
- •Гельруд я.Д.
- •Оглавление
- •Контрольная работа по Эконометрике
- •1. Введение в корреляционно-регрессионный анализ.
- •1.1. Соотношения между экономическими переменными.
- •1.2. Линейная связь, корреляция.
- •2.1. Определения. Парная регрессия. Метод наименьших квадратов (мнк).
- •2.2. Свойства оценок мнк.
- •2.3. Показатели качества регрессии.
- •Таким образом, получено уравнение регрессии
- •2.4. Множественная регрессия.
- •2.5. Формирование регрессионных моделей на компьютере с помощью ппп Excel
- •2.5.1. Однофакторная регрессия.
- •2.5.2. Многофакторная регрессия.
- •2.7. Обобщенный метод наименьших квадратов.
- •3. Нелинейные модели регрессии и их линеаризация
- •3.1. Мультипликативные модели регрессии и их линеаризация.
- •3.2. Гиперболическая регрессия. Полиномиальная и кусочно-полиномиальная регрессия.
- •3.3. Экспоненциальная и степенная регрессии.
- •4. Временные ряды.
- •4.1. Характеристики временных рядов. Выявление тренда в динамических рядах экономических показателей.
- •4.3. Статистика Дарбина-Уотсона.
- •Контрольные вопросы по курсу «эконометрика».
- •Контрольные задания по курсу «эконометрика».
2.2. Свойства оценок мнк.
Оценки, сделанные с помощью МНК, обладают следующими свойствами:
оценки являются несмещенными, т.е. математическое ожидание оценки каждого параметра равно его истинному значению. Это вытекает из того, что М=0, и говорит об отсутствии систематической ошибки в определении положения линии регрессии;
оценки состоятельны, так как дисперсия оценок параметров при возрастании числа наблюдений стремится к нулю. Иначе говоря, надежность оценки при увеличении выборки растет;
оценки эффективны, они имеют наименьшую дисперсию по сравнению с любыми другими оценками данного параметра (при линейной аппроксимации). В англоязычной литературе они называются BLUE (Best Linear Unbiased Estimators – наилучшие линейные несмещенные оценки).
2.3. Показатели качества регрессии.
Надежность получаемых оценок 0 и 1 зависит от дисперсии отклонений переменной у от оцененной линии регрессии i = уi – 0 – 1хi. Несмещенная оценка дисперсии случайной составляющей вычисляется по формуле
,
(8)
и является мерой разброса зависимой переменной вокруг линии регрессии (необъясненная дисперсия).
В качестве меры того, насколько хорошо регрессия описывает данную систему наблюдений, служит коэффициент детерминации, при этом вычисляются следующие суммы квадратов отклонений:
S2=
i
(yi
–
)2
– фактических значений от их среднего
арифметического;
Ŝ2=
i
(ŷi
–
)2
– выровненных значений от среднего
арифметического
фактических значений;
Š2= i (yi – ŷ i)2 – фактических от выровненных значений.
Имеет место равенство S2= Ŝ2 + Š2.
Коэффициент детерминации есть отношение объясненной части вариации ко всей вариации в целом
R2= Ŝ2 / S2 =1 – Š2/S2. (9)
Таким образом, чем «ближе» этот коэффициент к единице, тем лучше описание, разумеется, если при этом модель методически правильна.
Пример 1.Исследуем зависимость розничного товарооборота (млрд. руб.) магазинов от среднесписочного числа работников. В табл.1 во втором и третьем столбцах приведены значения соответственно объемов розничного товарооборота(у) и среднесписочного числа работников(х), а в следующих столбцах – значения необходимых расчетных величин.
Таблица 1
номер |
у |
х |
(х
– |
(у
–
|
х2 |
ху |
ŷ |
ε |
ε2 |
1 |
3 |
2 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
1 |
0,5 |
73 |
1600 |
0,49 |
5329 |
36,5 |
0,43 |
0,07 |
0,0049 |
2 |
0,7 |
85 |
784 |
0,25 |
7225 |
59,5 |
0,661 |
0,039 |
0,0015 |
3 |
0,9 |
102 |
121 |
0,09 |
10404 |
91,8 |
0,998 |
-0,098 |
0,0096 |
4 |
1,1 |
115 |
4 |
0,01 |
13225 |
126,5 |
1,239 |
-0,139 |
0,0193 |
5 |
1,4 |
122 |
81 |
0,04 |
14884 |
170,8 |
1,373 |
0,027 |
0,0007 |
6 |
1,4 |
126 |
169 |
0,04 |
15876 |
176,4 |
1,45 |
-0,05 |
0,0025 |
7 |
1,7 |
134 |
441 |
0,25 |
17956 |
227,8 |
1,604 |
0,096 |
0,0092 |
8 |
1,9 |
147 |
1156 |
0,49 |
21609 |
279,3 |
1,854 |
0,046 |
0,0021 |
сумма |
9,6 |
904 |
4356 |
1,66 |
106508 |
1168,6 |
9,592 |
0,001 |
0,0479 |
средн. |
1,2 |
113 |
544,5 |
0,2075 |
13313,5 |
146,075 |
1,199 |
0,0001 |
0,0060 |
В соответствии с (6)
1=(
–
)/(
– (
)2)
=(146,075 – 1131,2)/544,5=0,01924;
0=(()
–
)/(
–(
)2)=(13313,51,2–113146,075)/544,5=
-0,974.