
- •1.Виды регрессии. Спецификация модели.
- •Присутствие случайных ошибок в модели порождено тремя источниками: спецификацией модели, выборочным характером исходных данных, особенностями измерения переменных.
- •2.1.Линейная регрессия и корреляция: смысл и оценка параметров.
- •2.2. Оценка существенности параметров
- •Оценка значимости уравнения регрессии
- •Оценка значимости параметров уравнения регрессии
- •2.3 Интервалы прогноза
- •3. Средняя ошибка аппроксимации
- •4.1. Нелинейная регрессия: классы и виды.
- •I. Регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам.
- •II. Регрессии, нелинейные по оцениваемым параметрам.
- •Оценка параметров моделей.
- •4.2. Корреляция для нелинейной регрессии
Тема №2. Парная (простая) регрессия и корреляция
План:
Виды регрессии. Спецификация модели.
Линейная регрессия и корреляция:
смысл и оценка параметров;
оценка существенности параметров;
интервалы прогноза.
Средняя ошибка аппроксимации.
Нелинейная регрессия:
4.1. классы и виды нелинейных регрессий;
4.2. корреляция для нелинейной регрессии.
1.Виды регрессии. Спецификация модели.
Эконометрика, прежде всего, связана с методами регрессии и корреляции.
Корреляционный анализ, разработанный К.Пирсоном и Дж.Юлом, является одним из методов статистического анализа взаимозависимости нескольких признаков. Показателями взаимозависимости случайных величин являются парные коэффициенты корреляции, частные и совокупные коэффициенты корреляции. Корреляционный анализ определяется как метод, применяемый тогда, когда данные наблюдений или эксперимента можно считать случайными и выбранными из генеральной совокупности, распределенной по многомерному нормальному закону. Основная задача корреляционного анализа состоит в оценке параметров, определяющих нормальный закон распределения.
После того как с помощью корреляционного анализа выявлено наличие статистически значимых связей между переменными и оценена степень их частоты, переходят к математическому описанию конкретного вида зависимостей с использованием регрессионного анализа. С этой целью подбирают класс функций, связывающий результативный показатель и аргументы, отбирают наиболее информативные аргументы, вычисляют оценки неизвестных значений параметров уравнения связи и анализируют точность полученного уравнения. Функция, описывающая зависимость условного среднего значения результативного признака от значений аргументов, называется функцией (уравнением) регрессии. (термин «регрессия», лат. – отступление, возврат к чему-либо.)
В зависимости от количества факторов, включенных в уравнение регрессии, различают простую (парную) и множественную регрессии.
Парная (простая) регрессия представляет собой регрессию между двумя переменными - у и х, т. е. модель вида: y=f(x),
где у — зависимая переменная (результативный признак);
х — независимая, или объясняющая, переменная (признак-фактор).
Множественная регрессия представляет собой регрессию результативного признака с двумя и большим числом факторов, т. е. модель вида: y=f(x1,x2,…,xk).
(В данной главе обратимся к парной регрессии.)
Эконометрическое исследование начинается со спецификации модели, т.е. с формулировки вида модели, т.е. с теории, устанавливающей связь между явлениями.
Прежде всего из всего круга факторов, влияющих на результативный признак, необходимо выделить наиболее существенно влияющие факторы. Парная регрессия достаточна, если имеется доминирующий фактор, который и используется в качестве объясняющей переменной.
Уравнение простой регрессии характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем в целом по совокупности наблюдений. Величина у складывается из двух слагаемых: y=yтx+E,
где y — фактическое значение результативного признака;
yтx. — теоретическое значение результативного признака, найденное исходя из соответствующей математической функции связи у и х, т. е. из уравнения регрессии;
E — случайная величина (возмущение), характеризующая отклонения реального значения результативного признака от теоретического, найденного по уравнению регрессии.