- •Понятие эконометрики и ее место в экономических исследованиях
- •Основные этапы регрессионного анализа
- •Парная линейная регрессия
- •Коэффициенты эластичности
- •2.3. Предпосылки мнк (условия Маркова-Гаусса)
- •Анализ точности определения параметров регрессии
- •Проверка выполнимости предпосылок мнк. Статистика Дарбин-Уотсона
- •Модели парной нелинейной регрессии
- •Нелинейные однофакторные регрессионные модели. Линеаризация
- •Гиперболическая модель
- •Степенная модель
- •Показательная модель
- •Экспоненциальная модель
- •Полиномы разных степеней
- •В таблице 4.1.1 приведены преобразования, с помощью которых нелинейные функции становятся линейными с новыми переменными и коэффициентами.
- •Линеаризация для различных видов моделей
- •4.2 Оценка качества нелинейной связи
- •Зависимость расходов от среднедневной заработной платы
- •Расчетная таблица для линейной модели
- •Расчетная таблица для степенной модели
- •Расчетная таблица для гиперболической модели
- •Множественная регрессия Специфика уравнения множественной регрессии
- •Оценка параметров уравнения множественной линейной регрессии
- •Фиктивные и нефиктивные переменные
- •Статистические данные к примеру 2
- •Расчет параметров уравнения регрессии
- •Отклонение реальных значений от теоретических
- •Модели временных рядов Одномерный временной ряд
- •Автокорреляция уровней временного ряда и выявление его структуры.
- •Статистические данные к примеру 3
- •Расчет коэффициента автокорреляции первого порядка
- •Расчет коэффициента автокорреляции второго порядка
- •Корреляционная функция временного ряда потребления электроэнергии
- •Моделирование тенденции временного ряда
- •Моделироание сезонных колебаний временного ряда
- •Расчет сезонной компоненты в аддитивной модели
- •Расчет оценок сезонной компоненты в аддитивной модели
- •Расчет оценок сезонной компоненты в аддитивной модели
- •Взаимосвязь временных рядов
- •11.1. Методы исключения тенденции.
- •Статистические данные к примеру 5
- •Расчетные значения и отклонения для временных рядов расходов на конечное потребление и совокупного дохода
- •Расчетные значения и отклонения для временных рядов расходов на конечное потребление и совокупного дохода
Коэффициенты эластичности
Вид функции, у |
Первая производная, |
Коэффициент эластичности, |
Линейная у = а + bx + ε |
b |
|
Парабола у = а + bx + cx2 + ε |
b + 2cx |
|
Гипербола у = а + + ε |
||
Показательная у = а bxε |
ln b a bx |
Э = х lnb |
Степенная у = а хb ε |
a b xb-1 |
Э = b |
Экспоненциальная у = еa+bxε |
b еa+bx |
Э = b х |
2.3. Предпосылки мнк (условия Маркова-Гаусса)
Для получения по МНК наилучших результатов необходимо чтобы выполнялись следующие условия (предпосылки) относительно случайного отклонения ε.
1. Математическое ожидание случайного отклонения εi равно нулю: М(εi)=0, для всех наблюдений.
-
Дисперсия случайных отклонений εi постоянна D(εi)=D(εj)=σ2 , для любых наблюдений i и j. Постоянство дисперсии называется гомоскедастичностью, непостоянство дисперсии называется гетероскедастичностью.
Н а рис.2.3.1, а показано постоянство дисперсии, на рис. 2.3.1, б показано непостоянство дисперсии
рис.2.3.1 Постоянство и непостоянство дисперсии отклонений
-
Случайные отклонения εi и εj являются независимыми друг от друга.
-
Случайное отклонение εj должно быть независимо от объясняющих переменных.
-
Ошибки εi подчиняются нормальному распределению.
F-тест Фишера на состоятельность регрессии
После того как найдено уравнение линейной регрессии, проводится оценка значимости как уравнения в целом, так и отдельных его параметров.
Оценка значимости уравнения регрессии в целом производится с помощью F – критерия Фишера. При этом выдвигается нулевая гипотеза H0: уравнение регрессии статистически незначимо.
Для этого выполняется сравнение фактического (расчетного) критерия Fр с табличным значением Fтабл. Таблицы критических значений составлены на основе двухпараметрического распределения неотрицательной случайной величины (F-распределения Фишера) в зависимости от численных значений степеней свободы v1 = m и v2 = n - m - 1, при различных уровнях значимости (в приложении 2 дана таблица F-распределения Фишера для трех различных значений уровня значимости 5%, 1%, 0,1%).
(3.7)
Если > Fтабл при заданном уровне значимости α, гипотеза H0 о случайной природе формирования уравнения регрессии отклоняется, то есть уравнение регрессии статистически значимо.
Если <Fтабл при заданном уровне значимости α, гипотеза H0 о случайной природе формирования уравнения регрессии не отклоняется и признается статистическая незначимость и ненадежность уравнения регрессии.
Анализ точности определения параметров регрессии
Для оценки статистической значимости параметров регрессии используют t – критерий Стьюдента. При этом выдвигается нулевая гипотеза H0 : параметр b (a) статистически незначим (близок к нулю). При отклонении Н0 параметр b (a) считается статистически значимым, что указывает на наличие определенной линейной зависимости между х и у.
Находится расчетное значение t – критерии для каждого параметра. Для параметра b:
(3.8)
для параметра a:
(3.9)
Полученные расчетные значения сравниваются с табличным (приложение 1) для заданного уровня значимости α и при ν=n-m-1 степенях свободы.
Если , то гипотеза H0 о статистической незначимости параметра b отклоняется, то есть параметра b статистически значим.
Если , то гипотеза H0 о статистической незначимости параметра а отклоняется, то есть параметра а статистически значим.
Если , то гипотеза H0 о статистической незначимости параметра b принимается.
Если , то гипотеза H0 о статистической незначимости параметра а принимается.
Стандартные ошибки параметров и самой линейной регрессии определяются по формулам:
Стандартная ошибка параметра b:
(3.10)
Стандартная ошибка параметра а:
(3.11)
Стандартная ошибка регрессии (мера разброса зависимой переменной вокруг линии регрессии):
(3.12)