- •1. История развития эконометрики
- •2. Сведения о лауреатах Нобелевской премии по эконометрике
- •3. Предмет и специфика методов эконометрики
- •4. Отличия эконометрической модели от других видов моделей
- •5. Виды переменных в эконометрических моделях
- •6. Пример эконометрической модели
- •7. Связь эконометрики с другими дисциплинами
- •8. Этапы процесса эконометрического моделирования
- •10. Статистическая база эконометрических моделей
- •9. Основные типы эконометрических моделей
- •11. Понятие корреляционно-регрессионного анализа
- •12. Задачи корреляционно-регрессионного анализа
- •13. Определение регрессии и ее виды
- •14. Спецификация модели. Причины существования случайной величины
- •15. Методы выбора парной регрессии
- •16. Сущность параметров линейной регрессии
- •17. Метод наименьших квадратов
- •18. Способы оценивания и оценки (мат ожидание и дисперсия)
- •19. Показатели измерения тесноты и силы связи, кэфф. Детерминации, эластичности
- •20. Этапы формулировки и проверки достоверности гипотезы
- •21. Оценка значимости линейной регрессии f-статистика
11. Понятие корреляционно-регрессионного анализа
Корреляционно-регрессионный анализ как общее понятие включает в себя измерение тесноты и направления связи и установление аналитического выражения (формы) связи (регрессионный анализ).
Целью регрессионного анализа является оценка функциональной зависимости условного среднего значения результативного признака (У) от факторных (х1, х2, …, хk).
Уравнение регрессии, или статистическая модель связи социально-экономических явлений, выражается функцией:
Yx = f(х1, х2, …, хn),
где “n” – число факторов, включенных в модель;
Хi – факторы, влияющие на результат У.
Этапы корреляционно-регрессионного анализа:
Предварительный (априорный) анализ. Он дает неплохие результаты если проводится достаточно квалифицированным исследователем.
Сбор информации и ее первичная обработка.
Построение модели (уравнения регрессии). Как правило эту процедуру выполняют на ПК используя стандартные программы.
Оценка тесноты связей признаков, оценка уравнения регрессии и анализ модели.
Прогнозирование развития анализируемой системы по уравнению регрессии.
12. Задачи корреляционно-регрессионного анализа
Основная задача корреляционного анализа заключается в выявлении взаимосвязи между случайными переменными путем точечной и интервальной оценки парных (частных) коэффициентов корреляции, вычисления и проверки значимости множественных коэффициентов корреляции и детерминации. Кроме того, с помощью корреляционного анализа решаются следующие задачи: отбор факторов, оказывающих наиболее существенное влияние на результативный признак, на основании измерения степени связи между ними; обнаружение ранее неизвестных причинных связей. Корреляция непосредственно не выявляет причинных связей между параметрами, но устанавливает численное значение этих связей и достоверность суждений об их наличии. Необходимо сказать и о других задачах применения корреляционно-регрессионного метода, имеющих не формально математический, а содержательный характер.
1. Задача выделения важнейших факторов, влияющих на результативный признак (т.е. на вариацию его значений в совокупности). Эта задача решается в основном на базе мер тесноты связи факторов с результативным признаком.
2. Задача оценки хозяйственной деятельности по эффективности использования имеющихся факторов производства.
3. Задача прогнозирования возможных значений результативного признака при задаваемых значениях факторных признаков. Такая задача решается путем подстановки ожидаемых, или планируемых, или возможных значений факторных признаков в уравнение связи и вычисления ожидаемых значений результативного признака.
4. Задача подготовки данных, необходимых в качестве исходных для решения оптимизационных задач.
