回归的同步推论与其他主题.pptVIP

4.1 與 之聯合估計 聯合估計的需要 Bonferroni聯合信賴區間 依據補集定理(A.9)，我們用表示兩個信賴區間都正確的機率： (4.1) 由於，於是可以得到Bonferroni不等式： (4.2) 亦即 (4.2a) 透過Bonferroni不等式(4.2a)，我們可以很容易地做到在同一組樣本下，所建構出的兩個 與 之信賴區間估計，確保有全族信賴係數至少 ，其作法就是以個別的信賴係數 估計與 ，則可以有Bonferroni界限 ，因此依照Bonferroni程序，迴歸模型(2.1)中的 與 之 全族信賴界限為： (4.3) 其中， (4.3a) 4.2 平均反應的同步估計 Working-Hotelling程序 在迴歸模型(2.1)中g個平均反應之同步信賴界限，利用Working-Hotelling程序計算為： (4.6) 其中 (4.6a) 而 與 之定義同(2.28)與(2.30)。 Bonferroni程序 若有g個 對應的 須在全族信賴係數 下進行估計，則迴歸模型(2.1)的Bonferroni信賴界限為： (4.7) 其中， (4.7a) g為此族中的信賴區間數。 4.3 新觀測值的同步估計 Scheffé程序採用F分配，而Bonferroni程序則採用t分配，在全族信賴係數 下，Scheffe程序下的g個同步預測界限為： (4.8) 其中， (4.8a) 而s{pred}之定義同(2.38)。在Bonferroni程序中1－ 同步預測界限為： (4.9) 其中， (4.9a) 4.4 通過原點之迴歸線 模型 在上述情形中，除了已知 外，其他與迴歸模型(2.1)相同： (4.10) 其中， 為參數 為已知常數 間獨立且服從 模型(4.10)的迴歸函數為 (4.11) 它是一條通過原點，斜率為 的直線。 推論 迴歸模型(4.10)的 最小平方估計，其意義在於找到能將下式最小化的 ： (4.12) 利用標準方程式 (4.13) 可以得到點估計量： (4.14) 第i個個案之配適值 為： (4.15) 而第i個殘差之定義與前面相同，為觀測值與配適值的差： (4.16) 迴歸模型(4.10)的誤差變異數，其不偏估計量為： (4.17) 這時分母為(n-1)，其理由是因為在估計迴歸函數(4.11)的參數時，只有損失一個自由度。 使用通過原點迴歸線的重要注意事項 4.5 量測誤差的效果 Y的量測誤差 X的量測誤差 令 表示第i個受雇員工的真實年齡， 是受雇員工的年齡自述，定義量測誤差 為： (4.21) 研究的迴歸模型為： (4.22) 不過由於我們只能觀察到 ，所以必須將(4.22)中的真實年齡 利用(4.21)的關係轉換成 ： (4.23) (4.23)可改寫成 (4.24) 模型(4.24)與一般的迴歸模型很相似，兩者比較後的差異在於模型(4.24)的 是一個隨機變數，而且與誤差項 有相關性，因為這樣的相依關係，我們必須增加下面的假設條件： (4.25a) (4.25b) (4.25c) 從(4.25c)知道 ，根據(A.15a)，在 下， ，所以我們將可以得出： (4.26) Berkson模型 在這類的例子中，觀測值 是固定的，不過真實值 卻是隨機變數，這時量測上的誤差，定義跟前面相同： (4.27) 在模型(4.24)中用 取代 仍然適用： (4.28) 4.6 反預測 關於反預測的問題中，迴歸模型(2.1)仍然與前面相同： (4.29) 利用n個觀測資料估計迴歸函數： (4.30) 現在有一個新觀測值 ，想回過頭來預測這個新觀測值