انحدار خطي بسيط
المحتويات
قبل الخوض في التفاصيل، الانحدار الخطي البسيط هو حساب المربعات الصغرى من نموذج الانحدار الخطي مع متغير تفسيري واحد. وتعرض الأقسام التالية جوانب أخرى من الموضوع.
إضافةً إلى ذلك، وبعبارة أخرى، الانحدار الخطي البسيط هو خط مستقيم يمر بمجموعة من النقاط بطريقة تجعل مجموع مربع النقط المتبقية من النموذج (أي، المسافات الرأسية بين النقطة المتبقية والخط) أقل ما يمكن.
علاوةً على ذلك، توجد طرق انحدار أخرى بجانب المربعات الصغرى البسيطة (انظر الانحدار الخطي). علي وجه الخصوص، عندما يريد شخص أن يقوم بفعل الانحدار عن طريق العين فانه يميل عادة الي رسم خط حاد قليلا ويكون قريبا من ذلك الذي ينتج من طريقة أقل مربعات كليه.
ومن جهة أخرى، هذا يشير الي حقيقة أن الانحدار هو واحد من أبسط الأساليب المستعملة في مجال الإحصاء حيث أن ميل الخط يساوي العلاقة بين y و x مصححة بنسبة الانحرافات المعيارية لهذه المتغيرات. نقطة تقاطع الخط مع محور الصادات هي مركز كتلة نقاط البيانات .
كذلك، يحدث هذا لأنه طبيعي أكثر لعقل الإنسان ملاحظة المسافات المتعامدة علي خط الانحدار بدلا من تلك الراسية كما يحدث في طريقة المربعات الصغرى.
خصائص ايجاد نموذج
كذلك، وصف الخصائص الإحصائية للمقدرات من الانحدار الخطي البسيط يتطلب استخدام نموذج احصائي. التالي يعتمد علي افتراض صحة النموذج في حالة أن التقديرات مثالية. ومن الممكن كذلك لحساب الخصائص تحت قيود افتراضات أخرى، مثل عدم التجانس، ولكن يتم مناقشة ذلك في أماكن أخرى.
مثال عددي
و بالتالي اختلاف صغير في البيانات لديه تأثير حقيقي
وفي السياق ذاته، يوجد عدد النقاط (n=15) في هذه البيانات ويتم بدأ الحسابات باليد بحساب المجاميع الخمسة التالية:
من جهة ثانية، هذا المثال يتعلق بمجموعة بيانات من المربعات الصغري العادية. هذه المجموعة تعطي متوسط كتل السيدات كدالة في طولهم في عينة من النساء الأمريكان في عمر 39-30 . وعلى الرغم أن OLS تقول أنه من الأكثر ملائمة عمل انحدار من الدرجة الثانية لهذه البيانات لكن الانحدار الخطي البسيط يمكن تطبيقه هنا بدلا من ذلك.
ومن جهة أخرى، 0.975 من توزيع t للطلاب ب 13 درجة حرية يكون t*13=2.1604 وبالتالي 95% فترة تأكيد ل and تكون:
هذه الكميات تستعمل لحساب معاملات الانحدار وأخطائهم القياسية
و يمكن كذلك حساب ناتج معامل تصحيح الارتباط كالتالي:
كذلك، هذا المثال يوضح أن الحسابات المعقدة لن تتغلب علي استخدام البيانات المعدة بشكل سيئ. الأطوال أعطت بالبوصة وقد تم تحويلها لأقرب سنتيمتر. ولأن معامل التحويل هو 2.54 فهذا تحويل غير صحيح لأن البوصة الأصلية يمكن استردادها بحوالي (x/0.0254) ومن ثم إعادة تحويلها لمتر. إذا فعلت ذلك تصبح النتئج:
افتراض الوضع الطبيعي
من جهة ثانية، في ظل الافتراض الأول أعلاه، الذي من طبيعته وجود خطأ، تقدير معامل الميل سوف يوزع بشكل طبيعي بمتوسط β وتباين حيث هو الفرق في الخطأ (انظر البراهين التي تنطوي علي المربعات الصغري). في نفس الوقت، مجموع مربع المتبقيات Q يوزع بالتناسب مع بعدد درجات حرية n-2 وبشكل مستقل عن وهذا يسمح لنا بعمل احصائية t.
حيث
هو الخطأ المعياري للمقدر
وفي السياق ذاته، في مستوي التأكيد حيث هي -th من توزيع مثلًا، إذا ثم مستوي التأكيد 95% وبالمثل، فترة التأكيد لمعامل الاعتراض يعطي ب
وفي هذا الصدد، احصائية t لديها توزيع t للطلاب بعدد n-2 درجة حرية وباستخدامها نستطيع تكوين فترة تأكيد ل β:
انحدار خطي بدون جزء التقاطع
ومن جهة أخرى، في بعض الأحيان، يعتبر الناس نموذج الانحدار الخطي البسيط دون جزء التقاطع في مثل هذه الحالة، تقدير OLS لايجاد β يبسط ل
ويصبح معامل ارتباط العينة:
خصائص عددية
فترات التأكيد
وفي هذا السياق، عدد الملاحظات n كان كبير بشكل كافي في حالة المقدرات كانت موزعة على وجه التقريب بشكل طبيعي
من جهة ثانية، المعادلات المعطاة في الجزء السابق تمكننا من حساب تقديرات النقط ل α و β وهم معاملات خط الانحدار لمجموعة معينة من البيانات. ومع ذلك، هذه المعادلات لا تخبرنا مدي الدقة في التقديرات أي كم المقدرات و تختلف من نموذج لاخر لحجم العينة المحدد. لذا وضع ما يسمي فترات التأكيد لتعطي مجموعة معقولة من القيم التي يمكن تقديرها إذا كررت التجربة عدد هائل من المرات.
هذا ما يبرر الحالة الأخيرة من نظرية حدود المركز
وفي هذا الصدد، الخطأ في الانحدار كان متوزع طبيعي (ما يسمي افتراض الانحدار الكلاسيكي)
من جانب آخر، الطريقة التقليدية لحساب فترات التأكيد لمعاملات الانحدار الخطي تعتمد علي فرض الثبات الذي له ما يبرره إذا ما:
في مستوي التأكيد حيث
من جهة ثانية، من أجل تمثيل هذه المعلومات بيانيا في شكل فترات تأكيد ول خط الانحدار فعلي الشخص أن يمضي بحذر وحساب التوزيع المشترك للمقدرات. ويمكن أن تظهر أنه في فترة التأكيد (1−γ) رابطة التأكيد تأخذ شكل قطع زائد يعطي بالمعادلة:
كذلك، فترة التأكيد ل و تعطينا الفكرة الرئيسية حيث معاملات الانحدار من الأرجح أن تكون. مثلًا، في قانون Okun الانحدار ظاهر في بداية المقال النقط المقدرة هي
و فترة التأكيد لهذه المقدرات 95%:
عمل خط الانحدار
وفي هذا السياق، yi = α + β xi + εi والهدف هو ايجاد معادلة الخط المستقيم y = α + β x التي تعطي أفضل تمثيل للنقاط.
هو الانحراف المعياري ل x
حيث هو معامل الارتباط بين x و y
في هذا الإطار، هنا الأفضل يعرف بأنه طريقة المربعات الصغيرة: الخط الذي يقلل مجموع مربعات المتبقيات لنموذج الانحدار الخطي. وبعبارة أخرى، α (نقطة التقاطع مع محور y) و β (الميل) يشاركوا في حل مشكلة التقليل التالية:
وفي السياق ذاته، باستخدام الحساب هندسة المساحات الداخلية للشكل أو التوسع البسيط للحصول علي معادلة من الدرجة الثانية في α و β ، فإنه من الممكن ايجاد قيم α و β التي تقلل الدالة كالتالي:
ومن جهة أخرى، افترض ان لديك عدد n من النقاط {(Xi,Yi),i=1,2,.....n} فان الدالة التي تصف Y و X هي:
بضرب الطرفين في
- نحصل علي:
- قب الاشتقاق الجزئي بالنسبة ل عوض بالنتيجة السابقة ل
- الآن، اشتق جزئيا بالنسبة ل :
- و في النهاية عوض ب لتحديد
هو الانحراف المعياري ل y
الخط الأفقي علي فوق الكمية يعبر عن المتوسط. فمثلًا:
وفي هذا السياق، معامل التحديد (R تربيع) يساوي عندما يكون النموذج خطي وبه متغير مستقل واحد. انظر نموذج معامل الارتباط لتفاصيل أكثر
وفي السياق ذاته، و هذا يدل علي الدور الذي يقوم به في خط الانحدار لنقط البيانات. وفي بعض الأحيان يكون من المفيد حساب من البيانات بشكل مستقل باستخدام المعادلة التالية:
بالتعويض بالمعادلة السابقة في يؤدي ذلك الي:
الخط يمر عبر نقطة مركز الكتلة
مجموع المتبقيات يساوي صفر إذا وجد ثابت في النموذج:
وفي السياق ذاته، التركيبة الخطية للمتبقيات، في حالة المعاملات هي قيم x، تساوي صفر:
الافتراضات التقريبية
ومن ناحية أخرى، الافتراض الثاني البديل ينص علي أنه عندما يكون عد النقاط كبير بشكل كاف، وقانون الأعداد الكبيرة ونظرية حدود المركز قابلين للتطبيق، ومن ثم توزيع المقدرات أمر طبيعي على وجه التقريب. تحت هذا الافتراض جميع الصيغ المشتقة في القسم السابق لا تزال سارية المفعول، مع استثناء وحيد وهو أن t*n−2 لتوزيع t من الطلاب يتم استبداله ب q* من التوزيع الطبيعي القياسي. أحيانا الكسر يتم استبداله ب في حالة n تكون كبيرة ومثل هذا التغير لا يغير النتائج بشكل ملحوظ.
الاشتقاق من متغيرات الانحدار الخطي
لايجاد الأقل نقوم بالاشتقاق الجزئي بالنسبة ل و
نحن نبحث عن التي تقلل مجموع مربع الخطأ، التي تعرف كالتالي
عدم التحيز
في هذا الإطار، حساب و هي منحازة وهذا يتطلب أن نفسر المقدرات كمتغيرات عشوائية وعلينا أن نفترض أن لكل قيمة ل x القيمة المقابلة لها في y تنتج كنتيجة متوسطة بالإضافة الي قيمة متغير عشوائي اضافي ε يسمي الخطأ. هذا الخطأ يجب أن يساوي صفر عند حساب المتوسط لكل قيمة ل x وتحت هذا التفسير، تقدير المربعات الصغيرة و سوف يكونوا متغيرات عشوائية وسوف تحسب القيم الحقيقية ل α و β بدون تحيز.
📝 هل في هذه المقالة خطأ؟
إذا وجدت معلومة تحتاج تصحيحاً أو إضافة، أو أردت حذف المقالة، أرسل لنا طلباً وسنراجعه.
ما رأيك في هذه المقالة؟