N
— число наблюдений, то получим выражение
х
, удобное
для вычислений:
(7.42)
Статистика к определяется относительным увеличением R
2
в
результате
устранения ограничений на параметры. Если
увеличение большое, то гипотеза
(7.40)
отвергается.
Теория распределений
X
является асимптотической. Меж-
ду тем на практике часто имеется очень немного данных для
получения выборочной оценки
а%.
В связи с этим по анало-
гии с соответствующей ситуацией в линейной регрессии,
для которой разработана теория малой выборки, предла-
гается также, несколько видоизмененная статистика:
(7.43)
где
F имеет ^-распределение es
и (п
— р — q —1)-степенями
свободы (одна степень свободы вычтена в предположении, что
константа определена). Распределения F пу?
будут
давать
практически одинаковые результаты, если (п — р — q — 1)
порядка ста или выше. Об адекватности
двух
статистик при
выборках обычного для практики объема ничего неизвестно.
В частном
случае,
когда s = 1, F превращается в ^-рас-
пределение с (n—p — q— 1)-степенями свободы.
На
практике часто выдвигается гипотеза ß = 0, т. е.
что
все (р + q) параметров равны нулю. В этом
случае
%
=
=
n[RV(l-R2
)
]
i так какК
|
=0
.
Итак,
имея оценки R
2
, можно вычислить значения F или
л
и, сопоставив их с табличными значениями, отвергнуть
или
принять проверяемую гипотезу.
При
сравнении моделей возможны ошибки
двух
видов,
ьо-первых, может быть
отвергнута
модель с меньшим чис-
лом параметров, которая на самом
деле
адекватна
ряду,
и
принята
более общая модель, оценки некоторых параметров
которой
будут
незначимыми.
Другая
возможная ошибка со-
стоит в
том,
что может быть
отвергнута
более общая адекват-
ная
модель и принята модель с ограничениями, что приве-
дет к некорректным значениям параметров. Следовательно,
П
РИ
анализе статистических критериев нежелательно поль-
за Нельсон показывает, что эта статистика приближенно равна
'«и, которую используют
А.
Зельнер
и
Ф. Пальм
в
(115].
189