- •ОГЛАВЛЕНИЕ
- •ПРЕДИСЛОВИЕ
- •МЕТОДИЧЕСКИЕ МАТЕРИАЛЫ
- •РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ
- •РЕКОМЕНДАЦИИ ПО САМОСТОЯТЕЛЬНОЙ РАБОТЕ СТУДЕНТА
- •ТЕОРЕТИЧЕСКИЕ МАТЕРИАЛЫ
- •ГЛАВА 1. СТАТИСТИЧЕСКИЕ ПОНЯТИЯ И РАСПРЕДЕЛЕНИЯ
- •§ 1. Введение
- •§ 2. Суть регрессионного анализа
- •§ 3. Некоторые статистические определения
- •§ 4. Нормальное (гауссовское) распределение
- •§ 5. (хи-квадрат)-распределение
- •§ 6. Распределение Стьюдента (t-распределение)
- •§ 7. F-распределение (распределение дисперсионного отношения)
- •§ 8. Статистическая проверка гипотез
- •§ 9. Определение критических значений распределений Стьюдента и Фишера с использованием программы Microsoft Office Excel
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 2. ПАРНАЯ ЛИНЕЙНАЯ РЕГРЕССИЯ. УСЛОВИЯ ГАУССА–МАРКОВА
- •§ 1. Основные понятия
- •§ 2. Метод наименьших квадратов
- •§ 3. Предпосылки метода наименьших квадратов
- •§ 4. Анализ точности определения оценок коэффициентов регрессии
- •§ 5. Проверка статистической значимости коэффициентов парной линейной регрессии
- •§ 6. Интервальные оценки коэффициентов линейного уравнения регрессии
- •§ 7. Доверительные интервалы для зависимой переменной
- •§ 8. Проверка общего качества уравнения регрессии. Коэффициент детерминации
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 3. МНОЖЕСТВЕННАЯ ЛИНЕЙНАЯ РЕГРЕССИЯ
- •§ 1. Определение параметров уравнения регрессии
- •§ 2. Расчет коэффициентов множественной линейной регрессии
- •§ 3. Дисперсии и стандартные ошибки коэффициентов
- •§ 4. Проверка статистической значимости коэффициентов уравнения регрессии
- •§ 5. Интервальные оценки коэффициентов теоретического уравнения регрессии
- •§ 6. Проверка общего качества уравнения регрессии
- •§ 7. Проверка равенства двух коэффициентов детерминации
- •§ 8. Проверка гипотезы о совпадении уравнений регрессии для двух выборок
- •§ 10. Частные уравнения регрессии
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 4. АВТОКОРРЕЛЯЦИЯ СЛУЧАЙНЫХ ВОЗМУЩЕНИЙ
- •§ 1. Суть и причины автокорреляции
- •§ 2. Последствия автокорреляции
- •§ 3. Обнаружение автокорреляции. Критерий Дарбина–Уотсона
- •§ 4. Методы устранения автокорреляции
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 5. ГЕТЕРОСКЕДАСТИЧНОСТЬ СЛУЧАЙНЫХ ВОЗМУЩЕНИЙ
- •§ 1. Общие понятия
- •§ 2. Последствия гетероскедастичности
- •§ 3. Обнаружение гетероскедастичности
- •§ 4. Методы смягчения проблемы гетероскедастичности
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 6. МУЛЬТИКОЛЛИНЕАРНОСТЬ
- •§ 1. Общие понятия и последствия мультиколлнеарности
- •§ 2. Определение мультиколлинеарности
- •§ 3. Методы устранения мультиколлинеарности
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 7. ФИКТИВНЫЕ ПЕРЕМЕННЫЕ В РЕГРЕССИОННЫХ МОДЕЛЯХ
- •§ 1. Модель с одной фиктивной (бинарной) переменной
- •§ 3. Сравнение двух регрессий
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 8. НЕЛИНЕЙНАЯ РЕГРЕССИЯ
- •§ 1. Общие понятия
- •§ 2. Степенные модели (логарифмические)
- •§ 3. Обратная модель (гиперболическая)
- •§ 4. Полиномиальная модель
- •§ 5. Показательная модель (лог-линейная)
- •§ 6. Выбор формы модели
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 9. ВРЕМЕННЫЕ РЯДЫ
- •§ 1. Общие понятия
- •§ 2. Моделирование тренда временного ряда
- •§ 4. Стационарные ряды
- •§ 5. Процесс авторегрессии AR(p)
- •§ 6. Процессы скользящего среднего MA(q)
- •§ 7. Комбинированные процессы авторегрессии-скользящего среднего ARMA(p, q)
- •§ 8. Модели ARMA, учитывающие наличие сезонности
- •§ 9. Нестационарные временные ряды. Процессы авторегрессии и проинтегрированного скользящего среднего ARIMA(p, k, q)
- •§ 10. Регрессионные модели с распределенными лагами
- •§ 11. Полиномиально распределенные лаги Ш. Алмон
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 10. СИСТЕМЫ ОДНОВРЕМЕННЫХ УРАВНЕНИЙ
- •§ 1. Общие понятия
- •§ 2. Идентификация структурной формы модели
- •§ 3. Косвенный метод наименьших квадратов
- •§ 4. Двухшаговый метод наименьших квадратов
- •§ 5. Трехшаговый метод наименьших квадратов
- •Резюме
- •Вопросы для самопроверки
- •ЗАКЛЮЧЕНИЕ
- •ЗАДАНИЯ ДЛЯ КОНТРОЛЯ
- •Тесты для самоконтроля
- •Ключи к тестам для самоконтроля
- •Контрольная работа
- •Вопросы к зачету (экзамену)
- •ГЛОССАРИЙ
- •СПИСОК ЛИТЕРАТУРЫ
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n ∑ei2 |
|
|
|
|
|
20×70,29 |
|
|
|
|
|
|||||
|
R2 =1− |
|
|
|
i=1 |
|
|
|
=1− |
|
|
|
≈0,98, |
|
|||||||
|
n |
|
|
n |
|
|
2 |
|
291797−(2401) |
2 |
|
||||||||||
|
|
|
|
|
2 |
|
|
20× |
|
|
|
|
|||||||||
|
|
|
|
n ∑y |
i |
− ∑ y |
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
i=1 |
|
|
i=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
n |
2 |
2 |
2 |
|
2 |
|
|
|
|
|
2 |
(n−2) |
0,98×18 |
|
|
|||||
|
|
|
|
|
|
|
|
R |
|
|
|||||||||||
где |
∑yi |
=y1 +y |
2 |
+...+yn |
=291797; F = |
|
|
2 = |
|
|
|
=882 |
; |
||||||||
1−R |
1−0,98 |
||||||||||||||||||||
|
i=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
F крит =F α; m; n−m−1 =F 0,05; 1;18 =4,41<882 , |
следовательно уравнение |
значимо.
Для оценки точности аппроксимации исходных данных функцией регрессии используются и другие показатели, среди которых
выделим следующие. |
|
|
|
|
|
|
1 |
|
|
|
|
|
Среднее абсолютное отклонение |
n |
ei |
|
. Средняя относитель- |
||||||||
|
|
∑ |
|
|||||||||
|
|
|||||||||||
|
|
|
|
|
|
|
|
n i=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
n |
|
|
|
|
|
||||||
ная ошибка в процентах |
A= |
1 |
∑ |
|
ei |
|
×100% . |
|||||
|
|
|||||||||||
|
|
|
yi |
|
|
|
|
|
||||
|
n i=1 |
|
|
|
|
|
Принято считать, что качество уравнения достаточно хорошее, если A ≤ 7%.
Отметим, что с последней формулой для расчета A нужно обращаться осторожно вблизи начала координат. Если некоторое значение yi значительно меньше остатка ei, то относительная ошибка аппроксимации будет очень большой не смотря на хорошее качество уравнения регрессии.
Резюме
При выполнении предпосылок Гаусса–Маркова, оценки параметров уравнения парной линейной регрессии, полученные методом наименьших квадратов, обладают свойствами несмещенности, эффективности и состоятельности. Статистическая значимость коэффициентов и качество подбора уравнения проверяются с помощью распределений Стьюдента и Фишера. Коэффициент при объясняющей переменной показывает, на сколько единиц изме-
63
нится зависимая переменная, если объясняющая вырастет на одну единицу.
Вопросы для самопроверки
1.Перечислите условия Гаусса–Маркова.
2.Что такое гетероскедастичность случайных возмущений?
3.Что такое автокорреляция случайных возмущений?
4.Объясните геометрический смысл параметров уравнения парной линейной регрессии.
5.Что показывает коэффициент при объясняющей переменной
вуравнении парной линейной регрессии?
6.Как исследуется статистическая значимость параметров уравнения?
7.Какая оценка называется несмещенной?
8.Какая оценка называется состоятельной?
9.Какая оценка называется эффективной?
10.Расшифруйте аббревиатуры: TSS, ESS, RSS и запишите формулы, по которым рассчитываются их величины.
11.Запишите формулы для расчета коэффициента детерминации. В каких пределах изменяется данный показатель? Объясните его смысл.
12.Чему равна сумма остатков?
13.Как называется статистика, используемая для исследования статистической значимости коэффициентов уравнения регрессии? Как она рассчитывается?
14.Как называется статистика, используемая для исследования статистической значимости коэффициента детерминации? Как она рассчитывается?
15.Как рассчитать точечную оценку математического ожидания зависимой переменной в случае парной линейной регрессии?
16.Детерминированными или случайными величинами являются оценки параметров уравнения регрессии?
17.Детерминированными или случайными величинами являются теоретические параметры уравнения регрессии?
64