- •1.Поняття моделі й моделювання
- •1.Спостереження за економічним процесом і їх словесний опис – пасивний метод, оскільки спостерігач жодним чином не впливає на хід процесу. Результати спостереження і є словесною моделлю процесу.
- •3. Етапи та принципи побудови емм
- •4. Класифікація емм
- •5. Основні поняття та приклади задач лп.
- •6. Форми запису задач лп
- •8.Симплекс метод
- •12Математична постановка і умова розв’язності т-задач
- •13.Побудова опорних планів транспортної задачі
- •15.Постановка задачі нлп
- •16.Графічний метод задач нлп
- •17.Задачі дробово-лінійного програмування
- •18.Задача нлп без обмежень і з обмеженнями-рівняннями. Метод множників Лагранжа.
- •21.Типи залежностей між ек змінними:
- •23.Вибіркові кореляційні характеристики
- •24.Основні передумови мнк у випадку парної лінійної регресії. Теорема Гауса-Маркова
- •25.Стандартні помилки регресії та коефіцієнтів регресії у випадку парного кореляційно регресійного зв’язку
- •26.Перевірка гіпотез відносно коефіцієнтів регресії та кореляції для парного лінійного кореляційно-регресійного зв’язку
- •27.Інтервальні оцінки параметрів та лінії регресії
- •28.Перевірка загальної якості рівняння регресії
- •29.Формалізація лінійної моделі множинної регресії
- •31.Основні передумови Мнк
- •32.Кількісні оцінки множинного кореляційного зв'язку
- •33.Перевірка значущості коефіцієнтів регресії , детермінації і кореляції у випадку лінійної множиної регресії
- •34.Значущість моделі у цілому
- •35. Інтервальні оцінки параметрів та функції регресії
- •36.Сутність та наслідки гетероскедастичності
- •37. Сутність та наслідки автокореляції
- •38. Сутність та наслідки мультиколінеарності
- •40. Сезоні фіктивні зміні
32.Кількісні оцінки множинного кореляційного зв'язку
Основні вибіркові характеристики множинного регресійного відношення:
1)Дисперсійно-коваріаційна матриця. матричним аналогом дисперсії однієї змінної для множинної кореляції слугує дисперсішю-коваріаціініїї матриця
2) Стандартні помилки коефіцієнтів регресії. Оцінки дисперсійно- коваріаційної матриці використовуються для знаходження стандартних помилок коефіцієнтів регресії, обчислення довірчих інтервалів цих коефіцієнтів тощо.
3) Кореляційна матриця це матриця коефіцієнтів парної кореляції, яка є семетричної відносно основної діагоналі.
4) Вибіркові множинні коефіцієнти детермінації та кореляції. Як випливає з другого розділу, поняття кореляційного відношення, коефіцієнтів кореляції та детермінації тісно пов'язані між собою як у випадку парної, так і у випадку множинної лінійної кореляції, зокрема коефіцієнт детермінації дорівнює квадрату коефіцієнта кореляції.
5) Скореговані вибіркові множини коефіцієнти детермінації та кореляції.
6) Вибіркові частині коефіцієнти кореляції
1. Матричним аналогом дисперсії однієї змінної для множинної кореляції служить дисперсійна коваріаційна матриця С=(σij)n I,j=1.
Вибірковою оцінкою цієї матриці є матриця с=(σij)n I,j=1.
Елементи цих матриць - відповідні коваріації відповідних парних зв’язків між компонентами.
2. Оцінки дисперсійно-коваріаційних матриць використовують для знаходження стандартних помилок коеф регресії.
3. Кореляційна матриця – матриця коефіцієнтів парної кореляції. Її ел-ти використовують для вимірювання сили лінійних зв’язків різних пар змінних. При цьому враховується, що зв'язок кожної пари змінних знаходиться під впливом зв’язків із іншими змінними.
4. множинний коеф детермінації є однією з найбільш ефективних оцінок адекватності регресійної моделі або мірою якості р-ня регресії.
Множинний коеф кореляції є мірою лінійної залежності між У та Х 0≤k≤1
5.скореговані коеф детермінації та кореляції.
Скорегований коеф детермінації може зменшуватись при введенні в модель нових пояснюючих змінних, що суттєво не впливають на пояснюючу змінну. Вводити нові змінні є зміст до тих пір, поки його значення зростає.
6.частинний коеф кореляції – кількісні оцінки тісноти лінійно-кореляційної залежності між двома змінними за умови, шо їх змінні сталі. За його допомогою вдається визначити чисту кореляцію між досліджуваними двома змінними, виключивши вплив інших факторів.
33.Перевірка значущості коефіцієнтів регресії , детермінації і кореляції у випадку лінійної множиної регресії
Перевірка адекватності побудованої моделі здійснюється аналогічно лійній моделі парної регресії. статистична значущість параметрів ожинної лінійної регресії перевіряється за допомогою t-статистик
ta=a/Sa, де Sa стандартні помилки коефіцієнтів регресії. Величини мають розподіл Стьюдента з числом l=n-k=n-m-1 ступенів вільності. Для з’ясування значущості коефіцієнтів А і В перевіряються нульові гіпотези Нопри альтернативних гіпотезах Н1
Но:а=0
Н1:ане=0
Для перевірки статистичної значущості коефіцієнта детермінації R2 перевіряють гіпотезу H0 при альтернативній H1:
H0: Я2=0,H1,:R2 >0.
Значущість множинного коефіцієнта кореляції рівносильна значущості множинного коефіцієнта детермінації і навпаки.