- •23. Основні дефініції економіко – матем. Моделювання.
- •24. Основні задачі економетрії
- •27. Основні поняття і попередній аналіз рядів динаміки: поняття чр
- •28. Основні поняття і попередній аналіз рядів динаміки: систематичні та впорядковані компоненти чр
- •Парна лінійна регресія
- •32.Перевірка гіпотези про існування тренду
- •33. Перевірка статистичної значущості коефіцієнта множинної детермінації за критерієм Фішера
-
Парна лінійна регресія
В економічних дослідженнях найбільш широке використання знайшли моделі лінійної регресії, хоча це і є спрощений засіб в моделюванні реальних економічних процесів. Ґрунтовне вивчення і застосування методики побудови лінійних моделей надає необхідну теоретичну базу для створення більш складних, нелінійних моделей, які в більшій мірі відповідають реальним економічним процесам. Якщо в рівняння включено лише одну пояснюючу змінну, то одержуємо теоретичну модель, яка дістала назву парної лінійної регресії:
yі = β0 + β1xi + i
Теоретичну модель для парної лінійної регресії можна записати наступним чином:
Модель парної лінійної регресії в векторно – матричній формі може мати наступний вигляд:
де:
Для визначення теоретичних коефіцієнтів β0, β1 необхідно буде використати всі значення (хі, уі) змінних Y і Х генеральної сукупності, що практично здійснити не можливо. Тому переходимо до побудови так званого емпіричного рівняння на базі інформації, одержаної із статистичної вибірки.
Емпіричне рівняння регресії має вигляд:
який аналогічно із теоретичною моделлю, запишемо у векторно-матричній формі:
де
.
32.Перевірка гіпотези про існування тренду
При наявності у ЧР тенденцій та циклічних коливань, значення кожного наступного рівня ряду залежить від попереднього; кореляційну залежність між послідовними рівнями ЧР наз.. автокореляцією рівнів ряду. К-но їх можна виміряти за допомогою лінійного коеф. кореляції між рівнями вихідного ЧР та рівнями цього ж ряду, але зміщеними на декілька кроків у часі. Ф-ла для розрахунків коеф. автокореляції має вигляд:
Аналогічно можна визначити коеф.. автокореляції 2-го і більш високих порядків. Так, коеф.. автокореляції 2-го порядку хар.. тісноту зв’язку між рівнями yt та yt-2 і визнач.. за ф-лою:
Число періодів, за яким розраховується коеф.. автокореляції наз.. лагом.
Послідовність коеф.. автокореляції рівнів 1,2 і т.д.. порядків наз.. авто кореляційною ф. ЧР, а граф.. залежності її знач.. від величини лагу наз.. корелограма
Ідентифікація детермінованого тренду і сезонності:
-
Ряд немає тренду, якщо коеф.. автокореляції між рівнями ряду не залежить від лагу і не мають повної закономірності змінних.
-
ряд має лінійний тренд у випадку, коли автокореляційний аналіз вказує на лін.. залежність зміни коеф.. автокореляц. ЧР, а перехід до 1-х різниць викл.. цю залежність. Ряд містить сезонну складову, якщо не існує лін.. залежності зміни коеф.. автокореляц. від часового лагу, але корелограма містить велику к-ть значущих, макс і мін значень коеф.. автокореляц., що свідчать про значну залежність між спостереженнями, зрушеними на однаковий часовий інтервал.
-
ряд містить сезонну складову, якщо існує лін..залежність коеф.. автокореляц.. від часового лагу, але корелограма містить велику к-ть значущих, макс і мін знач.. коеф.. автокореляції, що свідчать про значну залежність між спостереженнями, зрушеними на однаковий часовий інтервал.
-
ряд має лін.. тренд і сезонну складову, якщо його корелограма вказує на лін.. залежність зміни коеф.. автокореляц.. від часового лагу і містить велику к-ть значущих макс і мін значень коеф.. автокореляції, а період до перших різниць викл.. лін.. тренд, але статистична значимість певних коеф.. автокореляції залишається.