Икемділік
Икемділік түсінігін А.Маршал сұранысқа анализ жасау үшін енгізген. Бұл таза математикалық түсінік болғандықтан кез келген дифференциалданатын функцияға анализ жасауға қолданылады.
Анықтама:
функциясының
нүктесіндегі икемділігі
деп
шегін
айта
– ті икемділік коэффициенті деп те
атайды.Себебі (1) – ді
деп жазсақ.(2) 
–
пен
–
тің салыстырмалы өсімшелерінің
пропорционалдық коэффициенті болып
шығады.
Қасиеттері
Егер
болса, онда
дегі
Күрделі функция
икемділігі
– тің
кері функцияның
икемділігі.
қанағаттандырады.
Қайталау сұрақтары
1. Сызықтық емес модельдерді сызықтыққа келтіру жолдары?
2. Нарық моделін сұраныс, ұсыныс функция арқылы құру?
3. Икемділіктің экономикалық зерттеудегі орыны?
4. Өндірістік функциялардың қандай түрлерін білесіз?
13-ЛЕКЦИЯ
Мультиколлинеарлық құбылыс Мультиколлинеарлық
ЕКК әдісіне негізделген регрессивтік анализ дұрыс қорытынды беру үшін Гаусс-Марков шарттары деп аталынатын шарттар орындалуы керек.
1.
-
әртүрлі таңдама бойынша кездейсоқ шама
-дің
математикалық үміті нөлге тең болу
шарты.
Мысалы,
сызықтық регрессивтік модельдегі
,
.
Мұндағы
-
түсіндірілетін (қорытынды) айнымалы,
кездейсоқ емес
-
түсіндіретін (фактоллық) айнымалы, ал
-
ормальды үлестрілген кездейсоқ шама.
2.
-
әртүрлі таңдамалар үшін тұрақты.
3.
,
-
кездейсоқ шамалар өзара байланыста
емес (корреляциялық байланысы жоқ).
Мультиколлинеарлық түсінігі
ЕКК әдісімен көп айнымалы регрессивтік модель құру кезіндегі күрделі проблема – түсіндіретін факторлық айнымалылардың екеуінің немесе бірнешеуінің арасындағы сызықтық байланыс – мультиколлинеарлық.
Мультиколлинеарлық бар болғанымен, ЕКК әдісімен регрессиялық модельді формальды түрде бағалауға болады. Бірақ, мұндай бағалаудың төмендегідей жетіспестіктері болады:
1) берілгендерді сәл өзгерткеннің өзінде регрессия бағалауы едәуір өзгеріп кетеді;
2) бағалаудың үлкен стандартты қателері болып, бағалау мағыналығы азаяды, бірақ модель арқылы маңызды болып қала береді.
Сөйтіп, факторлар арасындағы мультиколлинеарлық дұрыс айқындалмай қалуы мүмкін.
Мультиколлинеарлықтың зиянды салдарлары
1. Стандарттық қателердің, яғни үлкен дисперсиялардың болуы айқындаушы шамалардың нақты мәндерін табуды, интервалдық бағалаудың дәлдігін анықтауды қиындатады;
2. t-статистика коэффициенттерін төмендетіп, түсіндіруші және түсіндірілетін айнымалыларды бір-біріне нақты әсерінен дұрыс қорытынды шығара алмауға әкеледі;
3. ЕКК әдісімен алынған коэффициенттерді бағалау, стандарттық қателер берілгендердің сәл-пәл өзгерісінің өзінде тұрақтала алмай өзгермелі болып қалады;
4. әрбір түсіндіруші (факторлық) айнымалылардың түсіндірілетін (қорытынды) айнымалыға қаншалықты әсері бар екенін анықтау қиынға түседі;
5. Регрессия коэффициенттерінің таңбаларының дұрыс болмауына әкеліп соғуы мүмкін.