- •Міністерство освіти і науки україни кременчуцький державний політехнічний університет
- •2 Парний регресійний аналіз
- •2.1 Метод найменших квадратів
- •2.2. Коефіцієнт кореляції
- •2.3 Стандартизоване рівняння регресії.
- •2.4 Перевірка гіпотези про значущість відмінності від нуля коефіцієнта кореляції
- •2.5 Коефіцієнт детермінації, індекс кореляції
- •2.6 Матричний запис нормальної системи рівнянь і її розв’язок у матричному вигляді
- •2.7 Дослідження рівнянь регресії
- •2.8 Властивості оцінок (оцінок коефіцієнтів рівняння регресії)
- •2.10 Коефіцієнт еластичності
- •2.9 Прогноз і його надійні інтервали
- •2.10 Нелінійна парна регресія
- •3 Завдання. Парна регресія
- •3.1 Побудова моделі залежності собівартісті автомобіля газ-3110-311 ,у, від обсягу виробництва,х
- •3.2 Побудова моделі залежності прибутку, у, від обсягу товарної продукціі, х
- •4 Методичні вказівки для відшукання основних теоретичних положень, необхідних для виконання лабораторних робіт
- •Б) література:
- •Контрольні питання
- •5 Виконання лабораторних робіт виРішення Завдання 5.1
- •Висновки
- •ВиРішення Завдання 5.2
- •Побудування моделі залежності прибутку від обсягу товарної продукції, її аналіз та прогнозування за моделлю
- •Висновки
- •6 Додатки
- •6.3 Список убудованих функцій ms excel, використовуваних у розрахунках економетричних моделей
- •Список літератури
2.9 Прогноз і його надійні інтервали
Прогнозуванням називається наукове передбачення імовірнісних шляхів розвитку явищ і процесів для більш-менш віддаленого майбутнього.
Періодом упередження називають проміжок часу від моменту, для якого є останні статистичні дані про досліджуваний об’єкт, до якого належить прогноз.
Прогнозування, яке базується на збереженні тенденції розвитку явищ у часі, можна звести до добору аналітичних виразів типу Y=f(X) за даними за минуле й екстраполяції здобутих залежностей.
Прогноз показника дістають підстановкою в здобуте регресій не рівняння значень фактора. Результатом є точкова оцінка середнього значення показника при даних рівнях факторів.
Середнє значення прогнозу показника при значенні фактора відповідно до лінійної регресії визначається за формулою:
(2.48)
Знайдемо надійні межі прогнозу. При визначенні дисперсії показника необхідно враховувати ще одну невизначеність – розсіяння навколо лінії регресії. Оскільки , то рівняння відповідає дисперсія.
(2.49)
Заміняючи його точковою оцінкою S, залишимо межі надійних інтервалів індивідуальних прогнозованих значень
(2.50)
2.10 Нелінійна парна регресія
Найбільш популярною моделлю в економіці є лінійна регресія. Проте не всі економічні процеси можна нею моделювати. Тому на практиці використовуються складніші моделі з нелінійною залежністю між показником Y і фактором Х. За методикою оцінок параметрів парні нелінійні регресії розглядають двох видів:
-
нелінійні за факторами, але лінійні за невідомими параметрами, які підлягають оцінці;
-
нелінійні за факторами і параметрами.
Регресії нелінійні за факторами, але лінійні за оцінювальними параметрами, називаються квазілінійними.
Розглянемо загальний випадок квазілінійних парних регресій. Нехай нам відомий статистичний ряд:
Х x1 x2 … xn
Y y1 y2 … yn
Парну квазілінійну регресію можна записати в загальному вигляді:
= aj(X)+ b. Заміною величин Zi = j(Xi) (i = 1,n ) нелінійна парна регресія зводиться до лінійної парної регресії: Y =Z + b. Формули для оцінки параметрів набувають вигляду:
(2.51)
Коефіцієнт еластичності для парної квазілінійної регресії оцінюється за формулою: К= аj¢ (Х)Х/ .
Розглянемо квазілінійну регресію
У= а/х +в (2.52)
Заміною Z = 1/х ця квазілінійна регресія зводиться до лінійної у= аz + в.
Регресія у = веах є неквазілінійною. Вона зводиться до лінійної логарифмуванням
ln Y = aX+ lnb. Після заміни Y1 = ln Y, b1 =lnb отримаємо парну лінійну регресію: Y1 = a1X+b1, де
n n n
nåXilnyi - åXi ålnyi
i=1 i=1 i=1
a = n n (2.53)
nåX²i - (åXi )²
i =1 i=1
(2.54)
Звідси b = ЕХР(b1). Коефіцієнт еластичності знаходиться за формулою
Ù Ù
K = Y¢X/Y = aX. (2.55)