- •Введение
- •Основные этапы эконометрического исследования:
- •Основные типы моделей:
- •Тема 1. Основные понятия теории вероятностей
- •1.1. Вероятностный эксперимент, событие, вероятность.
- •1.2. Случайные величины
- •1.3. Числовые характеристики св
- •Свойства математического ожидания:
- •Свойства дисперсии:
- •1.4. Законы распределений св
- •1. Закон равномерного распределения вероятностей
- •2. Нормальный закон распределения
- •3. Распределение
- •4. Распределение Стьюдента(t – распределение)
- •5. Распределение Фишера (f – распределение)
- •( Число степеней свободы)
- •Тема 2. Базовые понятия статистики.
- •2.1. Выборка и генеральная совокупность
- •2.2. Способы представления и обработки экономических данных
- •2.3. Статистические оценки параметров распределения
- •2.4. Статистическая проверка гипотез
- •Тема 3. Соотношения между экономическими переменными. Линейная связь. Корреляция
- •3.1. Коэффициент линейной корреляции
- •3.2. Оценка значимости (достоверности) коэффициента корреляции
- •Тема 4. Парная линейная регрессия. Метод наименьших квадратов
- •Тема 5. Оценка качества полученного уравнения (верификация)
- •5.1. Оценка общего качества уравнения регрессии
- •5.2. Оценка существенности параметров линейной регрессии и всего уравнения в целом
- •5.2.1. Анализ статистической значимости коэффициентов линейной регрессии
- •5.2.2. Анализ статистической значимости уравнения в целом. Распределение Фишера в регрессионном анализе
- •5.3. Проверка предпосылок, лежащих в основе мнк
- •5.3.1. Проверка первой предпосылки мнк
- •5.3.2. Проверка второй предпосылки мнк
- •5.3.3. Автокорреляция ошибок. Статистика Дарбина-Уотсона
- •Методы устранения автокорреляции. Авторегрессионное преобразование
- •5.3.4. Проверка гомоскедастичности дисперсии ошибок
- •Обобщенный метод наименьших квадратов (омнк)
- •Тема 6. Множественная корреляция и линейная регрессия
- •6.1. Спецификация модели. Отбор факторов при построении уравнения множественной регрессии
- •6.2. Метод наименьших квадратов (мнк)
- •6.3. Анализ качества эмпирического уравнения множественной линейной регрессии
- •Тема 7. Прогнозирование
- •7.1. Оценка прогнозных качеств модели
- •7.2. Интервалы прогноза по линейному уравнению регрессии
- •Тема 8. Нелинейные модели регрессии. Простейшие методы линеаризации
- •Тема 9. Фиктивные переменные в регрессионных моделях
- •Тема 10. Системы эконометрических уравнений
- •10.1. Общее понятие о системах уравнений, используемых в эконометрике
- •10.2. Структурная и приведенная формы модели
- •10.3. Проблема идентификации
- •Косвенный метод наименьших квадратов (кмнк);
- •Двухшаговый метод наименьших квадратов (дмнк);
- •Тема 11. Временные ряды в эконометрических исследованиях в.1. Выявление структуры временного ряда
2.2. Способы представления и обработки экономических данных
Задачей статистического описания выборки является получение такого её представления, которое позволяет наглядно выявить вероятностные характеристики.
Различают следующие способы упорядочения данных: по возрастанию, по совпадающим значениям, по интервалам и т.п.
Разность между максимальным и минимальным значениями выборки называется размахом выборки: .
Пусть объём выборки равен n, а число различных значений k (n). Тогда значения называютсявариантами.
Если значение встретилось в выборкераз, то числоназываютчастотой значения .
Отношение частоты к объёму выборкиназываетсяотносительной частотой:
.
Тогда наблюдаемые значения можно сгруппировать в статистический ряд:
Х |
|
|
… |
|
|
|
|
… |
|
|
|
|
… |
|
, .
Статистический ряд наглядно можно представить в виде полигона частот (или полигона относительных частот) – ломаной линии, отрезки которой соединяют (,) (или (,)).
Пример 1. Анализируется прибыль Х предприятий отрасли. Обследованы 100 предприятий. Данные представлены в виде статистического ряда:
Х |
5 |
10 |
15 |
20 |
25 |
|
5 |
20 |
40 |
25 |
10 |
|
0,05 |
0,2 |
0,4 |
0,25 |
0,1 |
Построить полигон частот.
Решение.
По статистическому ряду можно строить эмпирическую функцию распределения F*(x).
, где - число значений СВХ< х, - объём выборки.
Свойства F*(x):
0 ≤ ≤ 1.
- неубывающая функция, т.е. .
.
Эмпирическая функция распределения является оценкой функции распределения , которая называетсятеоретической функцией распределения.
При большом объёме выборки (или в случае непрерывного признака) её элементы могут быть сгруппированы в интервальный статистический ряд. Для этого все наблюдаемых значений выборки разбиваются наk непересекающихся интервалов длиной h (- шаг разбиения). И находят для каждого частичного интервала - количество наблюдаемых значений СВХ, попавших в i-й интервал. - относительная частота попадания СВХ в i-й интервал. Тогда интервальный статистический ряд имеет вид:
… | ||||
… | ||||
… |
Интервальный статистический ряд наглядно может быть представлен в виде гистограммы частот – столбиковой диаграммы, состоящей из прямоугольников, основаниями которых служат подынтервалы, а высота равна (плотность частоты). Площадь i-го прямоугольника равна ,а площадь всей гистограммы частот равна сумме всех частот, т.е. объёму выборки .
Для построения гистограммы относительных частот основание прямоугольника также равно h, а высота . Площадь каждого столбика равна . Площадь всей гистограммы относительных частот равна.
На основании гистограммы обычно выдвигается предположение о виде закона распределения исследуемой величины.
Пример 2. Анализируется доход населения. Извлечена выборка объёма 300 единиц. По уровню дохода население подразделяется на 6 групп. Данные сгруппированы в интервальный статистический ряд:
10 |
50 |
80 |
100 |
40 |
20 | |
Построить гистограмму относительных частот.
Решение. Шаг h = 20. Разделив относительные частоты на шаг разбиения, получим высоту столбиков.
Форма гистограммы в наибольшей степени соответствует нормальному распределению.