- •Содержание
- •Предисловие.
- •1. Эконометрика, предмет и метод
- •1.1. Предмет и метод
- •1.2. Эконометрическая модель
- •Шкала отношений (пропорциональная шкала)
- •1.3. Измерения в экономике
- •Номинальная шкала
- •Порядковая (ординальная, ранговая) шкала
- •Интервальная шкала (шкала разностей)
- •Особенность экономических измерений
- •Контрольные вопросы
- •Вопросы к тестам
- •Ключ к тестовым вопросам
- •2. Изучение взаимосвязей в эконометрике
- •2.1. Понятие о взаимосвязях. Методы выявления и измерения взаимосвязей
- •2.2. Метод сопоставления параллельных рядов. Корреляция альтернативных признаков
- •Расчет коэффициента Фехнера.
- •Коэффициент корреляции рангов Спирмена
- •Корреляция альтернативных признаков
- •2.3. Метод аналитических группировок
- •Выбор факторных признаков
- •Определение числа групп
- •Оценка линии регрессии
- •Измерение тесноты связи
- •Контрольные вопросы
- •Вопросы к тестам
- •Ключ к тестовым вопросам
- •2.4. Корреляционно-регрессионный анализ Основные понятия
- •2.4.1. Парная регрессия. Парная корреляция.
- •Отбор фактора в модель парной регрессии
- •Спецификация модели парной регрессии
- •2.4.1.1. Парная линейная регрессия
- •2.4.1.2. Парная линейная корреляция
- •2.4.1.3. Оценка надежности уравнения парной линейной регрессии, его параметров и коэффициента парной линейной корреляции
- •2.4.1.4. Парная нелинейная регрессия
- •Линеаризация полиномов разных степеней
- •Линеаризация равносторонней гиперболы
- •Линеаризация степенной функции
- •Линеаризация показательной функции
- •2.4.1.5. Коэффициенты эластичности в парных моделях
- •2.4.1.6. Парная нелинейная корреляция. В нелинейных моделях для определения силы связи рассчитывают индекс корреляции:
- •2.4.1.7. Оценка статистической надежности в парных нелинейных моделях
- •2.4.1.8. Прогнозирование на основе парной модели регрессии. Расчет доверительных интервалов
- •Расчет доверительного интервала для функции регрессии
- •Расчет доверительного интервала для индивидуальных значений результативного признака
- •Расчет доверительных интервалов для параметров уравнения регрессии
- •Контрольные вопросы
- •Вопросы к тестам
- •Ключ к тестовым вопросам
- •2.4.2. Множественная регрессия. Множественная Корреляция.
- •2.4.2.1. Множественная регрессия.
- •Отбор факторов модели множественной регрессии
- •Спецификация модели множественной регрессии
- •Расчет параметров уравнения множественной регрессии
- •2.4.2.2 Частные уравнения регрессии
- •2.4.2.3. Множественная корреляция
- •Скорректированный индекс множественной детерминации
- •2.4.2.4. Частная корреляция
- •2.4.2.5. Оценка надежности параметров множественной регрессии и корреляции
- •Контрольные вопросы
- •Вопросы к тестам
- •Множественная корреляция
- •Оценка надежности параметров множественной регрессии и корреляции
- •3. Системы эконометрических уравнений
- •Система независимых уравнений
- •Система рекурсивных уравнений
- •Система взаимозависимых уравнений
- •3.1. Структурные и приведенные системы одновременных уравнений
- •3.1.1. Проблема идентификации. Необходимое и достаточное условие идентификации
- •3.1.2. Оценивание параметров структурной модели
- •3.1.2.1. Косвенный метод наименьших квадратов (кмнк)
- •3.1.2.2. Двухшаговый метод наименьших квадратов (дмнк)
- •Контрольные вопросы
- •Вопросы к тестам
2.4.1.4. Парная нелинейная регрессия
Естественно, что кроме линейных взаимосвязей между явлениями природы, и тем более общественного мира существуют связи нелинейные. Соответственно изучать нелинейные связи при помощи линейной регрессии было бы не верно, для этого необходимо использовать нелинейные регрессии.
Но использование нелинейных регрессий связанно следующим ограничением – так как, параметры уравнения регрессии находят при помощи МНК, решая систему нормальных уравнений, а этот метод позволяет оценивать параметры или линейных уравнений или уравнений приводимых к линейному виду, то выбор нелинейных регрессий ограничен – должна существовать возможность линеаризации данных функций.
Регрессии, приводимые к линейному виду, подразделяют на два класса:
I. нелинейные относительно включенного в модель фактора (независимой переменной), но линейны относительно результата (зависимой переменной).
К первому классу относятся такие функции как, например:
полиномы разных степеней;
- полином второй степени
- полином третьей степени и т.д.
равносторонняя гипербола: .
II. нелинейные относительно включенного в модель результата, но линейны относительно фактора.
Ко второму классу относятся такие функции как, например:
степенная функция: .
показательная: .
экспоненциальная:
.
Рассмотрим линеаризацию наиболее часто применяемых функций:
Линеаризация полиномов разных степеней
Проводится следующим образом.
В параболе второй степени,
(61)
заменяя переменные
,
получим двухфакторное линейное уравнение
регрессии:
(62)
В параболе третьей степени,
(64)
заменяя переменные
,
получим трехфакторное линейное уравнение
регрессии:
(65)
Аналогичным образом поступим с полиномами более высоких порядков.
Из полиномов наибольшее распространение получила парабола второго порядка.
МНК для оценки параметров функция регрессии по линеаризованной параболе второго порядка дает следующую систему уравнений:
(66)
Пример 11.
Имеются данные о средней прибыли
(млн.
руб.) и затратах на рекламу
(млн.
руб.) за декаду, по выборке, равной 15-ти
предприятиям сферы торговли. Рассчитать
функцию регрессии параболы второго
порядка
Таблица 27
-
№
1
37,8
0,3
2
38,0
0,5
3
39,0
0,7
4
37,5
0,8
5
39,5
0,9
6
36,8
1,1
7
40,0
1,3
8
40,1
1,6
9
40,0
1,7
10
39,0
2,2
11
38,0
2,5
12
41,0
2,6
13
41,6
2,7
14
41,0
3,0
15
41,9
3,2
Решение. МНК для расчета параметров параболы второго порядка дает систему уравнений:
В таблице 28 рассчитаем все возможные значения:
Таблица 28
№ |
|
|
|
|
|
|
|
|
1 |
37,80 |
0,30 |
0,09 |
0,027 |
0,0081 |
11,34 |
3,402 |
38,023560 |
2 |
38,00 |
0,50 |
0,25 |
0,125 |
0,0625 |
19,00 |
9,500 |
38,158005 |
3 |
39,00 |
0,70 |
0,49 |
0,343 |
0,2401 |
27,30 |
19,110 |
38,307508 |
4 |
37,50 |
0,80 |
0,64 |
0,512 |
0,4096 |
30,00 |
24,000 |
38,387907 |
5 |
39,50 |
0,90 |
0,81 |
0,729 |
0,6561 |
35,55 |
31,995 |
38,472071 |
6 |
36,80 |
1,10 |
1,21 |
1,331 |
1,4641 |
40,48 |
44,528 |
38,651694 |
7 |
40,00 |
1,30 |
1,69 |
2,197 |
2,8561 |
52,00 |
67,600 |
38,846375 |
8 |
40,10 |
1,60 |
2,56 |
4,096 |
6,5536 |
64,16 |
102,656 |
39,166634 |
9 |
40,00 |
1,70 |
2,89 |
4,913 |
8,3521 |
68,00 |
115,600 |
39,280917 |
10 |
39,00 |
2,20 |
4,84 |
10,648 |
23,4256 |
85,80 |
188,760 |
39,908803 |
11 |
38,00 |
2,50 |
6,25 |
15,625 |
39,0625 |
95,00 |
237,500 |
40,330713 |
12 |
41,00 |
2,60 |
6,76 |
17,576 |
45,6976 |
106,60 |
277,160 |
40,478879 |
13 |
41,60 |
2,70 |
7,29 |
19,683 |
53,1441 |
112,32 |
303,264 |
40,630810 |
14 |
41,00 |
3,00 |
9,00 |
27,000 |
81,0000 |
123,00 |
369,000 |
41,109192 |
15 |
41,90 |
3,20 |
10,24 |
32,768 |
104,8576 |
134,08 |
429,056 |
41,446938 |
Итого |
591,20 |
25,10 |
55,01 |
137,573 |
367,7897 |
1004,63 |
2223,131 |
591,200005 |
Подставим эти значения в систему уравнений.
Разделим каждое из уравнений системы на число при , первое на 15, второе на 25,01 и третье на 55,01.
Далее вычтем из 5-го уравнения 4-е, и из 6-го уравнения 5-е. система примет вид:
Разделим каждое уравнение на число при , 7-е на 0,5183, а 8-е на 0,30924
Вычтем из 10-го уравнения 9-е
Значение параметра
Подставим значение
параметра
в уравнение (9) и найдем значение параметра
Подставим значение
параметров
в уравнение (1) и найдем значение параметра
Подставим параметры в уравнение
Подставляя в полученное уравнение и рассчитаем теоретические значения , занесем их в последний столбик таблицы.
