent średniej arytmetycznej zaobserwowanych wartości zmiennej objaśnianej stanowi odchylenie resztowe; zwykle jego interpretację “dołącza się” do tej formułowanej dla odchylenia resztowego, jako jej kontynuację, w tym samym zdan

informuje, jaka część (w %, po przemnożeniu przez 100%) zaobserwowanej zmienności zmiennej objaśnianej (czyli zmienności jej wartości empirycznych) NIE została wyjaśniona w ramach oszacowanego modelu

informuje o tym, ile procent średniej arytmetycznej zaobserwowanych wartości zmiennej objaśnianej stanowi odchylenie resztowe; zwykle jego interpretację “dołącza się” do tej formułowanej dla odchylenia resztowego, jako jej kontynuację, w tym samym zdan

Im wyższa(bliższa 1) wartość ph^2 , tym model lepiej dopasowany do dany

Im niższa (bliższa 0) wartość ph^2 , tym model lepiej dopasowany do dany

współczynnik zmienności resztow jest zawsze większy od 1

Model jest tym lepiej dopasowany do danych, im niższa wartość Ve

informuje o tym, ile procent średniej arytmetycznej zaobserwowanych wartości zmiennej objaśnianej stanowi odchylenie resztowe; zwykle jego interpretację “dołącza się” do tej formułowanej dla odchylenia resztowego, jako jej kontynuację, w tym samym zdan

współczynnik zmienności resztow jest zawsze większy od 0

jest wielkością niemianowaną, wyrażoną w procentach

nie posiada jednak interpretacji

to przeciętna różnica (wyrażona w jednostkach zmiennej objaśnianej) pomiędzy zaobserwowanymi (in.: empirycznymi, 𝑡 ) a teoretycznymi (wynikającymi z oszacowanego modelu, 𝑡 ) wartościami zmiennej objaśnian

Zaobserwowane wartości zmiennej objaśnianej odchylają się od wartości teoretycznych wyznaczonych przez model przeciętnie o 0,1884.

Zaobserwowane wartości zmiennej objaśnianej odchylają się od wartości tepraktycznych o 0,1884.