- •1.История развития эконометрики как науки
- •2.Определение (предмет) эконометрики
- •3.Эконометрический метод и этапы эконометрического исследования
- •4.Измерения в экономике
- •5.Парная регрессия и корреляция. Способы задания уравнения парной регрессии
- •6.Линейная модель парной регрессии. Смысл и оценка параметров.
- •7.Оценка существенности параметров и уравнения линейной регрессии
- •9.Прогноз по линейному уравнению регрессию.
- •10.Средняя ошибка аппроксимации
- •12.Корреляция и детерминация для нелинейной регрессии.
- •13.Коэффициенты эластичности для разных видов регрессионных моделей.
- •15.Оценка адекватности модели.
- •18.Отбор факторов при построении уравнения множественной регрессии.
- •20.Множественная корреляция.
- •22.Частные коэффициенты корреляции
- •24.Частный f-критерий Фишера для уравнения множественной регрессии
- •26.Фиктивные переменные во множественной регрессии
- •31.Структурная и приведенная формы модели.
- •34.Основные элементы временного ряда.
- •35.Автокорреляция уровней временного ряда и выявление его структуры.
- •36.Моделирование тенденции временного ряда.
- •37.Моделирование сезонных и циклических колебаний: аддитивная и мультипликативная модель временного ряда.
- •38.Автокорреляция а остатках. Критерий Дарбина-Уотсона.
- •39.Методы исключения тенденции.
- •40.Динамические эконометрические модели.
- •41.Характеристика модели с распределенным лагом.
6.Линейная модель парной регрессии. Смысл и оценка параметров.
Регрессия-зависимость среднего значения к-л. Св от некоторой др.величины или от нескольких величин.
Опр-ся в стат.понимании этого термина или аналитич.выражение формы связи.
Регрессиия вида Yx=A+Bx+E (общий вид модели парнойрегрессии), называется регрессией (функциональной в вероятном пониманиии этого термина
Y-результативный признак(отклик)
x-факторный признак (регрессор)
Yx=f(x)+E
Е-случайное возмещение , то есть часть зависимой переменной которая не может быть обьяснена значением факторного признака.
Если Е=е : наблюдаемое значение СВ (или остатки), может возникать в случаях :
1)неправильная выборка факторов
2)ошибочное измерение показателей
3)регрессионный анализ
Регрессионый анализ –процесс определения аналитич.выр-я ф-й связи (опр. Формы связи)
y-фактические значения результативного признака
Yx-теоретические (расчетные)значения результативного признака, полученные путем подстановки в ур-ние регресси фактических значений факторного признака.
А,в – коэф.ур-я регрессии
А-свободный член ур-ия; на графике показывает начальную координату, то есть расстояние от начала координат до точки пересечения линии регрессии с оу
В-коэф.регрессии; н аграфике показывают угол наклона регрессии, то есть на ск-ко единиц в среднем изменится результативный признак с изменением факторного на одну еденицу; знам коэф регрессии указывает на направление регрессии
В>0-связь прямая
B<0-связь обратная
7.Оценка существенности параметров и уравнения линейной регрессии
Оценка значимости уравнения регрессии в целом производится на основе F-критерия Фишера, при этом выдвигается нулевая гипотеза, что коэффициент регрессии b=0, и, следовательно фактор x не оказывает влияния на результат y.
Непосредственно расчету F-критерий Фишера предшествует дисперсионный анализ.
Согласно основной идее дисперсионного анализа, общая сумма квадратов отклонений переменной y от среднего значения раскладывается на две части – «объясненную» и «необъясненную»:
, где
–общая сумма квадратов отклонений;
–сумма квадратов отклонений, объясненная регрессией (или факторная сумма квадратов отклонений);
–остаточная сумма квадратов отклонений, характеризующая влияние неучтенных в модели факторов.
Схема дисперсионного анализа имеет вид (n– число наблюдений, m – число параметров при переменной x).
Компоненты дисперсии |
Сумма квадратов |
Число степеней свободы |
Дисперсия на одну степень свободы |
Общая |
n-1 | ||
Факторная |
m | ||
Остаточная |
n-m-1 |
Определение дисперсии на одну степень свободы приводит дисперсии к сравнимому виду. Сопоставляя факторную и остаточную дисперсии в расчете на одну степень свободы, получим величину F-критерия Фишера:
Фактическое значение F-критерия Фишера сравнивается с табличным значением Fтабл(a;k1,k2) при уровне значимости a и степенях свободы k1=m и k2=n-m-1. При этом, если фактическое значение F-критерия больше табличного, то гипотеза H0 отклоняется, делается вывод о существенности связи между x и y, признается статистическая значимость уравнения в целом.
Для парной линейной регрессииm=1, поэтому
.
Величина F-критерия связана с коэффициентом детерминации , и ее можно рассчитать по следующей формуле: