- •Лекция 1. Содержание и методы эконометрии
- •Лекция 2. Множественная регрессия
- •Лекция 3. Статистические оценки для множественной регрессии Коэффициент множественной корреляции
- •Корреляционная матрица
- •Лекция 4. Соотношения между коэффициентами корреляции
- •Частным коэффициентом корреляции между и называется показатель корреляционной зависимости между этими факторами при фиксированном значении остальных факторов.
- •Разложение коэффициента множественной детерминации
- •Коэффициенты частной детерминации
- •Отбор существенных факторов
- •Мультиколлинеарность
- •Лекция 6. Автокорреляция
- •Возможные причины автокорреляции:
- •Обобщенный метод наименьших квадратов
- •Лекция 7. Множественные нелинейные регрессии
- •Оценка параметров логистической регрессии
- •Разностный метод решение дифференциального уравнения
- •Лекция 8. Примеры конкретных моделей Анализ индивидуального рынка
- •Определение максимальной прибыли
- •Использование рассмотренной модели:
- •Использование фиктивных факторов в множественной регрессии
- •Лекция 9. Производственная регрессия
- •Темп прироста производственной регрессии
- •Изокванты
- •Производственная регрессия в общем случае означает, что в модели факторов.
- •Лекция 10. Предельная производительность и предельный продукт
- •Закон убывания предельной производительности труда
- •Закон убывания предельной производительности капитала
- •Лекция 11. Лаговые модели
- •II. Метод Джонстона.
- •III. Метод Койка.
- •Лекция 12 . Системы одновременных регрессий
- •Прогнозная форма рекурсивной модели
- •Непрямой мнк оценки параметров системы двух регрессий:
- •Непрямой метод наименьших квадратов в матричной форме
- •Система из n регрессий
- •Лекция 13. Двухшаговый метод наименьших квадратов
- •Модифицированный 2-х шаговый метод наименьших квадратов
- •Список литературы
Разложение коэффициента множественной детерминации
Имеем зависимость: .
Задача: оценить влияние каждого коэффициента на.
Выбирается индекс .
Все переменные в задаче остаются неизменными, а среднее значение фактора увеличится на:
В результате изменение вызванное изменением факторапосле преобразования может быть получено в следующем виде:
.
Рассмотрим, насколько велика доля этого изменения в общей вариации:
,
где – дисперсия признака,– дисперсия;– стандартизованный коэффициент (или стандартизованный параметр).
Смысл: квадрат стандартизованного параметра показывает, какова доля влияния фактора на вариацию показателя.
Совместное влияние факторов создает системный эффект вариации - влияние всех факторов на показатель:
|
(4) |
Коэффициенты частной детерминации
, |
(5) |
где – парный коэффициент корреляции (междуи),– стандартизированный коэффициент;
|
(6) |
Коэффициент множественной корреляции:
|
(7) |
Коэффициент корреляции между отклонениями и показателем
, |
(8) |
где числитель – ковариационный момент; знаменатель – дисперсия.
Предположение: ошибки имеют среднее значение равное нулю . В результате формула упрощается:
(9) |
Смысл: чем ближе к единице, тем точнее модель описывает связи между переменными (то есть тем меньше коэффициенти меньше влияние).
Коэффициент корреляции между расчетными и фактическими значениями показателя
|
(10) |
(11) |
Скомбинируем формулы (9) и (10), получим уравнение:
(12) |
Выражение оценок параметров регрессии через числовые характеристики
Выполним центрирование всех переменных: ;.
Уравнение зависимости:
Парные коэффициенты корреляции:
|
(13) |
Получим корреляционную матрицу через нормированные исходные данные.
Нормирование: .
Запишем исходные нормированные данные в виде матрицы:
.
Формулы для коэффициентов корреляции: .
Корреляционная матрица (расширенная):
,
Оценки модели:
, |
(14) |
где–алгебраические дополнения элементов матрицы.
Формула для :
|
(15) |
ЛЕКЦИЯ 5. АНАЛИЗ МНОЖЕСТВЕННОЙ ЛИНЕЙНОЙ РЕГРЕССИИ
Выполним центрирование и нормирование переменных:
; ;.
Множественная линейная регрессия в стандартизованном масштабе: .
Система нормальных уравнений имеет вид:
|
(1) |
Если решать систему по методу Крамера получим:
|
(2) |
|
(3) |
Изменение фактора напри неизменных значениях других факторов вызовет изменение среднеквадратического отклоненияна.
Получим матричную форму соответствующей системы уравнений. Для этого используем такие обозначения:
–корреляционная матрица факторов. составляемая из парных коэффициентов корреляции ().
Матрица столбец коэффициентов корреляции и:
Столбец оценок стандартизованных параметров:
Систему (1) можно записать в матричной форме:
|
(4) |
количество уравнений совпадает с количеством неизвестных. Матрица – квадратная.
Систему в матричной форме можно решить матричным методом:
|
(5) |
Выразим в матричной форме коэффициент множественной детерминации:
,
где – скалярное произведение двух векторов.
|
(6) |