- •1.2. Типы моделей
- •1.3. Типы данных
- •1.4. История
- •1.5. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •2. Парная регрессия и корреляция. Свойства коэффициентов регрессии и проверка гипотез
- •2.1. Задачи корреляционно-регрессивного анализа
- •Содержательный характер задач корреляционно-регрессивного метода
- •2.2. Вычисление и интерпретация параметров парной линейной корреляции
- •2.3. Статистическая оценка надёжности параметров парной корреляции
- •2.4. Применение парного линейного уравнения регрессии
- •Коэффициент корреляции рангов
- •2.5. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •3. Множественная регрессия
- •3.1. Формулы для коэффициентов и стандартных ошибок
- •3.2. Множественная регрессия и оценка параметров Кобба-Дугласа
- •3.3. Мультиколлинеарность
- •3.4. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •4. Выбор уравнения
- •4.1. Влияние отсутствия необходимой переменной
- •4.2. Лишняя переменная
- •4.3. Замещающие переменные
- •4.4. Лаговые переменные
- •4.5. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •5. Фиктивные переменные
- •5.1. Фиктивные и нефиктивные переменные в регрессии
- •5.2. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •6. Гетероскедастичность
- •6.1. Коэффициент ранговой корреляции Спирмена (кркс)
- •6.2. Тест Голдфелда-Куандта
- •6.3. Тест Глейзера
- •6.4. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •7. Автокорреляция
- •7.1. Поправка Прайса–Уинстена
- •7.2. Процедура Кохрана–Оркатта
- •7.3. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •8. Модели временных рядов
- •8.1. Модели рядов, содержащих сезонную компоненту
- •Ответы к тесту:
- •9. Автоковариационная и автокорреляционная функции, их свойства. Коррелограмма
- •9.1. Спектральная плотность
- •9.2. Спектральный (Фурье) анализ
- •9.3. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •10. Неслучайная составляющая временного ряда
- •10.1. Проверка гипотезы о неизменности среднего значения временного ряда
- •10.2. Метод экспоненциально взвешенного скользящего среднего (метод Брауна [Brown (1963)])
- •10.3. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •11. Стационарные временные ряды и их идентификация
- •11.1. Основные понятия
- •11.2 Модели скользящего среднего сс(1) и сс(2). Двойственность. Обратимость. Идентификация
- •11.3. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •12. Лаговые переменные. Нестационарные временные ряды и их идентификация
- •12.1. Модель авторегрессии-проинтегрированного скользящего среднего (arima(p, k, q)-модель)
- •12.2. Модели рядов, содержащих сезонную компоненту
- •12.3. Полиномиальная лаговая структура Ширли Алмон
- •12.4. Геометрическая лаговая структура Койка
- •12.5. Модель частичного приспособления
- •12.6. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •13. Предсказания
- •13.1 Основные понятия
- •13.2. Доверительные интервалы и интервалы предсказания
- •13.3. Критерий г. Чоу
- •13.4. Коэффициент Тейла
- •13.5. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •14. Модели в виде систем линейных одновременных уравнений и их идентификация
- •14.1. Основные понятия
- •14.2. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •14.3. Использование эконометрической модели при исследовании зависимости затрат от объёма производства и структуры продукции на примере конкретного предприятия
- •Расчетное задание 1 «Построение уравнений парной регрессии и оценка их значимости»
- •Варианты лабораторных задач Задание
- •Расчетное задание 2. «Построение уравнений линейной множественной регрессии и оценка его значимости» Задача
- •Варианты лабораторных задач
- •Глоссарий
- •Библиографисеский список
- •Оглавление
- •1.1.Модели 3
- •10.1. Проверка гипотезы о неизменности среднего значения временного ряда 88
- •Эконометрика Учебное пособие
Содержательный характер задач корреляционно-регрессивного метода
Задача выделения важнейших факторов, влияющих на результативный признак.
Задача оценки хозяйственной деятельности по эффективности использования имеющихся факторов производства.
Задача прогнозирования возможных значений результативного признака при задаваемых значениях факторных признаком. Такая задача решается путем подстановки ожидаемых или планируемых, или возможных значений факторных признаков в уравнение связи и вычисления ожидаемых значений результативного признака.
Задача подготовки данных, необходимых в качестве исходных для решения оптимизационных задач.
2.2. Вычисление и интерпретация параметров парной линейной корреляции
Простейшей системой корреляционной связи является линейная связь между признаками или парная линейная корреляция. Уравнение парной линейная корреляция связи называется уравнением парной регрессии и имеет вид:
(2.4)
– нее значение результативного признака при определенном значении факторного признака х;
a – свободный член уравнения;
b – коэффициент регрессии, измеряющий среднее отношение отклонения результативного признака от его средней величины к отклонению факторного признака от его средней величины на одной единицу его измерения, т.е. вариация у, %, приходящаяся на единицу вариации x.
Уравнение (2.4) определяется по данным о значениях знаков x и y в изучаемой совокупности, состоящей из n единиц. Параметры a и b находят методом наименьших квадратов. Исходное условие метода наименьших квадратов для любых линий:
Для отыскания значений параметров a и b, при которых функция имеет минимальное значение, частные производные функции приравнивают к нулю и преобразуют получаемые уравнения, которые называются нормальными уравнениями для прямой.
Найдем частные производные по параметрам a и b
,
Получим систему двух линейных уравнений с неизвестными a и b:
(2.5)
a и b можно вычислить по формулам Крамера:
(2.6)
– главный определитель системы;
– частный определитель, получаемый в результате замены коэффициентов при a свободными членами из правой части системы уравнений;
– частный определитель, получаемый в результате замены коэффициентов при b свободными членами из правой части системы уравнений.
Если первое уравнение системы (2.5) разделить на n и подставить во второе уравнение, то можно получить выражение для а и b через средние значения факторов:
(2.7)
(2.8)
Так как выражения есть дисперсия признака x, то:
,
Коэффициент парной линейной регрессии b имеет смысл показателя силы связи между вариациями факторного признака x и результативного y. Он измеряет среднее по совокупности отклонение y от его средней величины при отклонении признака x от его средней величины на принятую единицу измерения.
Теснота парной линейной корреляционной связи может быть измерена корреляционным отношением . Применяется также коэффициент корреляции rxy. Он также является показателем тесноты связи. Это стандартизированный коэффициент регрессии, выражен в долях среднего квадратичного отклонения результативного признака
(2.9)
Коэффициент корреляции был предложен К. Пирсоном.
Отклонение признака фактора от его среднего значения на величину своего среднего квадратичного отклонения в среднем по совокупности приводит к отклонению признака результата от своего среднего значения на rxy по среднему квадратичному отклонению . Коэффициент корреляции не зависит от принятых единиц измерения знака. Квадрат коэффициента корреляции называется коэффициентом детерминации.
,
или
Так как , тогда
(2.10)
Тождество коэффициента детерминации и квадрата корреляционного отношения служит основанием для интерпретации величины коэффициента детерминации как доли общей дисперсии результативного признака y, которая объясняется вариацией признака фактора x и связью между вариацией обоих признаков.
Рабочая формула для коэффициента корреляции:
,