Verifica di ipotesi sui coefficienti di regressione Verifica di ipotesi sul

Regressione lineare semplice
Verifica di ipotesi sui coefficienti di regressione
Per il momento supponiamo di muoverci nel contesto del
modello gaussiano.
Vogliamo capire se alcune nostre congetture sui coefficienti di
regressione siano fondate o meno
Poiché operiamo in condizioni di incertezza, vogliamo limitare,
per quanto possibile, le probabilità prendere delle decisioni
sbagliate
Regressione lineare semplice
Regressione lineare semplice
Verifica di ipotesi sul coefficiente angolare
Se H0 è vera,
T =
Sistema di ipotesi bilaterale:
H0 : β1 = β1∗ ipotesi nulla
H1 : β1 6= β1∗ ipotesi alternativa
β1∗ è un valore noto che fissiamo noi, sulla base delle nostre
esigenze.
Fissiamo un valore α, 0 < α < 1, che chiameremo livello di
significatività del test, e vogliamo che la probabilità di ritenere
falsa H0 quando in realtà H0 è vera sia proprio pari ad α
B1 − β1∗
∼ tn−2
SB1
statistica test
Valore osservato della statistica test:
toss =
b1 − β1∗
sB1
determinazione campionaria di T
Se H0 è vera,
P(|T | > |tn−2,1−α/2 |) = α
Regressione lineare semplice
Regressione lineare semplice
Quindi, se decidiamo di ritenere falsa H0 quando
f(t)
|toss | > |tn−2,1−α/2 |,
rischiamo di rifiutare H0 quando essa è vera con probabilità α
Livello di significatività osservato (p-value):
α̂ = P(|T | > |toss | quando è vera H0 )
αoss 2
αoss 2
0
se α̂ > α, allora |toss | < |tn−2,1−α/2 | e si accetta H0 ;
se α̂ < α, allora |toss | > |tn−2,1−α/2 | e si rifiuta H0 .
− tn,, 1−
−α
2
− toss
0
toss
− tn,, 1−
−α
2
t
Si vedano le Figure 10 e 11
Figura 10: Regola di decisione: quando si accetta H0
Regressione lineare semplice
Regressione lineare semplice
Verifica di ipotesi sul coefficiente angolare
Sistema di ipotesi unilaterale:
f(t)
H0 : β1 = β1∗
αoss 2
0
αoss 2
− toss
− tn,, 1−
−α
2
0
− tn,, 1−
−α
2
toss
t
Figura 11: Regola di decisione: quando si rifiuta H0
H1 : β1 > β1∗
(≤ β1∗ ) ipotesi nulla
ipotesi alternativa
β1∗ è un valore noto che fissiamo noi, sulla base delle nostre
esigenze.
Regressione lineare semplice
Regressione lineare semplice
Se H0 è vera,
T =
Quindi, se decidiamo di ritenere falsa H0 quando
B1 − β1∗
∼ tn−2
SB1
statistica test
toss > tn−2,1−α ,
rischiamo di rifiutare H0 quando essa è vera con probabilità α
Valore osservato della statistica test:
toss
b1 − β1∗
=
sB1
Livello di significatività osservato (p-value):
α̂ = P(T > toss quando è vera H0 )
determinazione campionaria di T
se α̂ > α, allora toss < tn−2,1−α e si accetta H0 ;
se α̂ < α, allora toss > tn−2,1−α e si rifiuta H0 .
Se H0 è vera,
P(T > tn−2,1−α ) = α
Si vedano le Figure 12 e 13
f(t)
Regressione lineare semplice
f(t)
Regressione lineare semplice
αoss
0
0
αoss
0
toss
tn,, 1−
−α
t
Figura 12: Regola di decisione: quando si accetta H0
0
tn,, 1−
−α
toss
t
Figura 13: Regola di decisione: quando si rifiuta H0
Regressione lineare semplice
Regressione lineare semplice
Verifica di ipotesi sul coefficiente angolare
Se H0 è vera,
T =
Sistema di ipotesi unilaterale:
H0 : β1 = β1∗
H1 : β1 < β1∗
(≥ β1∗ ) ipotesi nulla
statistica test
Valore osservato della statistica test:
ipotesi alternativa
β1∗ è un valore noto che fissiamo noi, sulla base delle nostre
esigenze.
B1 − β1∗
∼ tn−2
SB1
toss =
b1 − β1∗
sB1
determinazione campionaria di T
Se H0 è vera,
P(T < tn−2,α ) = α
Regressione lineare semplice
Regressione lineare semplice
Quindi, se decidiamo di ritenere falsa H0 quando
f(t)
toss < tn−2,α ,
rischiamo di rifiutare H0 quando essa è vera con probabilità α
Livello di significatività osservato (p-value):
α̂ = P(T < toss quando è vera H0 )
αoss
0
se α̂ > α, allora toss > tn−2,α e si accetta H0 ;
se α̂ < α, allora toss < tn−2,α e si rifiuta H0 .
tn,, α
toss
0
t
Si vedano le Figure 14 e 15
Figura 14: Regola di decisione: quando si accetta H0
Regressione lineare semplice
Regressione lineare semplice
Verifica di ipotesi sull’intercetta
Si ripetono gli stessi ragionamenti che valgono per il coefficiente
angolare.
Sistema di ipotesi bilaterale:
H0 : β0 = β0∗ ipotesi nulla
f(t)
H1 : β0 6= β0∗ ipotesi alternativa
β0∗ è un valore noto che fissiamo noi, sulla base delle nostre
esigenze.
Se H0 è vera,
0
αoss
toss
tn,, α
T =
0
B0 − β0∗
∼ tn−2
SB0
statistica test
t
Figura 15: Regola di decisione: quando si rifiuta H0
Regressione lineare semplice
Valore osservato della statistica test:
b0 − β0∗
toss =
determinazione campionaria di T
sB0
Regressione lineare semplice
Sistema di ipotesi unilaterale:
H0 : β0 = β0∗
Al livello di significatività α, rifiutiamo H0 quando
|toss | > |tn−2,1−α/2 |
o, equivalentemente, quando α̂ < α, con
α̂ = P(|T | > |toss | quando è vera H0 )
H1 : β0 >
β0∗
(≤ β0∗ ) ipotesi nulla
ipotesi alternativa
β0∗ è un valore noto che fissiamo noi, sulla base delle nostre
esigenze.
Al livello di significatività α, rifiutiamo H0 quando
toss > tn−2,1−α
o, equivalentemente, quando α̂ < α, con
α̂ = P(T > toss quando è vera H0 )
Regressione lineare semplice
Regressione lineare semplice
Riprendiamo il seguente output:
Sistema di ipotesi unilaterale:
H0 : β0 = β0∗
(≥ β0∗ ) ipotesi nulla
H1 : β0 < β0∗
ipotesi alternativa
β0∗ è un valore noto che fissiamo noi, sulla base delle nostre
esigenze.
Al livello di significatività α, rifiutiamo H0 quando
toss < tn−2,α
o, equivalentemente, quando α̂ < α, con
α̂ = P(T < toss quando è vera H0 )
Regressione lineare semplice
> summary(simulati1.lm)
Call:
lm(formula = y ~ x)
Residuals:
Min
1Q
-26.6184 -7.0684
Median
-0.3749
3Q
6.0160
Max
24.7992
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept)
6.6413
0.9923
6.693 1.37e-09
x
2.7205
0.5603
4.856 4.54e-06
...
Regressione lineare semplice
Sulla colonna t value sono riportati i valori osservati delle
statistiche test:
Ti =
Bi − βi∗
,
SBi
Supponiamo di voler saggiare, ad un livello di significatività
α = 0.01, il seguente sistema di ipotesi:
i = 0, 1
bi
, i = 0, 1
sBi
Sulla colonna Pr(>|t|) sono riportati i valori del livello di
significatività osservato per i sistemi di ipotesi
H0 : β1 ≤ 0
H1 : βi > 0,
con βi∗ = 0, ovvero toss,i =
H0 : βi = 0
H1 : βi 6= 0,
Che conclusioni si possono trarre?
i = 0, 1
Sappiamo che toss = 4.856. Il valore di t98,0.99 si ottene con il
comando
> qt(0.99,98).
i = 0, 1
Abbiamo quindi che t98,0.99 = 2.365. Che conclusioni
possiamo trarre?
Regressione lineare semplice
Regressione lineare semplice
esercizio
Supponiamo di voler saggiare, ad un livello di significativitá
α = 0.05, il sistema di ipotesi:
H0 : β1 ≤ 2
H1 : βi > 2,
i = 0, 1
il valore toss si determina con il seguente comando:
> toss = (coef(simulati.lm)[2] - 2)/0.5603
ottenendo toss = 1.832.
Utilizzando i dati contenuti in simulati1.txt, saggiare i seguenti
sistemi di ipotesi:
H0 : β0 ≥ 0 contro H1 : β0 < 0, α = 0.003;
H0 : β0 = 5 contro H1 : β0 6= 5, α = 0.001;
H0 : β0 ≤ 1 contro H1 : β0 > 1, α = 0.05;
Utilizzando la funzione qt() si ottiene che t0.95,98 = 1.661. A
quali conclusioni siamo giunti?
Regressione lineare semplice
Regressione lineare semplice
Due risultati importanti
Capital Asset Pricing Model (CAPM)
Gli intervalli di confidenza e i test per la verifica di ipotesi che
abbiamo costruito sopra, funzionano anche quando il modello
non è gaussiano, purché sussistano le assunzioni di fondo del
modello di regressione lineare semplice e n sia elevato.
Il metodo di previsone che abbiamo considerato richiede
invece che il modello sia gaussiano.
R è il rendimento di un particolare titolo azionario, al quale
siamo interessati
RM è il rendimento di mercato (per esempio un indice di
borsa)
RF è il rendimento di titoli a rischio nullo (esempio: buoni del
tesoro semestrali)
Il modello:
E(R − RM) = βR E(RM − RF )
Regressione lineare semplice
Regressione lineare semplice
I dati
Utilizziamo il file: venus.unive.it/stone/statcomp/capm.txt.
Abbiamo 87 osservazioni mensili (Aprile 1995 - Giugno 2002) su:
Y = scostamento tra rendimento azioni ordinarie Microsoft
Corporation e variazione dell’indice Standard & Poor’s (in
termini percentuali)
X = scostamento tra variazione dell’indice Standard & Poor’s
e il rendimento degli U.S. Treasury bills a 30 giorni (in termini
percentuali)
Carichiamo i dati:
> capm=read.table("capm.txt",header=T)
> attach(capm)
Cerchiamo di capire se tra Y e X si possa assumere l’esistenza
di una relazione lineare. Si veda la Figura 16,
Possiamo quindi ipotizzare un modello del tipo:
εi ∼ N(0, σ 2 )
Yi = β0 + β1 Xi + εi ,
Come interpretereste i parametri del modello?
Regressione lineare semplice
30
●
●
●
●
20
10
●
●
●
0
●
●
−10
●
●
−20
Stimiamo il modello che abbiamo definito in precedenza
utilizzando solo 80 osservazioni (le rimanenti le utilizzeremo
per valutare le capacità previsive del modello):
●
●
●
●
●
●●
●
●●
●
●
● ●
●
● ●
●
● ●●
●● ●
●
●
●
●
●
● ● ● ● ●
●
●
●
●
●
●
●
● ●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
> summary(m0)
●
−15
−10
> m0 = lm(Y~X, subset=1:80)
Vediamo l’output del comando
●
●
−30
Y = rendimento Microsoft − indice S & P 500 (in %)
Regressione lineare semplice
−5
0
5
10
X = indice S & P 500 − U.S.T. 30 gg. (in %)
Figura 16: Diagramma di dispersione di Y contro X
Regressione lineare semplice
Regressione lineare semplice
> summary(m0)
L’indice di determinazione lineare (R 2 ) è pari a 0.2943: la
capacità del modello di spiegare la variabilità di Y è limitata.
Call:
lm(formula = Y ~ X, subset = 1:80)
Residuals:
Min
1Q
-25.7565 -4.5086
Cerchiamo ora di capire se il comportamento dei residui possa
darci qualche ulteriore informazione.
Median
0.1093
3Q
4.8399
Max
32.2359
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept)
1.904
1.052
1.811
0.074
X
1.192
0.209
5.704 2.01e-07
Definiamo il vettore dei residui standardizzati con il seguente
comando
> st.res=resid(m0)/9.28
Quando n è sufficientemente elevato i residui del modello
tendono ad avere una varianza uguale a quella dei disturbi,
quindi si standardizzano dividendoli per la radice quadrata
della stima di σ 2 .
Residual standard error: 9.28 on 78 degrees of freedom
Multiple R-Squared: 0.2943, Adjusted R-squared: 0.2853
F-statistic: 32.53 on 1 and 78 DF, p-value: 2.011e-07
Regressione lineare semplice
Regressione lineare semplice
3
●
Disegnamo il grafico dei residui standardizzati con il comando
Le loro oscillazioni intorno allo 0 hanno ampiezza
approssimativamente costante (la varianza sembra stabile).
1
0
●
●
●● ●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
● ●
●
●
●
●
●
●
●
●
●
●●
●●
●
●
●
●
●
●●
●
●
●
−1
I residui oscillano intorno allo 0 in modo casuale (non si
riscontrano comportamenti regolari o sistematici)
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
−2
(Figura 17)
Residui standardizzati
2
●
●
●
●
●
●
●
●
−3
> plot(st.res,ylab="Residui standadizzati))
0
20
40
60
80
Index
Figura 17: Grafico dei residui standadizzati nel modello m0
3
2
●
●
●
●
1
●
● ●
●
0
Residui standardizzati
È importante che non esista alcuna relazione tra i residui e la
variabile esplicativa. Se ciò non accadesse, esisterebbe una
relazione tra regressore e variabilità residua e quindi il modello
non riuscirebbe a cogliere compiutamente le relazioni esistenti
tra X e Y
●
●
●
●
●
●
−1
> plot(X[1:80],st.res,ylab="Residui standardizzati",
xlab="X")
●
●
●
●
● ●
●●
●
● ●
●
●
●
●
●● ●
●
●
●
● ●
●
●
●
● ●
●
●
●
●
●
●
●●
●
●
● ●●
●
●
●
●
●
●
●
●●
●
●
●● ●
●
●
●
●
●
●
●
●
−2
Disegnamo ora (Figura 18) il diagramma di dispersione dei
residui standardizzati contro la variabile esplicativa con il
seguente comando:
Regressione lineare semplice
●
●
●
−3
Regressione lineare semplice
−15
−10
−5
0
5
10
X
Figura 18: Diagramma di dispersione dei residui standardizzati contro X
Regressione lineare semplice
Regressione lineare semplice
25
20
Frequency
15
10
5
> hist(st.res)
L’istogramma è ragionevolmente simmetrico intorno allo 0 e
sembra riprodurre, in modo molto approssimativo, la funzione
di densità di una normale standardizzata
0
Cerchiamo ora di capire se i disturbi si distribuiscano
approssimativamente come variabili casuali normali (in altri
termini, vogliamo capire se il modello sia gaussiano).
Disegnamo l’istogramma dei residui standardizzati (Figura 19
con il comando
30
Histogram of st.res
−3
−2
−1
0
1
2
3
4
st.res
Figura 19: Istogramma dei residui standardizzati
Regressione lineare semplice
Regressione lineare semplice
Quantile campionario di ordine p
Supponiamo di disporre di n osservazioni sulla variabile quantitativa
Y e di fissare un numero p, 0 < p < 1. Il numero yp tale che
yp =
Disegnamo il diagramma di dispersione dei quantili campionari
dei residui standardizzati contro i quantili teorici, di ordine
corrispondente, della normale standardizzata (Figura 20), con
i comandi:
> qqnorm(st.res)
> qqline(st.res)
# osservazioni ≤ yp
=p
n
Se i punti giacciono approssimativamente sulla bisettrice del
primo e del terzo quadrante, allora possiamo assumere che i
residui standardizzati siano gaussiani
Esempio: i quartili (y0.25 , y0.5 (mediana) e y0.75 )
Regressione lineare semplice
Regressione lineare semplice
Normal Q−Q Plot
3
●
●●
●
1
0
−2
Se osserviamo l’output del comando > summary(m0), ci
rendiamo conto che, ad un livello di significatività pari a 0.05,
l’intercetta può essere posta uguale a 0. Perché? cosa
significa questo?
Stimiamo allora il modello
Yi = βxi + εi ,
●
●
−3
●●
●●
●●●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●●
●
●●
● ●●
−1
Sample Quantiles
2
●
εi ∼ N(0, σ 2 )
con il comando
●
●
> m1 = lm(Y~X-1,subset=1:80)
−2
−1
0
1
2
Theoretical Quantiles
Figura 20: Grafico quantile-quantile dei residui standardizzati
Vediamo ora l’output del comando
> summary(m1)
Regressione lineare semplice
Regressione lineare semplice
> summary(m1)
Call:
lm(formula = Y ~ X - 1, subset = 1:80)
Residuals:
Min
1Q
-23.578 -2.718
Median
1.938
3Q
6.671
Ripetendo l’analisi grafica sui residui del nuovo modello mon
si riscontrano particolari anomalie. Verificatelo.
In Figura 21 la retta di regressione stimata è sovrapposta al
diagramma di dispersione dei dati. Il grafico si costruisce con i
seguenti comandi:
Max
34.159
plot(X[1:80],Y[1:80],ylab =
"Y = rendimento Microsoft - indice S & P 500 (in %
"X = indice S & P 500 - U.S.T. 30 gg. (in %)")
lines(sort(X[1:80]),fitted(m1)[order(X[1:80])])
Coefficients:
Estimate Std. Error t value Pr(>|t|)
X
1.2538
0.2092
5.994 5.79e-08
Residual standard error: 9.413 on 79 degrees of freedom
Multiple R-Squared: 0.3126, Adjusted R-squared: 0.3039
F-statistic: 35.93 on 1 and 79 DF, p-value: 5.792e-08
Regressione lineare semplice
30
●
●
●
●
20
●
●
●
●
●
●●
●
●●
●
●
●
● ●
●
● ●
●
● ●●
●● ●
●
●
●
●
●
● ● ● ● ●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
0
10
●
●
−10
●
−20
●
●
●
●
●
●
●
●
●
●
●
−15
−10
−5
Vogliamo ora prevedere, al livello di fiducia 0.95, il valore
assunto da Y basandoci solo sul valore di X misurato sulle
unità statistiche numerate 81, . . . , 87. a tal fine utilizziamo il
seguenti comando:
> previsioni=predict(m1,capm[81:87,],
interval="prediction",level=0.95)
●
●
−30
Y = rendimento Microsoft − indice S & P 500 (in %)
Regressione lineare semplice
0
5
10
X = indice S & P 500 − U.S.T. 30 gg. (in %)
Figura 21: Diagramma di dispersione di Y contro X e retta di regressione
stimata attraverso il secondo modello
Regressione lineare semplice
I cerchi rappresentano le osservazioni sulla variabile Y
I triangoli rappresentano le previsioni puntuali
Le curve rosse uniscono gli estremi degli intervalli di previsione
10
0
●
●
●
●
●
−20
valori osservati e previsti
●
●
−30
> plot(81:87,Y[81:87],ylim=range(Y[81:87],previsioni),
ylab="valori osservati e previsti", xlab = "Index")
> points(81:87,previsioni[,1],pch=24,col="blue")
> lines(81:87,previsioni[,2],col="red")
> lines(81:87,previsioni[,3],col="red")
20
Possiamo visualizzare le previsioni (Figura 22) con i seguente
comandi:
−10
Regressione lineare semplice
81
82
83
84
85
86
87
Index
Figura 22: Confronto tra previsioni e valori osservati della variabile
risposta