- •ОГЛАВЛЕНИЕ
- •ПРЕДИСЛОВИЕ
- •МЕТОДИЧЕСКИЕ МАТЕРИАЛЫ
- •РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ
- •РЕКОМЕНДАЦИИ ПО САМОСТОЯТЕЛЬНОЙ РАБОТЕ СТУДЕНТА
- •ТЕОРЕТИЧЕСКИЕ МАТЕРИАЛЫ
- •ГЛАВА 1. СТАТИСТИЧЕСКИЕ ПОНЯТИЯ И РАСПРЕДЕЛЕНИЯ
- •§ 1. Введение
- •§ 2. Суть регрессионного анализа
- •§ 3. Некоторые статистические определения
- •§ 4. Нормальное (гауссовское) распределение
- •§ 5. (хи-квадрат)-распределение
- •§ 6. Распределение Стьюдента (t-распределение)
- •§ 7. F-распределение (распределение дисперсионного отношения)
- •§ 8. Статистическая проверка гипотез
- •§ 9. Определение критических значений распределений Стьюдента и Фишера с использованием программы Microsoft Office Excel
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 2. ПАРНАЯ ЛИНЕЙНАЯ РЕГРЕССИЯ. УСЛОВИЯ ГАУССА–МАРКОВА
- •§ 1. Основные понятия
- •§ 2. Метод наименьших квадратов
- •§ 3. Предпосылки метода наименьших квадратов
- •§ 4. Анализ точности определения оценок коэффициентов регрессии
- •§ 5. Проверка статистической значимости коэффициентов парной линейной регрессии
- •§ 6. Интервальные оценки коэффициентов линейного уравнения регрессии
- •§ 7. Доверительные интервалы для зависимой переменной
- •§ 8. Проверка общего качества уравнения регрессии. Коэффициент детерминации
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 3. МНОЖЕСТВЕННАЯ ЛИНЕЙНАЯ РЕГРЕССИЯ
- •§ 1. Определение параметров уравнения регрессии
- •§ 2. Расчет коэффициентов множественной линейной регрессии
- •§ 3. Дисперсии и стандартные ошибки коэффициентов
- •§ 4. Проверка статистической значимости коэффициентов уравнения регрессии
- •§ 5. Интервальные оценки коэффициентов теоретического уравнения регрессии
- •§ 6. Проверка общего качества уравнения регрессии
- •§ 7. Проверка равенства двух коэффициентов детерминации
- •§ 8. Проверка гипотезы о совпадении уравнений регрессии для двух выборок
- •§ 10. Частные уравнения регрессии
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 4. АВТОКОРРЕЛЯЦИЯ СЛУЧАЙНЫХ ВОЗМУЩЕНИЙ
- •§ 1. Суть и причины автокорреляции
- •§ 2. Последствия автокорреляции
- •§ 3. Обнаружение автокорреляции. Критерий Дарбина–Уотсона
- •§ 4. Методы устранения автокорреляции
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 5. ГЕТЕРОСКЕДАСТИЧНОСТЬ СЛУЧАЙНЫХ ВОЗМУЩЕНИЙ
- •§ 1. Общие понятия
- •§ 2. Последствия гетероскедастичности
- •§ 3. Обнаружение гетероскедастичности
- •§ 4. Методы смягчения проблемы гетероскедастичности
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 6. МУЛЬТИКОЛЛИНЕАРНОСТЬ
- •§ 1. Общие понятия и последствия мультиколлнеарности
- •§ 2. Определение мультиколлинеарности
- •§ 3. Методы устранения мультиколлинеарности
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 7. ФИКТИВНЫЕ ПЕРЕМЕННЫЕ В РЕГРЕССИОННЫХ МОДЕЛЯХ
- •§ 1. Модель с одной фиктивной (бинарной) переменной
- •§ 3. Сравнение двух регрессий
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 8. НЕЛИНЕЙНАЯ РЕГРЕССИЯ
- •§ 1. Общие понятия
- •§ 2. Степенные модели (логарифмические)
- •§ 3. Обратная модель (гиперболическая)
- •§ 4. Полиномиальная модель
- •§ 5. Показательная модель (лог-линейная)
- •§ 6. Выбор формы модели
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 9. ВРЕМЕННЫЕ РЯДЫ
- •§ 1. Общие понятия
- •§ 2. Моделирование тренда временного ряда
- •§ 4. Стационарные ряды
- •§ 5. Процесс авторегрессии AR(p)
- •§ 6. Процессы скользящего среднего MA(q)
- •§ 7. Комбинированные процессы авторегрессии-скользящего среднего ARMA(p, q)
- •§ 8. Модели ARMA, учитывающие наличие сезонности
- •§ 9. Нестационарные временные ряды. Процессы авторегрессии и проинтегрированного скользящего среднего ARIMA(p, k, q)
- •§ 10. Регрессионные модели с распределенными лагами
- •§ 11. Полиномиально распределенные лаги Ш. Алмон
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 10. СИСТЕМЫ ОДНОВРЕМЕННЫХ УРАВНЕНИЙ
- •§ 1. Общие понятия
- •§ 2. Идентификация структурной формы модели
- •§ 3. Косвенный метод наименьших квадратов
- •§ 4. Двухшаговый метод наименьших квадратов
- •§ 5. Трехшаговый метод наименьших квадратов
- •Резюме
- •Вопросы для самопроверки
- •ЗАКЛЮЧЕНИЕ
- •ЗАДАНИЯ ДЛЯ КОНТРОЛЯ
- •Тесты для самоконтроля
- •Ключи к тестам для самоконтроля
- •Контрольная работа
- •Вопросы к зачету (экзамену)
- •ГЛОССАРИЙ
- •СПИСОК ЛИТЕРАТУРЫ
f x
α
θкрит |
ˆ |
θ |
Рис. 1.5. Левосторонняя критическая область. Площадь заштрихованной фигуры равна α
§ 9. Определение критических значений распределений Стьюдента и Фишера с использованием программы Microsoft Office Excel
Следует полагать, что элементарные навыки работы в Microsoft Office Excel имеют все студенты.
Для того чтобы определить критическое значение t-статистики Стьюдента, необходимо задать уровень значимости α (небольшая вероятность, например, 0,05 или 0,01) и число степеней свободы. При проверке статистической значимости коэффициентов линей-
ной регрессии число степеней свободы равно (n−m−1), где n —
число наблюдений; m — количество объясняющих переменных. Порядок действий:
1)выделить пустую ячейку;
2)нажать fx (вставка функций);
3)задать категорию «Статистические»;
4)выбрать функцию «СТЬЮДРАСПОБР», ОК;
5)в новом окне задать вероятность (например, 0,05) и число степеней свободы (например, 18), ОК;
6)в выделенной ранее ячейке появится ответ: 2,100922037.
37
Для того чтобы определить критическое значение F-статистики Фишера, необходимо задать уровень значимости α (небольшая вероятность, например, 0,05 или 0,01) и два числа степеней свободы. При проверке статистической значимости коэффициента детерминации R2 первое число степеней свободы равно m, второе
число степеней свободы равно (n−m−1), где n — число наблюде-
ний; m — количество объясняющих переменных. Порядок действий:
1)выделить пустую ячейку;
2)нажать f x (вставка функций);
3)задать категорию «Статистические»;
4)выбрать функцию «FРАСПОБР», ОК;
5)в новом окне задать вероятность (например, 0,05) и два числа степеней свободы (например, 2 и 18), ОК;
6)в выделенной ранее ячейке появится ответ: 3,554557146.
§ 10. Действия с матрицами в программе
Microsoft Office Excel
Рассмотрим операцию умножения матриц:
1)набрать элементы первой («левой») матрицы;
2)набрать элементы второй («правой») матрицы;
3)выделить с помощью «мышки» свободную область размерностью k ×l , где k — число строк первой матрицы; l — число
столбцов второй матрицы;
4)нажать f x (вставка функций);
5)задать категорию «Математические»;
6)выбрать функцию «МУМНОЖ», ОК;
7)массив 1 — выделить с помощью «мышки» первую матрицу, массив 2 — выделить с помощью «мышки» вторую матрицу, ОК;
8)нажать функциональную клавишу F2;
9)нажать одновременно три клавиши Ctrl+Shift+Enter;
10)в выделенной ранее области появятся элементы матрицыпроизведения.
Рассмотрим операцию нахождения обратной матрицы:
1)набрать элементы исходной квадратной матрицы;
38
2)выделить с помощью «мышки» свободную область размерностью k ×k , где k — число строк и столбцов исходной матрицы;
3)нажать f x (вставка функций);
4)задать категорию «Математические»;
5)выбрать функцию «МОБР», ОК;
6)массив — выделить с помощью «мышки» исходную матрицу, ОК;
7)нажать функциональную клавишу F2;
8)нажать одновременно три клавиши Ctrl+Shift+Enter;
9)в выделенной ранее области появятся элементы обратной матрицы.
Чтобы появилось достаточное число знаков, необходимо увеличить ширину ячеек.
Резюме
Регрессионный анализ (линейный) — статистический метод исследования зависимости между зависимой переменной и одной или несколькими независимыми (объясняющими) переменными.
Цели регрессионного анализа:
1)определение наличия связи между переменными и характера этой связи (т. е. нахождение описывающего ее математического уравнения);
2)определение степени детерминированности вариации зависимой переменной независимыми переменными;
3)предсказание значения зависимой переменной с помощью независимой(ых);
4)определение вклада отдельных независимых переменных в вариацию зависимой переменной.
Вопросы для самопроверки
1.Перечислите причины, по которым в модели обязательно присутствует случайное возмущение (случайный фактор).
2.Что показывает коэффициент корреляции; в каких пределах изменяется?
3.Коэффициент корреляции между двумя переменными величинами, оцененный по данным выборки, близок 1. Следует
39