- •080101.65 «Экономическая
- •1. Параметры уравнения регрессии.
- •Коэффициент корреляции
- •Степенная
- •1. Параметры уравнения регрессии. Выборочные средние. Выборочные дисперсии: Среднеквадратическое отклонение Коэффициент корреляции b можно находить по формуле, не решая систему непосредственно:
- •Экспоненциальная
- •1. Параметры уравнения регрессии. Выборочные средние. Выборочные дисперсии: Среднеквадратическое отклонение Коэффициент корреляции b можно находить по формуле, не решая систему непосредственно:
- •Показательная
- •1. Параметры уравнения регрессии. Выборочные средние. Выборочные дисперсии: Среднеквадратическое отклонение Коэффициент корреляции b можно находить по формуле, не решая систему непосредственно:
- •Гипербола
- •1. Параметры уравнения регрессии. Выборочные средние.
Степенная
Уравнение парной регрессии. Использование графического метода. Этот метод применяют для наглядного изображения формы связи между изучаемыми экономическими показателями. Для этого в прямоугольной системе координат строят график, по оси ординат откладывают индивидуальные значения результативного признака Y, а по оси абсцисс - индивидуальные значения факторного признака X. Совокупность точек результативного и факторного признаков называется полем корреляции. На основании поля корреляции можно выдвинуть гипотезу (для генеральной совокупности) о том, что связь между всеми возможными значениями X и Y носит степенной характер. Степенное уравнение регрессии имеет вид y = a xb Оценочное уравнение регрессии (построенное по выборочным данным) будет иметь вид y = a xb + ε, где ei – наблюдаемые значения (оценки) ошибок εi, а и b соответственно оценки параметров α и β регрессионной модели, которые следует найти. Здесь ε - случайная ошибка (отклонение, возмущение). Причины существования случайной ошибки: 1. Невключение в регрессионную модель значимых объясняющих переменных; 2. Агрегирование переменных. Например, функция суммарного потребления – это попытка общего выражения совокупности решений отдельных индивидов о расходах. Это лишь аппроксимация отдельных соотношений, которые имеют разные параметры. 3. Неправильное описание структуры модели; 4. Неправильная функциональная спецификация; 5. Ошибки измерения. Так как отклонения εi для каждого конкретного наблюдения i – случайны и их значения в выборке неизвестны, то: 1) по наблюдениям xi и yi можно получить только оценки параметров α и β 2) Оценками параметров α и β регрессионной модели являются соответственно величины а и b, которые носят случайный характер, т.к. соответствуют случайной выборке; После линеаризации получим: ln(y) = ln(a) + b ln(x) Для оценки параметров α и β - используют МНК (метод наименьших квадратов). Метод наименьших квадратов дает наилучшие (состоятельные, эффективные и несмещенные) оценки параметров уравнения регрессии. Но только в том случае, если выполняются определенные предпосылки относительно случайного члена (ε) и независимой переменной (x). Формально критерий МНК можно записать так: S = ∑(yi - y*i)2 → min Система нормальных уравнений. a•n + b∑x = ∑y a∑x + b∑x2 = ∑y•x Для наших данных система уравнений имеет вид 20a + 129.98 b = 121.36 129.98 a + 846.03 b = 789.73 Домножим уравнение (1) системы на (-6.5), получим систему, которую решим методом алгебраического сложения. -129.98a -844.87 b = -788.84 129.98 a + 846.03 b = 789.73 Получаем: 1.16 b = 0.89 Откуда b = 0.7741 Теперь найдем коэффициент «a» из уравнения (1): 20a + 129.98 b = 121.36 20a + 129.98 • 0.7741 = 121.36 20a = 20.74 a = 1.0371 Получаем эмпирические коэффициенты регрессии: b = 0.7741, a = 1.0371 Уравнение регрессии (эмпирическое уравнение регрессии): y = e1.03709266x0.7741 = 2.821x0.7741 Эмпирические коэффициенты регрессии a и b являются лишь оценками теоретических коэффициентов βi, а само уравнение отражает лишь общую тенденцию в поведении рассматриваемых переменных. Для расчета параметров регрессии построим расчетную таблицу
ln(x) |
ln(y) |
ln(x)2 |
ln(y)2 |
ln(x) • ln(y) |
6.82 |
6.39 |
46.47 |
40.84 |
43.56 |
7 |
6.03 |
48.98 |
36.4 |
42.22 |
6.41 |
5.87 |
41.05 |
34.45 |
37.6 |
6.78 |
6.27 |
45.91 |
39.25 |
42.45 |
7.18 |
6.84 |
51.56 |
46.78 |
49.11 |
6.39 |
6.02 |
40.77 |
36.25 |
38.45 |
6.63 |
6.26 |
43.9 |
39.23 |
41.5 |
6.27 |
5.91 |
39.3 |
34.87 |
37.02 |
6.25 |
5.9 |
39.11 |
34.78 |
36.88 |
6.29 |
5.82 |
39.56 |
33.84 |
36.59 |
6.29 |
6.01 |
39.58 |
36.16 |
37.84 |
6.53 |
6.11 |
42.58 |
37.38 |
39.89 |
6.29 |
5.91 |
39.51 |
34.87 |
37.12 |
6.38 |
5.79 |
40.68 |
33.56 |
36.95 |
6.44 |
6.13 |
41.47 |
37.59 |
39.48 |
6.26 |
5.94 |
39.13 |
35.29 |
37.16 |
6.44 |
6.08 |
41.47 |
37.02 |
39.18 |
6.26 |
5.84 |
39.13 |
34.11 |
36.54 |
6.49 |
5.99 |
42.11 |
35.93 |
38.9 |
6.61 |
6.24 |
43.75 |
38.97 |
41.29 |
129.98 |
121.36 |
846.03 |
737.56 |
789.73 |