Эконометрика УМП Каверина - 2011для эк и мен
.pdfНЕГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ
«ВОСТОЧНАЯ ЭКОНОМИКО-ЮРИДИЧЕСКАЯ ГУМАНИТАРНАЯ АКАДЕМИЯ (Академия ВЭГУ)»
Кафедра «Управления и информатики»
УТВЕРЖДАЮ Проректор по учебной работе и инновационному развитию
__________ Р.Ф. Габидуллин «_____ »____________20___ г.
ЭКОНОМЕТРИКА
Учебно-методическое пособие
Составитель: к.ф.-м.н., доцент И.А. Каверина
Уфа 2011
Составитель: Каверина Ирина Александровна, кандидат физикоматематических наук, доцент.
Рецензент: Краснов Сергей Викторович, доктор технических наук, профессор, ВУиТ.
Пособие разработано в соответствии с государственным образовательным стандартом дисциплины «Эконометрика». Содержит необходимые сведения теоретического характера из разделов: регрессионный анализ, система одновременный уравнений, анализ временных рядов. Приводятся решения типовых примеров и задачи для самостоятельного решения. Рекомендуется для студентов очной и заочной форм обучения по направлению подготовки 080100 экономика (квалификация (степень) «бакалавр»).
Учебно-методическое пособие обсуждено и рекомендовано к изданию решением кафедры «Управления и информатики» протокол № 2 от « 28 » октября 2011 г.
Зав. кафедрой «Управления и информатики» |
А.А. Руденко |
Одобрена научно-методическим советом института «____»______________200 г., протокол №___
ВОСТОЧНАЯ ЭКОНОМИКО-ЮРИДИЧЕСКАЯ ГУМАНИТАРНАЯ АКАДЕМИЯ (Академия ВЭГУ), 2011
2
|
Оглавление |
|
Оглавление......................................................................................................................................... |
3 |
|
1. |
Построение уравнения регрессии......................................................................................... |
4 |
2 Пример линейной регрессии.................................................................................................. |
6 |
|
3. |
Системы эконометрических уравнений.............................................................................. |
13 |
4. |
Проблема идентификации................................................................................................... |
15 |
5. |
Методы оценки параметров структурной формы модели................................................. |
16 |
6. |
Пример идентификации структурной модели.................................................................... |
17 |
7. |
Моделирование одномерных временных рядов................................................................. |
21 |
8. |
Автокорреляция уровней временного ряда........................................................................ |
21 |
9. Алгоритм построения аддитивной или мультипликативной модели................................. |
22 |
|
10. |
Пример аддитивной модели временного ряда.................................................................. |
24 |
Вопросы к экзамену (зачету) ................................................................................................... |
32 |
|
Таблица 1. Распределение Стьюдента......................................................................................... |
35 |
|
Таблица 2. Распределение Фишера............................................................................................. |
36 |
3
1. Построение уравнения регрессии
Постановка задачи. По имеющимся данным n наблюдений за совместным изме-
нением двух параметров x и y {(xi,yi), i=1,2,...,n} необходимо определить анали-
тическую зависимость yx f (x), |
наилучшим образом описывающую данные на- |
блюдений. |
|
Линейная регрессия yx |
a b x. Параметры а и b находятся из |
следующей системы нормальных уравнений метода МНК:
a n b x y;
a x b x2 x y.
Можно воспользоваться готовыми формулами, которые вытекают из этой системы:
|
|
|
|
|
|
a |
y |
b |
x |
, |
b |
|
cov |
|
x, y |
|
, |
|
|
|
(1) |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
2 |
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
______ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
____ |
|
|
||
где cov x,y y x |
y |
|
x |
– ковариация |
|
признаков x |
и |
y, x2 x2 |
x |
2 – |
||||||||||||||||||||||||
дисперсия признака x и |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
1 |
x, |
|
|
|
|
|
|
|
1 |
y, |
______ |
|
1 |
y x, |
____ |
1 |
|
x2 . |
|||||||||||
|
x |
|
|
y |
|
y x |
x2 |
|
||||||||||||||||||||||||||
|
|
|
|
|
n |
|||||||||||||||||||||||||||||
|
|
|
|
|
n |
|
|
|
|
|
|
|
n |
|
|
|
|
|
n |
|
|
|
|
|
|
|
||||||||
Парабола второй степени yx a b x c x2 |
приводится к линейному ви- |
|||||||||||||||||||||||||||||||||
ду с помощью замены: |
|
|
x x , x2 x |
2 |
. В результате приходим к двухфакторному |
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
уравнению y |
x |
a b x c x , оценка параметров которого при помощи МНК |
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
1 |
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
приводит к системе следующих нормальных уравнений: |
|
|
|
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
n |
b x c x |
2 |
y; |
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
a |
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
x |
b x2 c x3 x y; |
|
|
(2) |
|||||||||||||||||||||||
|
|
|
|
|
|
a |
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
x2 b x3 c x4 x2 y. |
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
a |
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4
Тесноту связи изучаемых явлений оценивает линейный коэффициент
парной корреляции rxy |
для линейной регрессии (–1 ≤ rxy ≤ 1) |
|||||||||||||
|
|
|
|
|
r |
b |
x |
|
cov x, y |
, |
||||
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
xy |
|
y |
|
x y |
|||||
|
|
|
|
|
|
|
|
|||||||
и индекс корреляции xy |
для нелинейной регрессии (0 ≤ xy ≤ 1) |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
2 |
||||
|
|
|
|
|
xy |
1 |
|
ост |
, |
|||||
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
2 |
|||
|
|
|
|
|
|
|
|
|
|
|
y |
|||
где y2 |
1 |
y |
y |
2 |
– |
общая |
|
дисперсия результативного признака y, |
||||||
|
|
|||||||||||||
|
n |
|
|
|
|
|
|
|
|
|
|
ост2 1n y yx 2 – остаточная дисперсия.
Долю дисперсии, объясняемую регрессией, в общей дисперсии результативного признака у характеризует коэффициент детерминации R2 rxy2
(для линейной регрессии) или индекс детерминации R2 xy2 (для нелинейной регрессии).
По коэффициенту (индексу) детерминации R2 можно судить о работоспособности (качестве) модели.
Правило 1. Если R2 0,75, то от модели следует отказаться. Если R2 0,75, то модель может использоваться для прогнозов.
Правило 2. Из двух моделей лучше та, у которой коэффициент детерминации больше.
Для оценки качества построенной модели можно также использовать среднюю ошибку аппроксимации:
|
|
|
|
|
|
|
|
yi |
yx |
|
|
|
|
|
|
1 |
n |
|
1 |
n |
|
|
|
||
A |
Ai |
|
|
|
|
100%. |
||||||
|
|
|
|
i |
|
|||||||
n |
n |
y |
|
|||||||||
|
|
|
|
i 1 |
|
|
i 1 |
|
i |
|
|
|
Построенное уравнение регрессии считается удовлетворительным, если значение
A не превышает 10 %.
5
В экономических исследованиях широкое применение находит такой показатель, как коэффициент эластичности, вычисляемый по формуле
Ex(y) y' x y
Эластичность функции показывает приближенно, на сколько процентов изменится функция y f (x), при увеличении независимого аргумента x на 1%.
Для линейной функции y a b x производная равна y' b. Поэтому, для линейной зависимости между признаками коэффициент эластичности равен:
Ex(y) b x y
Средний коэффициент эластичности для линейной зависимости рассчитывается по формуле:
Ex (y) b x . y
2 Пример линейной регрессии
Задание I. Исследуется зависимость дохода Y от расходов на продукты питания X (в условных денежных единицах) по10 домохозяйствам.
Таблица 2.1
№ домохозяйства |
Доход, Y |
Расход на продукты питания, X |
1 |
26 |
14 |
2 |
33 |
13 |
3 |
42 |
15 |
4 |
47 |
14 |
5 |
48 |
16 |
6 |
49 |
18 |
7 |
49 |
19 |
8 |
51 |
19 |
9 |
52 |
18 |
10 |
53 |
19 |
Требуется построить и проанализировать уравнение парной линейной
регрессии.
1. Постройте диаграмму рассеяния (поле корреляции) для результативного
признака Y и факторного признака X (таблица 2.1).
6
2. Рассчитайте уравнение парной линейной регрессии yx a b x и
сделайте оценки:
а) оцените тесноту связи с помощью коэффициента корреляции и коэффициента детерминации;
б) дайте с помощью среднего коэффициента эластичности оценку связи
фактора с результатом;
в) оцените качество уравнения с помощью средней ошибки аппроксимации;
г) оцените с помощью F - критерия Фишера для уровня значимости 0,05
статистическую надежность результатов регрессионного моделирования;
д) оцените с помощью |
t- критерия |
Стьюдента |
для уровня значимости |
||||||||||||
0,05 статистическую значимость |
коэффициента |
регрессии |
и |
коэффициента |
|||||||||||
корреляции; |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
2 |
n |
|
|
|
2 |
|
n |
|
|
2 |
|
е) проверьте тождество |
(yi y) |
|
|
|
|
|
) |
. |
|||||||
|
(yxi y) |
|
(yi yxi |
|
|||||||||||
|
i 1 |
|
|
|
i 1 |
|
|
|
i 1 |
|
|
|
|
ж) используя графики отклонений (xi,ei) сделайте предположение о наличии гетероскедастичности.
Решение. 1. При изучении зависимости между признаками графический метод подбора вида уравнения регрессии достаточно нагляден.
|
|
|
|
Поле корреляции |
|
|
|
|
|
||
|
60 |
|
|
|
|
|
|
|
|
|
|
Y |
50 |
|
|
|
|
|
|
|
|
|
|
40 |
|
|
|
|
|
|
|
|
|
|
|
, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Доход |
30 |
|
|
|
|
|
|
|
|
|
|
20 |
|
|
|
|
|
|
|
|
|
|
|
|
10 |
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
10 |
11 |
12 |
13 |
14 |
15 |
16 |
17 |
18 |
19 |
20 |
|
|
|
|
Расход на продукты питания, X |
|
|
|
||||
|
|
|
Рисунок 1.1 – Поле корреляции |
|
|
|
7
Изобразим зависимость дохода Y домохозяйства от расходов на продукты питания X графически точками (xi,yi) координатной плоскости XOY , где xi -
расходы на продукты питания i- го домохозяйства, yi - его доходы, i 1,2,..,10
(рисунок 1.1). Такое изображение статистической зависимости называется полем корреляции. По расположению эмпирических точек можно сделать предположе-
ние о виде наличии линейной зависимости между переменными X и Y .
2. Для расчета параметров уравнения линейной регрессии, а также всех тре-
буемых показателей построим расчетную таблицу 1.1.
Таблица 1.1
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
|
|
|
|
x |
|
|
y |
|
x2 |
|
y2 |
|
|
y x |
|
|
y |
x |
(y |
y |
)2 |
( |
y |
|
y |
)2 |
(y y |
)2 |
A |
|||||||||||||||||||||||
|
|
|
|
i |
|
|
|
|
i |
|
i |
|
|
|
i |
|
|
|
i i |
|
|
|
|
|
i |
|
|
|
xi |
i |
xi |
i |
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
1 |
|
|
14 |
|
|
|
|
26 |
|
196 |
|
676 |
|
|
|
|
|
364 |
37,62 |
|
|
|
|
|
|
361 |
|
|
|
54,41 |
|
135,11 |
44,71 |
|||||||||||||||||||
2 |
|
|
13 |
|
|
|
|
33 |
|
169 |
|
1089 |
|
|
|
429 |
34,67 |
|
|
|
|
|
|
144 |
|
|
|
106,64 |
2,80 |
5,07 |
||||||||||||||||||||||
3 |
|
|
15 |
|
|
|
|
42 |
|
225 |
|
1764 |
|
|
|
630 |
40,57 |
|
|
|
|
|
|
9 |
|
|
|
|
|
19,59 |
|
2,03 |
3,39 |
|||||||||||||||||||
4 |
|
|
14 |
|
|
|
|
47 |
|
196 |
|
2209 |
|
|
|
658 |
37,62 |
|
|
|
|
|
|
4 |
|
|
|
|
|
54,41 |
|
87,91 |
19,95 |
|||||||||||||||||||
5 |
|
|
16 |
|
|
|
|
48 |
|
256 |
|
2304 |
|
|
|
768 |
43,52 |
|
|
|
|
|
|
9 |
|
|
|
|
|
|
2,18 |
|
20,03 |
9,32 |
||||||||||||||||||
6 |
|
|
18 |
|
|
|
|
49 |
|
324 |
|
2401 |
|
|
|
882 |
49,43 |
|
|
|
|
|
|
16 |
|
|
|
19,59 |
|
0,18 |
0,87 |
|||||||||||||||||||||
7 |
|
|
19 |
|
|
|
|
49 |
|
361 |
|
2401 |
|
|
|
931 |
52,38 |
|
|
|
|
|
|
16 |
|
|
|
54,41 |
|
11,40 |
6,89 |
|||||||||||||||||||||
8 |
|
|
19 |
|
|
|
|
51 |
|
361 |
|
2601 |
|
|
|
969 |
52,38 |
|
|
|
|
|
|
36 |
|
|
|
54,41 |
|
1,89 |
2,70 |
|||||||||||||||||||||
9 |
|
|
18 |
|
|
|
|
52 |
|
324 |
|
2704 |
|
|
|
936 |
49,43 |
|
|
|
|
|
|
49 |
|
|
|
19,59 |
|
6,63 |
4,95 |
|||||||||||||||||||||
10 |
|
19 |
|
|
|
|
53 |
|
361 |
|
2809 |
|
|
|
1007 |
52,38 |
|
|
|
|
|
|
64 |
|
|
|
54,41 |
|
0,39 |
1,18 |
||||||||||||||||||||||
Сумма |
165 |
|
|
|
450 |
2773 |
|
20958 |
|
|
|
7574 |
450,00 |
|
|
708,00 |
|
439,62 |
268,38 |
99,03 |
||||||||||||||||||||||||||||||||
Среднее |
16,5 |
|
|
|
45 |
277,3 |
|
2095,8 |
|
|
|
757,4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
9,90 |
||||||||||||||||
s2 |
5,05 70,80 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
s |
2,25 |
|
|
8,41 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
Из таблицы 1.1 имеем: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2095,8; |
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
16,5; |
|
|
|
45; |
|
x2 |
|
277,3; |
|
|
y2 |
|
|
|
757,4; |
|
|
|
||||||||||||||||||||||||||||||||
|
x |
y |
|
|
|
|
|
y x |
|
|
|
|||||||||||||||||||||||||||||||||||||||||
|
n |
|
|
|
|
|
2 |
|
|
|
|
|
|
n |
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
(yi |
y) |
|
708; |
|
|
|
y) |
439,62; |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
|
|
(yxi |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
i 1 |
|
|
|
|
|
|
|
|
|
|
|
|
i 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
n |
1 |
|
n |
|
|
y y |
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
(yi |
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
Ai |
|
|
|
|
|
i |
xi |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
yxi |
) |
|
|
268,38; |
A |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
100% 9,90; |
|
|
|
||||||||||||||||||||||||||
|
|
n |
n |
|
|
|
y |
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||
|
i 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i 1 |
|
|
|
i 1 |
|
|
|
|
i |
|
|
|
|
|
|
|
|
|
||||||||||
несмещенные оценки дисперсий: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
____ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
sx2 x2 |
x |
2 |
277,3 16,52 5,05; |
sx |
|
5,05 |
2,25; |
|
|
|
|
|
|
|
|
8
____ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
s2y y2 |
|
y |
2 |
2095,8 452 70,8; sy |
|
|
|
|
8,41; |
|||||
70,8 |
||||||||||||||
оценки параметров регрессии: |
|
|
|
|
|
|
|
|
||||||
b |
cov x, y |
|
757,4 16,5 45 |
2,950; |
a |
y |
b |
x |
45 2,950 16,5 3,683. |
|||||
|
|
|
|
|||||||||||
sx2 |
|
|
5,05 |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
Итак, уравнение парной линейной регрессии имеет вид:
yx 3,683 2,950 x. (1)
Подставляя в уравнение (1) значения xi (ячейки столбца 2 таблицы 1.1),
найдем теоретические значения yxi (столбец 7 таблицы 1.1).
Полученное уравнение регрессии позволяет сделать вывод, что при увели-
чении расходов в домохозяйстве на 1 у.е., доходы домохозяйства увеличиваются в среднем на 2,950 у.е.
а) Тесноту линейной связи между признаками оценивает выборочный
коэффициент корреляции. По формуле
r b |
sx |
2,950 |
2,25 |
0,788. |
|
|
|||
xy |
sy |
|
8,415 |
|
|
|
|
Согласно количественной оценке тесноты линейной связи между признаками (таблица 1.2), между расходами на продукты домохозяйства и его доходами наблюдается сильная линейная связь.
Таблица 1.2 – Количественные критерии оценки тесноты линейной связи
Величина коэффициента корреляции r |
Характер связи |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
r |
|
0,3 |
практически отсутствует |
||||||||||||
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
0,3 |
|
|
r |
|
|
0,5 |
слабая |
|||||||||
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||
0,5 |
|
|
r |
|
|
0,7 |
умеренная |
|||||||||
|
|
|||||||||||||||
|
|
|
|
|
|
|||||||||||
0,7 |
|
r |
|
1 |
сильная |
|||||||||||
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Одной из наиболее эффективных оценок адекватности (соответствия)
регрессионной модели, мерой качества уравнения регрессии, является
коэффициент детерминации, определяемый по формуле:
9
|
n |
|
|
|
|
|
|
|
|
|
R2 |
(yxi |
|
y |
)2 |
|
439,62 |
|
|
||
i 1 |
|
|
|
|
|
|
|
0,621. |
||
n |
|
|
|
|
|
|
||||
|
|
|
|
|
|
708 |
|
|
||
|
(yi |
y |
)2 |
|
|
|||||
|
|
|
|
|
||||||
|
i 1 |
|
|
|
|
|
|
|
|
|
Это означает, что вариация |
зависимой |
переменной Y – дохода |
домохозяйства – на 62,1% объясняется изменчивостью переменной X - расходами
на продукты питания, и на 37,9% объясняется изменчивостью других, неучтенных в модели факторов.
Коэффициент детерминации для линейной связи между признаками можно
вычислить иначе: R2 rxy2 0,7882 0,621. Получился тот же самый результат.
Такая проверка является контролем правильности выполнения арифметических
действий и выбора используемых формул.
Отметим, что чем ближе R2 к единице, тем лучше регрессия
аппроксимирует эмпирические данные, тем теснее наблюдения примыкают к
линии регрессии. Если |
R2 1, то эмпирические точки |
(xi, yi ) лежат на линии |
||
регрессии и между переменными |
X и Y существуют линейная функциональная |
|||
зависимость. Если |
R2 |
0, то |
вариация зависимой |
переменной полностью |
обусловлена воздействием неучтенных в модели переменных, и линия регрессии параллельна оси абсцисс.
б) Средний коэффициент эластичности равен:
Ex(y) b x 2,950 16,5 1,082. y 45
Полученное значение среднего коэффициента эластичности показывает, что при увеличении расходов на продукты питания на 1% от своего среднего значения x 16,5, доходы домохозяйства увеличиваются, соответственно, на
1,082% от своего среднего значения y 45.
в) Средняя ошибка аппроксимации является одной из оценок адекватности регрессионной модели, мерой качества уравнения регрессии.
Из таблицы 1.1 имеем A 9,90%. Полученное значение A говорит об удовлетворительной средней ошибке аппроксимации, не выходящей за
10