- •Этапы построения эконометрической модели
- •2. Парная регрессия
- •2.2. Оценка параметров модели
- •2.3. Оценка качества эконометрической модели
- •2.3.1.Коэффициент корреляции
- •2.3.2. Коэффициент детерминации
- •2.3.4. Средняя ошибка аппроксимации
- •2.4.Интервальная оценка функции регрессии и её параметров
- •2.5. Интерпретация результатов моделирования
- •2.6. Прогнозирование неизвестных значений зависимого признака y
- •2.7. Примеры решения задач
- •Линейная модель.
- •Степенная модель.
- •Модель показательной функции.
- •Модель равносторонней гиперболы.
- •2.8. Задачи для самостоятельного решения.
- •2.9. Задание для самостоятельной работы
- •Множественная регрессия
- •3.1. Отбор факторов в модель множественной регрессии
- •3.2. Оценка параметров уравнения множественной регрессии
- •3.3. Множественная корреляция
- •3.4. Коэффициент детерминации
- •3.5. Частные уравнения регрессии
- •3.6. Частные индексы корреляции
- •3.7. Оценка надежности результатов
- •3.8. Пример решения задачи
- •3.9. Задачи для самостоятельного решения.
- •3.10. Задание для самостоятельной работы
- •Моделирование одномерных временных рядов
- •Этапы построения модели временного ряда
- •Спецификация модели
- •Автокорреляция уровней временного ряда
- •Моделирование тенденции временных рядов
- •Моделирование сезонных и циклических колебаний.
- •Тест на обнаружение автокорреляции
- •Пример решения задачи
- •Задачи для самостоятельного решения.
- •Задания для самостоятельной работы.
2.3.4. Средняя ошибка аппроксимации
Средняя ошибка аппроксимации - среднее отклонение расчетных значений от фактических в процентах:
. (16)
При построении
модели предел допустимых значений
.
2.4.Интервальная оценка функции регрессии и её параметров
Для оценки
статистической значимости коэффициентов
регрессии и корреляции рассчитывается
-
критерий Стьюдента и доверительные
интервалы каждого из показателей.
Выдвигается гипотеза
о случайной природе показателей, т.е.
о незначимом их отличии от нуля. Оценка
значимости коэффициентов регрессии и
корреляции с помощью
-
критерия Стьюдента проводится путем
сопоставления их значений с величиной
случайной ошибки.
Рассчитываются:
.
Уравнение регрессии
представимо в виде:
.
Стандартная ошибка
,
т.е. стандартная ошибка прогнозного
значения зависит от ошибки
и ошибки коэффициента регрессии.
Определим стандартную ошибку через остаточную дисперсию на одну степень свободы:
Сравнивая
фактические и табличные значения
-
статистики
и
принимаем или отвергаем гипотезу
.
Связь между F-критерием Фишера и t-статистикой Стьюдента выражается равенством:
.
Если
<
,
но
отклоняется, т.е.
не случайно отличаются от нуля и
сформировались под влиянием систематически
действующего фактора
.
Если
>
,
то
не отклоняется и признается случайная
природа формирования
или
.
Для расчета
доверительного интервала определяем
предельную
ошибку
для каждого
показателя:
.
Тогда формула для расчета доверительных интервалов имеют следующий вид:
2.5. Интерпретация результатов моделирования
В линейной
эконометрической модели
свободный член
экономического смысла не имеет.
Коэффициент называется коэффициентом регрессии по . Он показывает, на сколько единиц в среднем изменяется переменная при увеличении переменной на одну единицу своего измерения.
Связь между у и х определяет знак коэффициента регрессии b (если > 0 – прямая связь, иначе - обратная).
Значительный
интерес для экономических исследований
представляют коэффициенты эластичности,
найденные по уравнениям регрессии.
Т.к. коэффициент Э не всегда const,
то используем среднее значение -
.
Таблица 2. Нахождение коэффициентов эластичности
y |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Средний коэффициент эластичности показывает, на сколько % в среднем по совокупности изменится результат от своей средней величины при изменении фактора на 1% от своего среднего значения
-
характеризует соотношение прироста
результата и фактора для соответствующей
формы связи.
В таблице представлены формулы для нахождения коэффициента эластичности для наиболее часто встречающихся функций.
