- •Учебно-методический комплекс
- •1. Учебная программа дисциплины - syllabus
- •1.6. График выполнения и сдачи заданий по дисциплине
- •1.7. Список литературы
- •Интернет источники:
- •1.8. Информация об оценке
- •1.9. Политика и процедура курса
- •2. Учебно-методические материалы по дисциплине
- •2.1. Тематический план курса
- •2.2. Тезисы лекционных занятий
- •Тема № 8 .Парная нелинейная регрессия
- •Гипербола
- •Экспонента
- •Парабола
- •Тема №12 Система одновременных уравнений
- •2.3. Планы семинарских занятий
- •Тема 12. (занятие 15) Система одновременных уравнений
- •Методы оценки параметров структурной формы модели
- •2.5. Планы занятий в рамках самостоятельной работы студентов под руководством преподавателя
- •Линейная регрессия.
- •Проверка общего качества уравнения регрессии. Коэффициент детерминации r2
- •Множественная линейная регрессия
- •Функция линейн()
- •Использование f-cтатистики
- •2.6. Планы занятий в рамках самостоятельной работы студентов
- •Проверка значимости оценок коэффициентов регрессии. Статистика Стьюдента.
- •Вычисление t-статистики
- •2.7. Тематика письменных работ по курсу
- •2.8. Тестовые задания для самоконтроля
- •Приложение 2 Критические точки распределения Стьюдента
- •Приложение 3 Критические точки распределения Фишера-Снедекора (k1 — число степеней свободы большей дисперсии, к2 — число степеней свободы меньшей дисперсии)
- •Приложение 4 Критические точки распределения 2«хи – квадрат»
- •Учебно-методический комплекс
Линейная регрессия.
Регрессионный анализ используется, если две исследуемые переменные не равноправны, то есть изменение одной из переменных служит причиной для изменения другой. Например, рост дохода ведет к увеличению потребления; снижение процентной ставки увеличивает инвестиции; увеличение валютного курса сокращает чистый экспорт. Это - тот случай, когда должно быть оценено уравнение регрессии y=f(x). Уравнение регрессии - это формула статистической связи между переменными. Если эта формула линейна, то речь идет о линейной регрессии. Формула статистической связи двух переменных называется парной регрессией, зависимость от нескольких переменных - множественной регрессией.
Выбор формулы связи переменных называется спецификацией уравнения регрессии; в данном случае выбрана линейная формула. Однако до тех пор, пока не оценены количественные значения параметров, не проверена надежность сделанных оценок, эта формула остается лишь гипотезой. Оценка значений параметром выбранной формулы статистической связи переменных называется параметризацией уравнения регрессии.
Любую прямую можно задать ее наклоном и y-пересечением. Обозначим наклон через 1, а Y-пересечение через0. Тогда уравнение парной регрессии примет видy=1x+0
Если известны значения b1 и b0, то можно вычислить любую точку на прямой, подставляя значения y или x в уравнение.
Оценки коэффициентов в случае парной регрессии рассчитываются по формуле:
;
Проверка общего качества уравнения регрессии. Коэффициент детерминации r2
Для анализа общего качества оцененной линейной регрессии используют обычно коэффициент детерминации R2, называемый также квадратом коэффициента множественной корреляции. Для случая парной регрессии это квадрат коэффициента корреляции переменных х и y. Коэффициент детерминации рассчитывается по формуле
, где еi = yi – 1xi-0 – разница между теоретическим и реальным значением yi.
Он характеризует долю вариации (разброса) зависимой переменной, объясненной с помощью данного уравнения. В качестве меры разброса зависимой переменной обычно используется ее дисперсия, а остаточная вариация может быть измерена как дисперсия отклонений вокруг линии регрессии. Если числитель и знаменатель вычитаемой из единицы дроби разделить на число наблюдений n, то получим, соответственно, выборочные оценки остаточной дисперсии и дисперсии зависимой переменной у. Отношение остаточной и общей дисперсий представляет собой долю необъясненной дисперсии. Если существует статистически значимая линейная связь величин х и у, то коэффициент R2 близок к единице1.
Множественная линейная регрессия
Значения экономических переменных определяются обычно влиянием не одного, а нескольких объясняющих факторов. В таком случае зависимость y=f(x) означает, что х - вектор, содержащий т компонентов: х = (х1, х2, ... , хm). Задача оценки статистической взаимосвязи переменных у и х = (х1, х2, ... , хm) формулируется аналогично случаю парной регрессии. Записывается функция у = f(,х)+, где - вектор параметров, - случайная ошибка. По данным наблюдений выборки размерности n требуется оценить значения параметров , то есть провести параметризацию выбранной формулы (спецификации) зависимости.
Мы будем говорить о линейной зависимости у от х, то есть о множественной линейной регрессии. Теоретическое уравнение регрессии имеет вид:
у = 0+1х1 +2х2 + ... +mхm + .
Здесь - вектор неизвестных параметров размерности (т + 1). Пусть имеется п наблюдений вектора х и зависимой переменной у. Для того, чтобы формально можно было решить задачу, то есть найти некоторый наилучший вектор параметров, должно быть пт+1. Если это условие не выполняется, то можно найти бесконечно много разных векторов коэффициентов, при которых линейная формула связывает между собой х и у для имеющихся наблюдений абсолютно точно. Если, в частном случае, п = т+1 (например, при двух объясняющих переменных в уравнении у =0+1х1+2х2и трех наблюдениях), то оценки коэффициентоврассчитываются единственным образом - путем решения системы линейных уравнений.