Регрессионный анализ при ошибках в предикторах Опции

[Pinus]

Одним из условий применения регрессионного анализа являются точные данные значений факторов (предикторов). Если точность данных вызывает сомнения, то регрессионная задача может усложниться ввиду невозможности применения МНК.
Дрейпер и Смит в кн. Прикладной регрессионный анализ (т.1, с.161-162) пишут, что использование МНК и обычной регрессионной модели в таких случаях приемлемо, когда отношение дисперсии ошибок в предикторах к дисперсии истинных значений предикторов является малой величиной. Практически это означает, что разброс истинных величин предикторов должен существенно превышать разброс ошибок в предикторах. В этом случае ошибками в предикторах можно пренебречь и применять обычный МНК.
Что в данном контексте означает (малой величиной) и (существенно превышать)? Существуют какие-либо численные придержки на этот счет, чтобы можно было сослаться?

[nokh]

Выкладываю в тему отсканированную сегодня по этому случаю статью. В ней обобщены разные виды линейных регрессий. Обычная регрессия, стандартные главные оси и др. получаются как частные случаи в зависимости от наличия/отсутствия информации об ошибках в независимой переменной и способа получения даннх. В части выбора вида зависимости на эту работу ссылается один из двух авторитетнейших в мире учебников по биостатистике (Sokal & Rohlf, Biomerty). Сам в своё время не сумел адаптировать формул до практического использования, а потом угас интерес. Может заинтересует Игоря и др. участников форума.

Прикрепленные файлы

 Rayner_1985___Linear_relations_in_biomechanics.rar ( 764,53 килобайт ) Кол-во скачиваний: 486