- •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
Экспоненциальная модель
Экспоненциальная модель у = еa+bx ε сводится к линейной регрессии при помощи следующих преобразований:
у*=ln y, у*=а+b х (4.4)
Полиномы разных степеней
Полиномы различных степени сводятся к множественной линейной регрессии при помощи следующих преобразований:
х*1=х, х*2=х2, х*3=х3,…,х*m=xm у=a+b1∙x*1+b2 x*2+…+bm x*m+ε. (4.5)
Например, кубическая зависимость (рис.4.1.2), y = a + b1 x + b2 x2 + b3 х3+ в микроэкономике моделирует зависимость общих издержек (y) от объема выпуска (х):
Рис. 4.1.2 Кубическая зависимость
Аналогично квадратичная функция (рис.4.1.3) y = a + b1 x + b2 x2 +, может отражать зависимость между расходами на рекламу (х) и прибылью (у):
Рис. 4.1.2 Квадратичная зависимость
В таблице 4.1.1 приведены преобразования, с помощью которых нелинейные функции становятся линейными с новыми переменными и коэффициентами.
Таблица 4.1.1
Линеаризация для различных видов моделей
Функция |
Преобразования переменных |
Преобразования коэффициентов |
||
Y* |
X* |
A |
B |
|
y |
a |
b |
||
x |
a |
b |
||
x |
a |
b |
||
x |
||||
x |
b |
|||
|
a |
b |
||
b |
||||
y |
a |
b |
||
x |
||||
y |
|
a |
b |
4.2 Оценка качества нелинейной связи
При криволинейной зависимости в качестве меры тесноты связи между показателями х и у используется корреляционное отношение (или индекс корреляции). Индекс корреляции рассчитывается по формуле:
(4.6)
Границы корреляционного отношения находятся в пределах от 0 до 1. Индекс корреляции следует рассматривать как показатель не только тесноты связи, но и степени близости линии регрессии к фактическим данным.
Также для анализа качества уравнения нелинейной регрессии можно использовать среднюю ошибку аппроксимации (см. формулу 2.9)
Статистическую значимость построенного уравнения нелинейной регрессии можно проверить с помощью F – критерия Фишера (см. формулу 3.7). Для оценки статистической значимости параметров нелинейной регрессии используют t – критерий Стьюдента (см. формулы 3.8 и 3.9)
Пример 1. По семи территориям Волжского региона за 2005 г. известны значения двух признаков (табл. 4.2.1).
Таблица 4.2.1
Зависимость расходов от среднедневной заработной платы
Район |
Расходы на покупку продовольственных товаров в общих расходах, %, у |
Среднедневная заработная плата одного работающего, руб., х |
Нижегородская обл. |
68,8 |
45,1 |
Кировская обл. |
61,2 |
59,0 |
Владимирская обл. |
59,9 |
57,2 |
Ивановская обл. |
56,7 |
61,8 |
Самарская обл. |
55,0 |
58,8 |
Ярославская обл. |
54,3 |
47,2 |
Саратовская обл. |
49,3 |
55,2 |
Требуется:
1. Для характеристики зависимости расходов на покупку продовольственных товаров (у) от среднедневной заработной платы одного работающего (х) рассчитать параметры следующих функций:
а) линейной;
б) степенной;
в) равносторонней гиперболы;
2. Оценить силу построенной зависимости.
3. Оценить качество каждой модели через среднюю ошибку аппроксимации А и коэффициент детерминации R2 .
4. Доказать статистическую значимость каждой модели по F-критерию Фишера и статистическую значимость найденных параметров по t – критерию Стьюдента.
5. По самой качественной модели спрогнозировать долю расходов на покупку продовольственных товаров, если среднедневная заработная плата одного работающего измениться до 50 руб и до 65 руб
Решение:
Построим корреляционное поле для исходных данных.
По расположению точек на корреляционном поле можно предположить, что зависимость между расходами на покупку продовольственных товаров и среднедневной заработной платы одного работающего нелинейная.
Линейная модель
Для расчета параметров а и b линейной регрессии y = a+ b x решаем систему уравнений (2.6) относительно а и b:
По исходным данным рассчитываем: и заполняем в расчетной таблице первые шесть столбцов (табл. 4.2.2).
Таблица 4.2.2