Прогнозирование на основе парного линейного уравнения регрессии. Точечная и интервальная оценка прогноза

Важным направлением использования уравнений связи является их применение для прогнозирования ожидаемых результатов при заданном уровне факторов для целей управления исследуемой совокупностью. Использование регрессионной модели для прогнозирования состоит в подстановке в уравнение регрессии ожидаемых значений факторных признаков для расчета точечного прогноза результативного признака и его доверительного интервала с заданной вероятностью.

Поскольку не все значения результативного признака лежат на линии регрессии, то использование уравнения регрессии для прогнозирования приведет к некоторой погрешности (ошибке) в оценке анализируемого показателя. Можно назвать два источника возникновения этой погрешности. Во-первых, решенное по выборочным данным уравнение регрессии является всего лишь одним из множества возможных по воле случая подобных уравнений. Каждое из них является лучшим или худшим приближением к истинной (генеральной) линии связи. Во-вторых, уравнение регрессии не воспроизводит общую вариацию результативного признака в полном объеме; остаточная вариация вносит свой вклад в величину погрешности (ошибки) прогноза.

Ошибка точечного прогноза или ошибка положения линии регрессии покажет, на какую величину в среднем точечные прогнозы по всем возможным выборочным линиям регрессии будут отличаться от прогнозного значения результативного признака, определенного по истинной (генеральной) линии связи.

Чтобы понять, как строится формула ошибки, обратимся к уравнению линейной регрессии: . Учитывая, что , уравнение примет вид: . Отсюда вытекает, что стандартная ошибка зависит от ошибки выборочной средней и ошибки коэффициента регрессии: . Из теории выборки известно, что . Используя в качестве оценки σ ²_у остаточную дисперсию s²_ост. и учитывая вышеприведенную формулу стандартной ошибки коэффициента регрессии (п.3.3), имеем выражение:

= . 3.12.

Из данной формулы видно, что ошибка положения линии регрессии в прогнозной точке зависит от ошибок отдельных параметров уравнения и от того, как сильно значение признака-фактора отклоняется от его среднего значения. Чем больше разность , тем больше ошибка , с которой предсказывается значение для заданного значения х.

Доверительные интервалы положения линии регрессии при заданном х определяются выражением

где а – уровень значимости.

Однако фактические значения y_i отклоняются от уравнения регрессии на величину случайной ошибки , дисперсия которой оценивается как остаточная дисперсия на одну степень свободы s² _ост. Поэтому ошибка прогноза индивидуального значения y_i должна учитывать не только ошибку положения линии регрессии, но и остаточную вариацию. Средняя ошибка прогнозируемого индивидуального значения результативного признака y_i(х) составит

.

Доверительный интервал индивидуального прогноза дает возможность в каждом отдельном случае с определенной вероятностью указать, что величина результативного признака окажется в определенном интервале относительно значения, вычисленного по уравнению связи.