- •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.
20.Множественная корреляция.
Практическая значимость уравнения множественной регрессии оценивается с помощью показателя множественной корреляции и его квадрата – коэффициента детерминации. Показатель множественной корреляции характеризует тесноту связи рассматриваемого набора факторов с исследуемым признаком, или, иначе, оценивает тесноту совместного влияния факторов на результат.
Независимо от формы связи показатель множественной корреляции может быть найден как индекс множественной корреляции:
, где - общая дисперсия результативного признака;
- остаточная дисперсия для уравнения у = f(x1,x2, … ,xp).
Методика построения индекса множественной корреляции аналогична построению индекса корреляции для парной зависимости. Границы его изменения те же: от 0 до 1, чем ближе его значение к 1, тем теснее связь результативного признака со всем набором исследуемых факторов. Величина индекса множественной корреляции должна быть больше или равна максимальному парному индексу корреляции:
.
При правильном включении факторов в регрессионный анализ величина индекса множественной корреляции будет существенно отличаться от индекса корреляции парной зависимости. Если же дополнительно включенные в уравнение множественной регрессии факторы третьестепенны, то индекс множественной корреляции может практически совпадать с индексом парной корреляции. Отсюда ясно, что, сравнивая индексы множественной и парной корреляции, можно сделать вывод о целесообразности включения в уравнение регрессии того или иного фактора.
Можно воспользоваться следующей формулой индекса множественной корреляции:
При линейной зависимости признаков формула индекса корреляции может быть представлена следующим выражением:
, где - стандартизованные коэффициенты регрессии
- парные коэффициенты корреляции результата с каждым фактором.
Величина множественного коэффициента корреляции зависит не только от корреляции резальтата с каждым из факторов, но и от межфакторной корреляции:
Рассмотренная формула позволяет определить совокупный коэффициент корреляции, не обращаясь при этом к уравнению множественной регрессии, а используя лишь парные коэффициенты корреляции.
Скорректированный индекс множественной корреляции содержит поправку на число степеней свободы, а именно остаточная сумма квадратов делится на число степеней свободы остаточной вариации (n-m-1), а общая сумма квадратов отклонения- на число степеней свободы в целом по совокупности (n-1).
Поскольку =1-R2, то
22.Частные коэффициенты корреляции
Коэффициент частной корреляции измеряет тесноту линейной связи между отдельным фактором и результатом при устранении воздействия прочих факторов модели.
Для качественной оценки тесноты связи можно использовать следующую классификацию:
0.1- 0.3- слабая связь
0.3-0.5 – умеренная связь
0.5-0.7- заметная связь
0.7-0.9- тесная связь
0.9-0.99- весьма тесная
Для расчета частных коэффициентов корреляции могут быть использованы парные коэффициенты корреляции.
Для случая зависимости Y от двух факторов можно вычислить 2 коэффициента частной корреляции:
(2-ой фактор фиксирован);
(1-ый фактор фиксирован).
Это коэффициенты частной корреляции 1-ого порядка (порядок определяется числом факторов, влияние которых на результат устраняется).
Частные коэффициенты корреляции, рассчитанные по таким формулам изменяются от -1 до +1. Они используются не только для ранжирования факторов модели по степени влияния на результат, но и также для отсева факторов. При малых значениях нет смысла вводить в уравнение m-ый фактор, т.к. качество уравнения регрессии при его введении возрастет незначительно (т.е. теоретический коэффициент детерминации увеличится незначительно