知识点

多元回归的均值区间与预测区间

定义

考虑含截距的多元线性回归:有 nn 个观测与 pp 个斜率,设计矩阵满列秩,n>p+1n>p+1。假定误差相互独立且服从 N(0,σ2)N(0,\sigma^2),记误差方差估计为 s2=SSE/(n−p−1)s^2=SSE/(n-p-1),并采用上侧分位点。

在 x0=(1,x01,…,x0p)T\boldsymbol x_0=(1,x_{01},\ldots,x_{0p})^{\mathsf T} 处,点预测为

y^0=x0Tβ^.\hat y_0=\boldsymbol x_0^{\mathsf T}\hat{\boldsymbol\beta}.

条件均值 E(Y∣x0)E(Y\mid \boldsymbol x_0) 的 1−α1-\alpha 置信区间半宽为

tα/2(n−p−1)sx0TCx0.t_{\alpha/2}(n-p-1)s\sqrt{\boldsymbol x_0^{\mathsf T}C\boldsymbol x_0}.

与已有观测独立、在 x0\boldsymbol x_0 处服从同一模型且具有相同误差方差的新观测 Y0Y_0 的预测区间,根号内还要再加 11,半宽为

tα/2(n−p−1)s1+x0TCx0.t_{\alpha/2}(n-p-1)s\sqrt{1+\boldsymbol x_0^{\mathsf T}C\boldsymbol x_0}.

多出的 11 对应新个体自身的随机波动,所以预测区间总比同一位置的均值响应区间宽。

探索

预测点的杠杆值如何影响区间?

比较均值响应与独立新观测的区间宽度。

正在准备演示…