- •Аналітичне групування
- •Основні завдання кореляційно регресійного аналізу(кра)
- •Економетрична інтерпретація параметрів моделі.
- •Види зв’язку між змінними . Кореляційна залежність.
- •5. Перевірка моделі на наявність автокореляції.
- •Узагальнена та вибіркова парні лінійні кореляційно-регресійні моделі
- •Визначення параметрів плкрм
- •Економетрія
- •Внесок українських учених у розвиток економіко математичних досліджень
- •Статистичний напрям
- •Математична школа в політекономії
- •Побудова парної лінійної кореляційно регресійної моделі методом максимуму правдоподібності
Економетрична інтерпретація параметрів моделі.
b1 - коефіцієнт регресії
Якщо b1≠0, то на основі даних вибірки можна стверджувати, що між змінними у і х існує лінійна кореляційна залежність.
Якщо параметр b1=0, то на основі вибірки можна стверджувати. що лінійно кореляційної залежності немає.
Якщо параметр b1>0, то при збільшенні факторної ознаки х середнє значення результуючої змінної зростає.
Якщо параметр b1<0, то при збільшення факторної ознаки х середнє значення результуючої змінної спадає.
Абсолютне значення параметра b1 показує величину зміни у на одиницю приросту факторної ознаки.
b0 – вільний член рівняння регресії
Значення параметра b0 можна трактувати, як середнє значення результуючої змінної при нульовому значенні факторної ознаки. Хоча в багатьох випадках аналізу соціально-економічної системи, середнє значення факторної ознаки оцінити важко (або взагалі неможливо).
Отримавши ПЛКРМ, можна обчислити відхилення εі, і=1 емпіричних значень результуючої змінної yi від відповідних (теоретичних) нормативних. Ei= … В загальному випадку випадкові відхилення дають змогу оцінити ефективність використання факторної ознаки
Види зв’язку між змінними . Кореляційна залежність.
Змінну котра є причинною називають незалежною, а змінну що є наслідком – залежною (результуючою).
Залежність між двома змінними може бути функціональною а бо стохастичною. Залежність між двома змінними величинами хєЧ та уєУ називають функціональною якщо кожному значенню незалежної змінної х відповідає одне значення залежної змінної у.
Випадкові змінні х та у стохастично залежні якщо зміна однієї з них викликає зміну розподілу другої (умовний розподіл однієї з них залежить від значень другої)
Під час проведення експериментів стохастичний зв'язок проявляється у тому що при одному й тому самому значенні однієї змінної отримують різні значення другої, до того ж цей набір значень змінюється зі зміною значень першої змінної. Цей процес між змінними х та у називають статистичним зв’язком. Виділяють також такий вид зв’язку між випадковими змінними при якому зміна середнії значень однієї з них призводить до зміни сер. значення другої. Таку залежність називають кореляційною.при кореляційній залежності як і при будь якій іншій стохастичній залежності кожному значенню факторної змінної х відповідає не одне а кілька значень результуючої змінної у.
5. Перевірка моделі на наявність автокореляції.
Автокореляція присутня тоді, коли порушується припущення класичного кореляційно-регресійного аналізу про незалежність випадкових величин ε1,ε2,…,εn. Значення результуючої змінної залежать від εі, то кореляційна залежність між випадковими величинами εі та εj (при i≠j) означає кореляційну залежність між значеннями результуючої змінної уі та уj (змінна у автокорелює). Це суперечить основному припущенню математичної статистики про незалежність спостережень.
Для перевірки моделі на наявність автокореляції використаємо коефіцієнт Дарбіна-Уотсона, який обчислимо за формулою: Даний коефіцієнт коливається від 0 до 4.
Після обчислення значенняd-статистики Д.Уотсона задамо рівень значущості альфа (це й ймовірність відхилення істинної гіпотези за таблицями d-статистики Дарбіна Уотсона при заданому рівні значущості альфа , кількості факторів к (для ПЛКРМ к=1) та к-сті спостережень n знаходять критичні значення Dl, та Du
якщо емпіричне значення де-статистики потрапляє в інтервал (0 ; dL), то це свідчить про наявність додатної автокореляції;
якщо емпіричне значення де-статистики потрапляє в інтервал [dL ; du] чи [4 – du ; 4 – dL] то неможливо зробити висновок про наявність чи відсутність автокореляції.
Якщо емпіричне значення де-статистики попадає в інтервал (du ; 4 – du), то автокореляції відсутня;
якщо емпіричне значення де-статистики потрапляє в інтервал (4 – dL ; 4), то наявна від’ємна автокореляція;