- •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
- •9. Основные типы эконометрических моделей
- •10. Статистическая база 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
13. Определение регрессии и ее виды
Уравнения, выражающие в общем виде корреляционные зависимости, называются корреляционными уравнениями или уравнениями регрессии.
Линейная регрессия: или .
Нелинейные регрессии делятся на два класса:
1) регрессии, нелинейные относительно включённых в анализ объясняющих переменных, но линейные по оцениваемым параметрам:
полиномы разных степеней: ;
равносторонняя гипербола: ;
2) регрессии, нелинейные по оцениваемым параметрам:
степенная: ;
показательная: ;
экспоненциальная: .
В зависимости от количества факторов, включённых в уравнение регрессии, принято различать: простую (парную) и множественную регрессии.
Простая регрессия – представляет собой регрессию между двумя переменными y и x, то есть вида , где - зависимая переменная (результативный признак); - независимая или объясняющая переменная (признак – фактор).
Множественная регрессия – представляет собой регрессию результативного признака с двумя и большим числом факторов, то есть модель вида .
14. Спецификация модели. Причины существования случайной величины
Спецификация модели – формулировка вида модели, исходя из соответствующей теории связи между переменными. Со спецификации модели начинается любое эконометрическое исследование. Иными словами, исследование начинается с теории, устанавливающей связь между явлениями.
Построение уравнения множественной регрессии начинается с решения вопроса о спецификации модели. Он включает в себя два круга вопросов: отбор факторов и выбор вида уравнения регрессии.
Включение в уравнение множественной регрессии того или иного набора факторов связано прежде всего с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями. Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям.
Они должны быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то ему нужно придать количественную определенность.
Факторы не должны быть интеркоррелированы и тем более находиться в точной функциональной связи.
Причин существования случайной составляющей несколько.
1. Не включение объясняющих переменных. Соотношение между yи x является упрощением. В действительности существуют и другие факторы, влияющие на y, которые не учтены. Влияние этих факторов приводит к тому, что наблюдаемые точки лежат вне прямой у = а+bх.
2. Агрегирование переменных. Рассматриваемая зависимость – это попытка объединить вместе некоторое число микроэкономических соотношений. Так как отдельные соотношения, имеют разные параметры, попытка объединить их является аппроксимацией. Аппроксима́ция, или приближе́ние — научный метод, состоящий в замене одних объектов другими, в том или ином смысле близкими к исходным, но более простыми. Наблюдаемое расхождение приписывается наличию случайного члена ε.
3. Выборочный характер исходных данных. Поскольку исследователи чаще всего имеет дело с выборочными данными при установлении связи между у и х, то возможны ошибки и в силу неоднородности данных в исходной статистической совокупности. Для получения хорошего результата обычно исключают из совокупности наблюдения с аномальными значениями исследуемых признаков.
4. Неправильная функциональная спецификация. Функциональное соотношение между у и х математически может быть определено неправильно.
5. Возможные ошибки измерения