Показано, что задача оценивания параметров безусловных линейных регрессионных моделей в условиях плохой обусловленности корреляционной матрицы и квазимультиколлинеарности не может быть достаточно точно решена при использовании классического метода наименьших квадратов (МНК). Разработан метод оценивания параметров регрессионной модели на основе МНК и сингулярного разложения матриц эмпирических данных на случай квазимультиколлинеарности и плохой обусловленности корреляционной матрицы.Показано, що оцінювання параметрів безумовних лінійних регресійних моделей в умовах поганої обумовленості кореляційної матриці та квазімультиколінеарності не може бути досить точно вирішена за рахунок використання класичного методу найменших квадратів (МНК). Розроблено метод оцінювання параметрів регресійної моделі на основі МНК і сингулярного розкладання матриць емпіричних даних у разі квазімультиколінеарності та поганої обумовленості кореляційної матриці.The problem of estimating the parameters of unconditional linear regression models in conditions of poor conditionality of the correlation matrix, quasimulticollinearity, cannot be precisely solved when using the classical least squares method (LSM). Developed a method for estimating the parameters of a regression model based on the LSM and the singular value decomposition of matrices of empirical data in case of quasimulticollinearity and poor conditionality of the correlation matrix.

  Повний текст PDF - 255.565 Kb    Зміст випуску     Цитування публікації

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"