- •1. Оцінка параметрів лінійної регресії методом найменших квадратів
- •2. Коефіцієнт кореляції та детермінації
- •3. Властивості оцінок параметрів лінійної регресії
- •4. Перевірка лінійної регресії на адекватність (значимість) за допомогою f-критерію Фішера.
- •5. Перевірка значимості параметрів регресійної моделі за допомогою t-критерію Ст’юдента
- •6. Коефіцієнт еластичності. Довірчі інтервали (інтервали довіри). Прогнозування за допомогою моделі парної лінійної регресії
- •7.Нелінійна регресія
- •8. Поняття мультиколінеарності, основні її ознаки та наслідки
- •9. Методи усунення мультиколінеарності
- •10. Алгоритм Фарара-Глобера
- •11. Поняття гетероскедастичності та її наслідки
- •12. Тест Голдфельда-Квандта
- •13. Знаходження оцінок параметрів моделі за допомогою узагальненого методу найменших квадратів (метод Ейткена)
- •14. Поняття автокореляції та її наслідки
- •15. Критерій Дарбіна-Уотсона
- •16. Оцінювання параметрів економетричної моделі узагальненим методом найменших квадратів при наявності автокореляції
7.Нелінійна регресія
В багатьох економетричних процесах лінійні економетричні моделі зручно використовувати для їх дослідження і прогнозування. Але значна кількість економічних процесів по своїй суті не є лінійними, тобто показники (фактори), які описують такі процеси пов’язані між собою нелінійними залежностями. Наприклад, описання виробничого процесу за допомогою функції Кобба-Дугласа.
Розглянемо найпростіші нелінійні економітричні моделі, які можна звести за допомогою певних перетворень до лінійних економетричних моделей.
1. Логарифмічні моделі (log-моделі)
До таких моделей належать моделі, в яких залежність між двома показниками має вигляд:
(1)
(графіки)
Ця модель описує залежність між попитом на деякі товари від доходу, коли , і від ціни, коли . Ці криві при такому розумінні називаються кривими Енгеля.
Модель (1) зводиться до лінійної шляхом логарифмування:
, ,
Отримаємо лінійну модель . Параметри отриманої моделі можна знайти методом найменших квадратів. Якщо знайдені оцінки параметрів та , тобто отримано вибіркову модель , тоді оцінки параметрів моделі (1) знаходять за формулою:
Зауваження: економетрична логарифмічна модель має вигляд . При зведенні її до лінійної моделі ми опускали випадкову складову . Для того, щоб знайти оцінки параметрів отриманої лінійної моделі методом найменших квадратів випадкова складова цієї лінійної моделі повинна задовольняти ряд припущень. Тому виникає задача знаходження тих умов і припущень, які потрібно накладати на випадкову складову нелінійної моделі.
2. Економетричні моделі типу виробничих функцій
Виробнича функція – економетрична модель, яка кількісно описує зв'язок основних результативних показників виробничо-господарської діяльності з факторами, які впливають на ці показники.
Найпростіша економетрична модель типу виробничої функції має вигляд:
– обсяг (об’єм) продукції
– основний капітал
– робоча сила
– параметри моделі.
Якщо , то темпи приросту обсягу продукції вищі за темпи росту виробничих ресурсів.
Якщо , то навпаки, тобто темпи росту продукції нижчі за темпи росту ресурсів.
Якщо , то при збільшенні капіталу і робочої сили на r %, обсяг продукції збільшується більше ніж на r %.
До лінійно економетричної моделі зведення відбувається логарифмуванням:
Тоді отримаємо рівняння множинної лінійної регресії:
Оцінки параметрів отриманої моделі знаходять методом найменших квадратів.
3. Обернені моделі
Найпростіша обернена модель має вигляд:
Побудуємо графіки залежності в залежності від знаків параметрів та (графіки).
В залежності від знаків та вважають, що обернена модель описує наступні залежності:
Якщо , модель відображає залежність між доходом х і витратами на предмети розкоші у. Величина – мінімально необхідний рівень доходів для придбання предметів розкоші. В цьому випадку отриманий графік залежності називається кривою (функцією) Торнквіста.
Якщо , то обернена залежність відображає залежність між рівнем безробіття х і процентною зміною заробітної плати у. Відповідна крива називається кривою Філіпса. Точка перетину з віссю ОХ – це природній рівень безробіття.
4. Степеневі моделі
Степенева регресійна модель має вигляд:
Вона зводиться до лінійної за допомогою заміни:
В результаті отримують регресійну нелінійну модель:
Степенева регресійна модель в найпростішому випадку описує залежність між витратами на рекламу х і ростом прибутку у. (графік)
5. Показникові моделі
Показникові моделі мають вигляд: – вони зводяться до лінійних за допомогою логарифмування:
Отримують лінійну модель:
Зауваження: регресійні моделі можуть мати також вигляд, в який окремими частинами входять нелінійні регресійні моделі різних типів, наприклад, до такого типу моделей належать виробнича крива Кобба-Дугласа з врахуванням науково-технічного прогресу, яка має вигляд: