기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

[data analysis] 오차의 분산

오차의 분산

관련된 내용

각 샘플의 추정치 또는 오차의 분포는 회귀계수에만 의존하므로 모든 샘플들에서 발생하는 분포의 분산은 동일하다고 가정합니다(표 1 참조). 그러나 다중회귀모델의 경우 여러 설명변수들 사이에 상관성(공분산의 존재)등으로 인해 이 가정을 만족시키지 못하는 경우가 대부분입니다. 공분산의 존재는 등분산 가정을 충족시키지 못하는 것으로 OLS에서 일반적으로 사용되는 통계적 추론 절차에 문제를 일으킵니다. 즉, 샘플링 분산을 추정하고 가설을 테스트하는 표준 방법이 편향된다는 것입니다. 그 결과 OLS에 의해 추정되는 회귀계수의 편향으로 예측의 신뢰가 감소될 수 있습니다.

등분산 가정이 충족되지 않는 경우 다음과 같이 방법으로 이 문제를 감소시킬 수 있습니다.

  • 데이터 변환(예: 반응 변수 및/또는 설명 변수의 로그 취함)으로 일정한 분산을 달성
  • 다중 설명변수들 중에 주요한 변수만을 선택
  • 설명변수들 간에 정규화

회귀분석의 등분산성 가정을 수식으로 표현하면 식 1과 같습니다.

\begin{align}\text{Var}(e|X)& = E(ee^T)\\& = \sigma_e^2 \cdot I \end{align}(식 1)

식 1에서 I는 항등행렬을 나타내는 것으로 σe2I는 각 샘플에서 발생하는 오차의 분산이 같다는 것을 의미합니다(식 2).

$$\sigma_e^2 \cdot I = \sigma_e^2\begin{bmatrix}1&0&\cdots&0\\0&1&\cdots&0\\ \vdots& \vdots& \ddots& \vdots\\ 0&0&\cdots&1\end{bmatrix}$$(식 2)

회귀모형을 행렬시스템으로 나타내면 식 3와 같습니다.

\begin{align}y&=X\beta+\epsilon\\ \begin{bmatrix}y_1\\y_2\\\vdots\\y_n \end{bmatrix}&=\begin{bmatrix}1&x_{12}&\cdots&x_{1k}\\ 1&x_{22}&\cdots&x_{2k}\\\vdots&\vdots&\ddots&\vdots\\1&x_{n2}&\cdots&x_{nk}\end{bmatrix}\begin{bmatrix} \beta_1\\\beta_2\\\vdots\\\beta_k \end{bmatrix}+\begin{bmatrix}\epsilon_1\\\epsilon_2\\\vdots\\\epsilon_k \end{bmatrix}\\y:&\, \text{반응변수}(n × 1)\\ β =& [β_1, β_2, …, β_k], β_1=\text{편차항(intercept)}\\ X:&\, \text{설명변수}(n × k)\\ε:&\, \text{오차}(n × 1) \end{align} (식 3)

식 3에서 나타낸 회귀모형에서 회귀 계수 벡터 β는 식 4와 같이 추정됩니다.

\begin{align}\hat{\beta} &=(X^TX)^{-1}X^Ty\\&= (X^TX)^{-1}X^T(X\beta+\epsilon)\\& = (X^TX)^{-1}(X^TX)\beta+(X^TX)^{-1}X^T\epsilon\\& = \beta+A\epsilon\\ &A= (X^TX)^{-1}X^T \\ &\hat{\beta}:\,\beta\text{의 추정량}\end{align}(식 3)

βpre은 식 3에서 나타낸 것과 같이 오차 분포를 갖는 확률변수입니다. 그러므로 평균과 분산을 계산할 수 있습니다.

분산은 정의에 의해 식 4와 같이 계산됩니다.

\begin{align}\sigma^2&=E(X-\mu)^2\\&=(x_1-\mu)^2P(X=x_1)+ \cdots+(x_k-\mu)^2P(X=x_k)\\&=\sum^k_{i=1} (x_k-\mu)^2P(X=x_k)\end{align}(식 4)

이 식을 기반으로 회귀계수의 분산을 계산할 수 있습니다. 오차의 평균은 0이므로 식 3으로부터 $\hat{β}$의 평균은 β가 됩니다. 그러므로 설명변수들에 대한 회귀계수의 분산은 식 5와 같이 정의할 수 있습니다.

\begin{align}\text{Var}(\hat{β}|X) & = E[(\hat{β} − β)(\hat{β} − β)^T|X]\\& = AE[(\epsilon \epsilon^T)\vert X]A^T \end{align} (식 5)

식 5에서 ε은 오차 즉, 랜덤변수이고 반응변수와 같은 차원 (n × 1)인 벡터입니다. 그러므로 εεT의 차원은 (n × n)이 되며 이 역시 랜덤변수입니다. 이 랜덤변수의 기대값은 식 6과 같이 정방행렬로 나타낼 수 있습니다.

$$E[(\epsilon \epsilon^T)\vert X] = \begin{bmatrix}E[(\epsilon_1\epsilon_1)\vert X]& \cdots & E[(\epsilon_1\epsilon_n)\\ \vdots& \ddots& \vdots\\ E[(\epsilon_n\epsilon_1)& \cdots & E[(\epsilon_n\epsilon_n) \end{bmatrix}$$ (식 6)

오차의 평균이 0으로 가정했으므로 오차들의 내적에 대한 기대값은 E[(ε - 0)(ε - 0)T]와 같이 분산과 공분산을 나타냅니다. 그러므로 식 6의 우항의 행렬의 대각 요소들은 자료의 각 샘플에서 생성되는 오차들의 분산, 대각 외 요소들은 공분산이 됩니다. 즉 식 6은 오차의 공분산 행렬이 됩니다. 위 공분산행렬은 식7과 같이 나타내기도 합니다.

\begin{align}E[(\epsilon \epsilon^T)\vert X] & = \begin{bmatrix}\rho_{11}& \cdots & \rho_{1n}\\ \vdots & \ddots & \vdots\\ \rho_{n1}& \cdots & \rho_{nn}\end{bmatrix}\\&=\sigma^2\begin{bmatrix}\omega_{11}& \cdots & \omega_{1n}\\ \vdots & \ddots & \vdots\\ \omega_{n1}& \cdots & \omega_{nn}\end{bmatrix}\\& = \sigma^2\Omega\\ & \omega_{ij}=\frac{\rho_{ij}}{\sigma^2}\end{align} (식 7)

식 7에서 σ2은 모델 잔차의 분산으로 상수이며 분포의 크기를 결정하므로 scaling factor라고 하며 Ω는 ω를 요소로하는 (n × n) 차원의 공분산 행렬이 됩니다. 그러므로 ω의 대각요소는 각 오차의 분산이며 대각외 요소는 오차들의 공분산을 나타냅니다.

모델의 오차가 등분산을 충족하는 경우 Ω이 대각요소는 1이 됩니다. ωii = 1이 되고 오차의 상관성이 없다면 대각외 요소들은 0이 되는 것으로 식 8과 같이 표현할 수 있습니다.

\begin{align}E[(\epsilon \epsilon^T)\vert X] & = \sigma^2\begin{bmatrix} 1& \cdots & 0\\ \vdots & \ddots & \cdots \\ 0 & \cdots & 1\end{bmatrix}\\ &= \sigma^2 I \end{align} (식 8)

식 5에 식 8을 적용하면 식 9와 같이 정리할 수 있습니다.

Var(βpre|X) = AE[(εεT)|X]AT (식 9)
 = Aσ2AT
 = σ2AAT
 = σ2(XTX)-1XT((XTX)-1XT)T
 = σ2(XTX)-1XTX((XTX)-1)T
 = σ2(XTX)-1XTX(XTX)-1
 = σ2(XTX)-1

행렬 X의 전치행렬 XT와의 행렬곱은 대각요소를 기준으로 양쪽이 같은 대칭행렬이 되며 대칭행렬은 역행렬과 전치행렬은 같습니다(식 10). 식 9는 이러한 대칭행렬은 특성을 적용한 것입니다.

(XTX)-1 = ((XTX)-1)T (식 10)

다음은 식 10를 확인하기 위한 예이며 코드의 @은 행렬곱을 위한 연산자입니다.

np.random.seed(3)
x=np.random.randint(0, 10, size=(2,3))
print(x)
[[8 9 3]
 [8 8 0]]
xtx=x.T@x
print(xtx)
[[128 136  24]
 [136 145  27]
 [ 24  27   9]]

역행렬 계산은 np.linalg.inv() 함수를 사용하고 위 객체와의 동일 여부를 확인하기 위해 np.allclose()를 적용합니다.

xtx_inv=la.inv(xtx)
np.allclose(xtx_inv, xtx_inv.T)
True

회귀분석에서 등분산의 전제조건이 충족되지 않는 경우 오차의 공분산 행렬은 σ2I가 될 수 없습니다. 그러므로 식 8에 의해 분산을 계산하는 것은 부정확한 결과를 나타냅니다. 예를 들어 자기 상관성을 가지는 데이터의 경우 최소추정량(OLS) 모델은 더이상 BLUE(Best Linear Unbiased Estimator)가 되지 못합니다. 즉, OLS의 추정량은 불편성(unbiasedness)은 유지할 수 있으나 분산이 하향 편의가 되어 신뢰구간을 위축시키고 검정 통계량이 이상적으로 커짐으로 귀무가설의 부당한 기각 즉, 1종 오류(α오류)를 증가시킬 수 있습니다. 결과적으로 SSE를 과소평가하여 R2를 증가시킵니다.

댓글

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같...

유리함수 그래프와 점근선 그리기

내용 유리함수(Rational Function) 점근선(asymptote) 유리함수 그래프와 점근선 그리기 유리함수(Rational Function) 유리함수는 분수형태의 함수를 의미합니다. 예를들어 다음 함수는 분수형태의 유리함수입니다. $$f(x)=\frac{x^{2} - 1}{x^{2} + x - 6}$$ 분수의 경우 분모가 0인 경우 정의할 수 없습니다. 이와 마찬가지로 유리함수 f(x)의 정의역은 분모가 0이 아닌 부분이어야 합니다. 그러므로 위함수의 정의역은 분모가 0인 부분을 제외한 부분들로 구성됩니다. sympt=solve(denom(f), a); asympt [-3, 2] $$-\infty \lt x \lt -3, \quad -3 \lt x \lt 2, \quad 2 \lt x \lt \infty$$ 이 정의역을 고려해 그래프를 작성을 위한 사용자 정의함수는 다음과 같습니다. def validX(x, f, symbol): ① a=[] b=[] for i in x: try: b.append(float(f.subs(symbol, i))) a.append(i) except: pass return(a, b) #x는 임의로 지정한 정의역으로 불연속선점을 기준으로 구분된 몇개의 구간으로 전달할 수 있습니다. #그러므로 인수 x는 2차원이어야 합니다. def RationalPlot(x, f, sym, dp=100): fig, ax=plt.subplots(dpi=dp) # ② for k in x: #③ x4, y4=validX(k, f, sym) ax.plot(x4, y4) ax.spines['left'].set_position(('data', 0)) ax.spines['right...

turtle로 정오각형 그리기

정오각형 그리기  오각형을 그리는 것 역시 정사각형 , 정삼각형 을 그리는 것과 유사한 과정을 거칩니다. 단지 각 꼭지점의 각도만이 다르지요. 그러면 정오각형의 각 모서리의 각도는 어떻게 될까요? 이를 생각하기에 앞서 각 도형의 내각을 먼저 생각해보죠. 우리는 삼각형의 내각의 합을 알고 있습니다. 이를 이용하면 각 도형에서 삼각형이 몇개가 존재하는지를 알아보고 "삼각형의 갯수×180"로 그 도형의 내각의 합을 구할 수 있을 것입니다. 다음 그림을 볼까요? 위 그림의 사각형은 1개의 대각선으로 2개의 삼각형으로 구성됩니다. 오각형의 경우 2개의 대각선으로 3개의 삼각형으로 구성됩니다. 즉, 다음의 관계를 보이지요. 사각형의 내각 : 삼각형 2개 2×180=360 한각의 값  360/4=90 오각형의 내각 : 삼각형 3개 3×180=540 한각의 값  540/5=108 육각형의 내각 : 삼각형 4개 4×180=720 한각의 값  720/6=120 ... 위 그림에서 내각과 외각의 관계를 보면 위 그림의 검은색은 각 모서리의 내각이고 빨간색은 외각을 나타냅니다. 외각은 내각을 이루는 하나의 선을 연장했을 경우 상대되는 각도이라고 했습니다. 그러므로 오각형의 경우 내각 108도에 대한 외각은 72도입니다. 특이할 사항은 사각형이나 오각형이나 외각의 합은 360입니다. 즉, 모든 도형의 외각의 합은 360도입니다. (삼각형의 외각의 합을 구해보세요.) 그러므로 모든 정다각형에서 하나의 외각은 다음과 같이 계산될 수 있겠지요. 360/변수의 수=다각형에서 하나의 외각 위에서 회전을 할 경우 내각이 아닌 외각을 사용해야 함을 알았습니다. 그러므로 오각형을 그리는 계획은 다음과 같이 작성할 수 있겠죠. 1) 지정한 길이만큼 앞으로 이동합니다. 2) 오른쪽 또는 왼쪽으로 72도를 회전합니다. 3) 앞으로 동일한 길이만큼 이동합니다. 4) 오른쪽 또는 왼쪽으로 72도 만큼 이동합니다. 5)1번부터 4번 ...