فصل نهم

1. فصل نهم روش ماتريسي مدل رگرسيون خطي فهرست

2. فصل نهم: روش ماتريسي مدل رگرسيون خطي متغيره Kدر اين فصل، مدل رگرسيون كلاسيك به شکل جبر ماتريس نمايش داده ميشود. چكيده:

3. فصل نهم: روش ماتريسي مدل رگرسيون خطي =عرض از مبدأ = ضريب زاويه‎هاي جزئي تا متغيره: Kمدل رگرسيون خطي = جز اخلال تصادفيu = حجم جامعه اصليN

4. فصل نهم: روش ماتريسي مدل رگرسيون خطي

5. فصل نهم: روش ماتريسي مدل رگرسيون خطي 1-9- فروض مدل رگرسيون خطي كلاسيك با استفاده از نماد ماتريسي: 1)

6. 2) فصل نهم: روش ماتريسي مدل رگرسيون خطي

7. فصل نهم: روش ماتريسي مدل رگرسيون خطي ماتريسX (N -K)غيرتصادفي بوده و حاوي اعداد ثابت مي باشد . ‎ رتبه ماتريس X يعنيK= X))ρ كامل مي باشد که K تعداد ستون هاي X بوده و کوچکتر از تعداد مشاهداتN مي باشد. توزيع نرمال دارد. uبردار

8. فصل نهم: روش ماتريسي مدل رگرسيون خطي OLS3-9- تخمين

9. فصل نهم: روش ماتريسي مدل رگرسيون خطي

10. از معادلات (7) به معادلات نرمال مي رسيم:‎

11. ماتريس واريانس- كوواريانس

12. Xهاغيراستوكاستيك :

13. تخمين زن بدون تورشدر معادلات رگرسيون خطي دو و سه متغيره برابر است با: متغيره فرمول متناظر عبارت است از :kدر معادلات

14. مقدار يا برابر است با در مدل دو متغيره: در مدل سه متغيره: تعميم به مدلkمتغيره:

15. :جزء تصحيح از ميانگين

16. :OLSويژگي هاي بردار به روش (بهترين تخمين زن هاي خطي بدون BLUEبردار خطي است و داراي ويژگي تورش )مي باشد .

17. 1) از آنجاييكه ماتريسي از اعداد ثابت است،تابعي خطي از Yمي باشد.بنابراين تخمين‌زني خطي است. 2) ناتور بودن

18. تخمين‌زن خطي ديگري از 3) حداقل واريانس- كوواريانس

19. 9-4- ضريب تخمين 2 R بر حسب نمادهاي ماتريسي: • مدل دو متغيره: مدل سه متغيره:

20. مدل k متغيره :

21. ماتريس همبستگي در مدل Kمتغيره،K(K-1)/2 ضريب همبستگي درجه صفر خواهيم داشت.

22. آزمون فرضيه ضرايب تكي رگرسيون و نمادهاي ماتريسي u: N x 1 0: N x 1 (بردار صفر) I: N x N

23. آزمون معني داري كلي رگرسيون (آناليز واريانس ) با استفاده از نماد ماتريسي جدول 2-9-شكل ماتريسي جدول AOV براي K متغير

24. جدول 3-9-جدول AOV،k متغيره در شكل ماتريسي بر حسبR2 منبع تغييرات SS df MSS بعلت رگرسيون يعني( X2، X3، ...، XK) K - 1 بعلت باقيمانده ها N - K جمع N -1

25. با فرض : : H0 ~ F(K-1,N-K)

26. 8-9-آزمون محدوديتهاي خطي: آزمون عمومي F

27. 9-9- پيش بيني با استفاده از رگرسيون مركب پيش بيني ميانگين :

28. واريانس براي پيش بيني ميانگين: واريانس براي پيش بيني تكي :

29. خلاصه و نتايج: • هدف اساسي اين فصل, معرفي روش ماتريسي براي مدل رگرسيون خطي كلاسيك بود. • در شكل انحراف از ميانگين, فرض مي‌شود كه عناصر ماتريسها و بردارها به شكل انحراف از ميانگين (و نه داده‌هاي خام) مي‌باشند. در شكل انحرافاز ميانگين مرتبه ماتريسمساوي K-1 و مرتبه ماتريس واريانس _کو واريانس آن يعني • ، (K-1)(K-1) است.

31. پايان