- •Сущность управленческого решения
- •Классификация управленческих решений
- •Обеспечение сопоставимости альтернативных вариантов принятия решений
- •Учет фактора риска при принятии решений
- •Виды взаимосвязи статистических показателей.
- •Оценка тесноты корреляционной связи и ее статистической значимости.
- •Предпосылки метода наименьших квадратов
- •Определение параметров уравнения парной линейной регрессии.
- •Оценка качества уравнения регрессии.
- •Оценка статистической значимости коэффициентов регрессии.
- •Интерпретация коэффициентов регрессии. Коэффициент эластичности
- •Доверительные интервалы для коэффициентов регрессии
- •Прогнозирование на основе линейного уравнения регрессии. Доверительные интервалы для зависимой переменной.
- •Нелинейная регрессия.
- •Модель множественной регрессии. Определение параметров уравнения множественной регрессии.
- •Использование фиктивных переменных в сезонном анализе.
- •Регрессионные модели с фиктивной зависимой переменной.
- •Линейные балансовые модели. Статическая модель межотраслевого баланса Леонтьева.
- •Балансовые модели в расчетах затрат и цен на продукцию (услуги) внутрипроизводственных подразделений предприятия
Интерпретация коэффициентов регрессии. Коэффициент эластичности
Коэффициент эластичности представляет собой показатель силы связи фактора x с результатом у, показывающий, на сколько процентов изменится значение у при изменении значения фактора на 1 %. Коэффициент эластичности (Э) рассчитывается как относительное изменение у на единицу относительного изменения x:
где dy/dx=y' - производная
функции.
Эластичность
функции показывает приближенно, на
сколько процентов изменяется
функция y=f(x) при
изменении независимой переменной x на
1%.
Различают обобщающие
(средние) и точечные коэффициенты
эластичности.
Обобщающий
коэффициент эластичности рассчитывается
для среднего значения
:
и
показывает, на сколько процентов
изменится у относительно
своего среднего уровня при росте х на
1 % относительно
своего среднего уровня.
Точечный
коэффициент эластичности рассчитывается
для конкретного значения х
= х0:
и
показывает, на сколько процентов
изменится у относительно
уровня у(х0) при
увеличении х на
1% от уровня х0.
В
зависимости от вида зависимости
между х и у формулы
расчета коэффициентов эластичности
будут меняться. Основные формулы
приведены в таблице.
Вид функции y = f(x) |
Точечный коэффициент эластичности |
Средний коэффициент эластичности |
Линейная y = b0 + b1x |
|
|
Парабола y= a + bx + cx2 |
|
|
Равносторонняя гипербола y = a + b/x |
|
|
Степенная y=axb |
Э(x0) = b |
Э(x) = b |
Показательная y=abx |
Э(x0)=x0 ln(b) |
|
Только для степенных функций y=a·xb коэффициент эластичности представляет собой постоянную независящую от х величину (равную в данном случае параметру b). Именно поэтому степенные функции широко используются в эконометрических исследованиях. Параметр b в таких функциях имеет четкую экономическую интерпретацию – он показывает процентное изменение результата при увеличении фактора на 1%. Так, если зависимость спроса уот цен p характеризуется уравнением вида: y=200p-1,5, то, следовательно, с увеличением цен на 1% спрос снижается в среднем на 1,5%. Несмотря на широкое использование в эконометрике коэффициентов эластичности, возможны случаи, когда их расчет экономического смысла не имеет. Это происходит тогда, когда для рассматриваемых признаков бессмысленно определение изменения значений в процентах. Например, бессмысленно определять, на сколько процентов изменится заработная плата с ростом возраста рабочего на 1%. В такой ситуации степенная функция, даже если она оказывается наилучшей по формальным соображениям (исходя из наибольшего значения R2), не может быть экономически интерпретирована.
Доверительные интервалы для коэффициентов регрессии
Доверительный интервал — термин, используемый в математической статистике при интервальной оценке статистических параметров, более предпочтительной при небольшом объёме выборки, чем точечная. Доверительным называют интервал, который покрывает неизвестный параметр с заданной надёжностью.
Метод доверительных интервалов разработал американский статистик Ежи Нейман, исходя из идей английского статистика Рональда Фишера
