Добавил:

Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.

Вуз:

Белгородский государственный технологический университет им. В.Г. Шухова

Предмет:

[НЕСОРТИРОВАННОЕ]

Файл:

ЭКОНОМЕТРИКА табл.для ЛЕКЦИЙ.doc

Скачиваний:

Добавлен:

05.05.2019

Размер:

1.03 Mб

Скачать

☆

1 / 71 2 3 4 5 6 7 > Следующая >>>

Лекция №1

ПОНЯТИЕ ЭКОНОМЕТРИКИ. СВЯЗЬ ЭКОНОМЕТРИКИ С ДРУГИМИ ОБЛАСТЯМИ ЗНАНИЙ

Лекция №2

ЭКОНОМЕТРИЧЕСКАЯ МОДЕЛЬ – ГЛАВНЫЙ ИНСТРУМЕНТ ЭКОНОМЕТРИЧЕСКИХ ИССЛЕДОВАНИЙ. ЗАДАЧИ, РЕШАЕМЫЕ НА ЕЕ ОСНОВЕ. ЭТАПЫ ЭКОНОМЕТРИЧЕСКОГО МОДЕЛИРОВАНИЯ

Лекция №3

ТИПЫ ДАННЫХ И ВИДЫ ПЕРЕМЕННЫХ В ЭКОНОМЕТРИЧЕСКИХ ИССЛЕДОВАНИЯХ

Лекция №4

ДВУМЕРНАЯ (ОДНОФАКТОРНАЯ) РЕГРЕССИОННАЯ МОДЕЛЬ

Рис. 1. Истинная зависимость между у и х

Рассмотрим пример. Пусть имеются данные о заработной плате и возрасте по 20 рабочим. Требуется построить регрессионную модель заработной платы рабочего. Тогда у_{ — заработная плата i-го рабочего ($); x_i – возраст i-го рабочего (лет), i=l; 20. Исходные данные приведены в табл. 1.

Таблица 1

i	y_i	x_i	i	y_i	x_i
1	300	29	11	400	47
2	400	40	12	250	28
3	300	36	13	350	30
4	320	32	14	200	25
5	200	23	15	400	48
6	350	45	16	220	30
7	350	38	17	320	40
8	400	40	18	390	40
9	380	50	19	360	38
10	400	47	20	260	29

В матричной форме регрессионная модель имеет вид:

Y = X ∙ b + u

Лекция №5

НОРМАЛЬНАЯ ЛИНЕЙНАЯ РЕГРЕССИОННАЯ МОДЕЛЬ С ОДНОЙ ПЕРЕМЕННОЙ

Лекция №6

ТРАДИЦИОННЫЙ МЕТОД НАИМЕНЬШИХ КВАДРАТОВ - МНК (OLS)

Рассмотрим пример: по данным о заработной плате и возрасте 10 рабочих (см. табл. 1) оценить параметры линейной парной регрессии методом наименьших квадратов.

Расчет оценки коэффициента регрессии сведем в табл. 2

Таблица 2

№ наблю-дения	X – возраст рабочего, лет	Y – заработная плата за месяц, $
1	29	300	8700	44,22
2	40	400	16000	18,92
3	36	300	10800	0,12
4	32	320	10240	13,32
5	23	200	4600	160,02
6	45	350	15750	87,42
7	38	350	13300	5,52
8	40	400	16000	18,92
9	50	380	19000	205,92
10	47	400	18800	128,82
11	28	250	7000	58,52
12	30	350	10500	31,92
13	25	200	5000	113,42
14	48	400	19200	152,52
15	30	220	6600	31,92
16	40	320	12800	18,92
17	40	390	15600	18,92
18	38	360	13680	5,52
19	29	260	7540	44,22
20	25	250	6250	113,42
	713	6400	237360	1272,55
Среднее значение	35,65	320	11868	63,63

Учитывая обратимость матрицы , находим МНК-оценку вектора b: , где .

По правилу умножения матриц:

Найдем обратную матрицу:

Тогда вектор оценок параметров регрессии равен:

а оценка уравнения регрессии будет иметь вид:

Лекция №8 показатели качества регрессии

Таблица 3

Наблюдение — i	y_i>
1	300	271,9233	28,0767	788,3009
2	400	351,4487	48,55133	2357,232
3	300	322,5304	-22,5304	507,6168
4	320	293,612	26,38796	696,3245
5	200	228,5458	-28,5458	814,8646
6	350	387,5966	-37,5966	1413,501
7	350	336,9895	13,01049	169,2729
8	400	351,4487	48,55133	2357,232
9	380	423,7445	-43,7445	1913,577
10	400	402,0557	-2,05571	4,22596
И	250	264,6937	-14,6937	215,9056
12	350	279,1529	70,84712	5019,314
13	200	243,005	-43,005	1849,429
14	400	409,2853	-9,28529	86,21667
15	220	279,1529	-59,1529	3499,063
16	320	351,4487 '	-31,4487	989,0186
17	390	351,4487	38,55133	1486,205
18	360	336,9895	23,01049	529,4827
19	260	271,9233	-11,9233	142,1652
20	250	243,005	6,99501	48,93017
Итого	6400	6400	0	24887,88

Тогда 5 (в нашем примере п =20, h=2).

Лекция №9

ПРОВЕРКА ГИПОТЕЗ О ЗНАЧИМОСТИ ПАРАМЕТРОВ РЕГРЕССИИ, КОЭФФИЦИЕНТА КОРРЕЛЯЦИИ И УРАВНЕНИЯ РЕГРЕССИИ В ЦЕЛОМ

Лекция №10

ПРОГНОЗ ОЖИДАЕМОГО ЗНАЧЕНИЯ РЕЗУЛЬТАТИВНОГО ПРИЗНАКА ПО ЛИНЕЙНОМУ ПАРНОМУ УРАВНЕНИЮ РЕГРЕССИИ

Рис. 2. Точечная и интервальная оценки прогноза

Лекция №11

НЕЛИНЕЙНАЯ РЕГРЕССИЯ. ВИДЫ НЕЛИНЕЙНОЙ РЕГРЕССИИ. ОЦЕНКА ПАРАМЕТРОВ

Рис. 3. Параболическая зависимость

Рис. 4. Зависимость в виде равносторонней гиперболы

Лекция №12

КОРРЕЛЯЦИЯ ДЛЯ НЕЛИНЕЙНОЙ РЕГРЕССИИ. КОЭФФИЦИЕНТЫ ЭЛАСТИЧНОСТИ

; ,

Таблица 4

Вид функции	Точечный коэффициент эластичности	Средний коэффициент эластичности
Линейная
Парабола
Равносторонняя гипербола
Степенная
Показательная