- •Понятие эконометрики и ее место в экономических исследованиях
- •Основные этапы регрессионного анализа
- •Парная линейная регрессия
- •Коэффициенты эластичности
- •2.3. Предпосылки мнк (условия Маркова-Гаусса)
- •Анализ точности определения параметров регрессии
- •Проверка выполнимости предпосылок мнк. Статистика Дарбин-Уотсона
- •Модели парной нелинейной регрессии
- •Нелинейные однофакторные регрессионные модели. Линеаризация
- •Гиперболическая модель
- •Степенная модель
- •Показательная модель
- •Экспоненциальная модель
- •Полиномы разных степеней
- •В таблице 4.1.1 приведены преобразования, с помощью которых нелинейные функции становятся линейными с новыми переменными и коэффициентами.
- •Линеаризация для различных видов моделей
- •4.2 Оценка качества нелинейной связи
- •Зависимость расходов от среднедневной заработной платы
- •Расчетная таблица для линейной модели
- •Расчетная таблица для степенной модели
- •Расчетная таблица для гиперболической модели
- •Множественная регрессия Специфика уравнения множественной регрессии
- •Оценка параметров уравнения множественной линейной регрессии
- •Фиктивные и нефиктивные переменные
- •Статистические данные к примеру 2
- •Расчет параметров уравнения регрессии
- •Отклонение реальных значений от теоретических
- •Модели временных рядов Одномерный временной ряд
- •Автокорреляция уровней временного ряда и выявление его структуры.
- •Статистические данные к примеру 3
- •Расчет коэффициента автокорреляции первого порядка
- •Расчет коэффициента автокорреляции второго порядка
- •Корреляционная функция временного ряда потребления электроэнергии
- •Моделирование тенденции временного ряда
- •Моделироание сезонных колебаний временного ряда
- •Расчет сезонной компоненты в аддитивной модели
- •Расчет оценок сезонной компоненты в аддитивной модели
- •Расчет оценок сезонной компоненты в аддитивной модели
- •Взаимосвязь временных рядов
- •11.1. Методы исключения тенденции.
- •Статистические данные к примеру 5
- •Расчетные значения и отклонения для временных рядов расходов на конечное потребление и совокупного дохода
- •Расчетные значения и отклонения для временных рядов расходов на конечное потребление и совокупного дохода
Расчетная таблица для степенной модели
№ |
Y* |
X* |
Y*X* |
Y*2 |
X*2 |
ŷx |
y-ŷx |
(y-ŷx)2 |
|
1 |
4,23 |
3,81 |
16,12 |
17,90 |
14,51 |
60,98 |
7,82 |
61,15 |
0,113663 |
2 |
4,11 |
4,08 |
16,78 |
16,93 |
16,63 |
56,28 |
4,92 |
24,19 |
0,080361 |
3 |
4,09 |
4,05 |
16,56 |
16,75 |
16,37 |
56,80 |
3,10 |
9,58 |
0,051674 |
4 |
4,04 |
4,12 |
16,65 |
16,30 |
17,01 |
55,51 |
1,19 |
1,42 |
0,021014 |
5 |
4,01 |
4,07 |
16,33 |
16,06 |
16,60 |
56,34 |
-1,34 |
1,79 |
0,024345 |
6 |
3,99 |
3,85 |
15,40 |
15,96 |
14,86 |
60,16 |
-5,86 |
34,31 |
0,10787 |
7 |
3,90 |
4,01 |
15,63 |
15,19 |
16,09 |
57,41 |
-8,11 |
65,79 |
0,164529 |
Σ |
28,38 |
28,00 |
113,46 |
115,09 |
112,06 |
403,48 |
1,72 |
198,23 |
0,56 |
Ср. зн-е |
4,05 |
4,00 |
16,21 |
16,44 |
16,01 |
- |
- |
- |
|
Для новых данных получаем следующую систему
Решение этой системы находим методом Крамера, в результате чего получаем А =5,247197 и b =-0,29842
Получим линейное уравнение: Ŷ* = 5,247197 – 0,29842·х*.
Необходимо вернуться к параметрам искомого степенного уравнения ( А=).
ŷ=е5,247192∙ x -0,29842 =190,0319· x -0,29842.
Подставляя в данное уравнение фактические значения х, получаем теоретические значения результата ŷx (заполняем 7, 8 и 9 столбцы расчетной таблицы).
По ним рассчитаем показатели тесноты связи (индекс корреляции ρху ) и среднюю ошибку аппроксимации А :
Характеристики степенной модели показывают, что она несколько лучше описывает взаимосвязь между среднедневной заработной платы одного работающего и расходами на покупку продовольственных товаров, чем линейная функция.
Найдем величину средней ошибки аппроксимации А:
В среднем, расчетные значения отклоняются от фактических на 8%, что является нормой.
Проверим статистическую значимость полученного степенного уравнения регрессии, для этого найдем расчетное значение F-критерия Фишера:
Fрасч=
Сравним фактическое (расчетное) значение критерия Fрасч с табличным значением Fтабл. Fтабл (α=0,05; ν1=1; ν2=5)=6,61
Так как Fрасч <Fтабл при заданном уровне значимости α=0,05, гипотеза H0 о случайной природе формирования уравнения регрессии не отклоняется и признается статистическая незначимость и ненадежность полученного степенного уравнения регрессии.
Для оценки статистической значимости параметров регрессии воспользуемся t – критерием Стьюдента. Найдем расчетное значение t – критерии для каждого параметра.
Полученные расчетные значения сравниваем с табличным tтабл (α =0,05; ν=5)=2,571
Так как , то гипотеза H0 о статистической незначимости параметра b принимается. То есть параметр b в полученном уравнении регрессии можно считать равным 0. Можно говорить о том, что расходы на покупку продовольственных товаров не зависят (по степенному закону) от среднедневной заработной платы одного работающего.
Прогноз по этой модели делать не имеет смысла, потому что по всем критериям модель признана несостоятельной.
Гиперболическая модель
Для построения гиперболической модели y=a + b нужно провести линеаризацию переменных, которая заключается в следующем преобразовании: x*=
Для расчетов будем использовать данные из таблицы 4.2.4.
Таблица 4.2.4