- •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 гиперболической модели
№ |
у |
X* |
уX* |
y2 |
X*2 |
ŷx |
y-ŷx |
(y-ŷx)2 |
|
1 |
68,8 |
0,022173 |
1,525499 |
4733,44 |
0,000492 |
61,82048 |
6,98 |
48,71373 |
0,101447 |
2 |
61,2 |
0,016949 |
1,037288 |
3745,44 |
0,000287 |
56,3111 |
4,89 |
23,90137 |
0,079884 |
3 |
59,9 |
0,017483 |
1,047203 |
3588,01 |
0,000306 |
56,87362 |
3,03 |
9,158969 |
0,050524 |
4 |
56,7 |
0,016181 |
0,917476 |
3214,89 |
0,000262 |
55,50119 |
1,20 |
1,43714 |
0,021143 |
5 |
55,0 |
0,017007 |
0,935374 |
3025,00 |
0,000289 |
56,3719 |
-1,37 |
1,882107 |
0,024944 |
6 |
54,3 |
0,021186 |
1,150424 |
2948,49 |
0,000449 |
60,78004 |
-6,48 |
41,99088 |
0,119338 |
7 |
49,3 |
0,018116 |
0,893116 |
2430,49 |
0,000328 |
57,54167 |
-8,24 |
67,92521 |
0,167174 |
Σ |
405,2 |
0,129095 |
7,506379 |
23685,76 |
0,002413 |
405,20 |
0 |
195,0094 |
0,564453 |
Ср. зн-е |
57,89 |
0,018442 |
1,07234 |
3383,68 |
0,000345 |
- |
- |
- |
|
Для новых данных получаем следующую систему
Решение этой системы находим методом Крамера, в результате чего получаем а =38,43534 и b =1054,67
Получим линейное уравнение: = 38,43534+1054,67·х*.
Необходимо вернуться к исходному виду искомого гиперболического уравнения.
.
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 :
Характеристика гиперболической модели показывает, что она несколько лучше описывает взаимосвязь между среднедневной заработной платы одного работающего и расходами на покупку продовольственных товаров, чем линейная и степенная функции.
Найдем величину средней ошибки аппроксимации А:
В среднем, расчетные значения отклоняются от фактических на 8%, что является нормой.
По критерию Фишера модель статистически незначима, по критерию Стьюдента параметр b статистически не значим.
Из всех предложенных моделей гиперболическая является наилучшей, но назвать ее качественной нельзя. То есть на практике делать прогноз по этой модели нет смысла. Рассмотрим чисто формально, как делается прогноз, по предложенной модели. Подставляем в модель то значение независимой переменной, для которого необходимо сделать прогноз.