- •1. Основні теоретичні положення регресійного аналізу
- •1.1. Кореляційна залежність
- •1.2. Основні математичні поняття,
- •1.3. Передумови використання
- •2. Парний регресійний аналіз
- •2.1. Лінійна парна регресія
- •2.2. Властивості оцінок
- •2.3. Лінійний коефіцієнт кореляції
- •2.4. Коефіцієнт детермінації
- •2.5. Оцінка значущості рівняння регресії
- •2.6. Прогноз залежної змінної.
- •2.7. Приклад 1.
- •2.8. Нелінійна парна регресія
- •2.9. Дослідження нелінійних рівнянь
- •2.10. Приклад 2.
- •2.11. Побудова функції парної регресії
- •2.12. Побудова графіку функції
- •2.13. Питання для самоперевірки
- •3. Багатофакторний регресійний аналіз
- •3.1. Класична нормальна лінійна модель
- •3.2. Коефіцієнти детермінації і кореляції.
- •3.3. Перевірка значущості параметрів
- •3.4. Прогноз залежної змінної
- •3.5. Приклад 3. Знаходження двофакторної моделі
- •3.6. Використання пакету анализ данных
- •3.7. Використання Excel для розрахунку
- •Введення і підготовка даних
- •4. Мультиколінеарність
- •4.1. Поняття і наслідки мультиколінеарності
- •4.2. Алгоритм Фаррара – Глобера
- •4.3. Приклад 4.
- •4.5. Питання для самоперевірки
- •5. Гетероскедастичність
- •5.1. Поняття гетероскедастичності
- •5.2. Виявлення гетероскедастичності.
- •5.3. Приклад 5. Дослідження даних
- •5.4. Виявлення гетероскедастичності.
- •5.5. Приклад 6. Дослідження даних
- •5.6. Непараметричний тест Гольдфельда-Квандта
- •5.7. Питання для самоперевірки
- •6. Автокореляція
- •6.1. Поняття автокореляції.
- •6.2. Критерій Дарбіна-Уотсона
- •6.3. Приклад 7. Дослідження моделі на наявність
- •6.4. Питання для самоперевірки
- •7. Індивідуальні комплексні завдання
- •Завдання 2
- •Завдання 3
- •Завдання 4
- •Завдання 5
- •Предметний покажчик
- •Література
- •Коефіцієнтів автокореляції залишків
- •Критичні значення і для коефіцієнта автокореляції залишків критерія Дарбіна-Уотсона для
- •Критичні значення і для коефіцієнта автокореляції залишків критерія Дарбіна-Уотсона для
- •Значення критерія Пірсона
- •Квантилі розподілу Стьюдента
- •83050, М. Донецьк, вул. Щорса, 31.
- •83023, М. Донецьк, вул. Харитонова, 10
2.13. Питання для самоперевірки
Що таке функція регресії?
Чим регресійна модель відрізняється від функції регресії?
Що розуміється під специфікацією моделі, і як вона здійснюється?
Якими бувають помилки специфікації моделі?
Назвіть основні причини наявності в регресійній моделі випадкового відхилення.
З яких причин у модель вводиться випадкова складова
У чому суть методу найменших квадратів (1МНК)?
Приведіть формули розрахунку параметрів лінійного парного рівняння регресії.
Поясніть зміст лінійного коефіцієнта регресії?
Що таке число ступенів свободи і як воно визначається для факторної і залишкової сум квадратів?
Як оцінюється якість рівняння регресії в цілому?
Як оцінюється значущість параметрів рівняння регресії?
Запишіть всі види моделей, нелінійних щодо змінних.
Запишіть всі види моделей, нелінійних щодо параметрів.
У чому відмінність застосування 1МНК до лінійних моделей і нелінійних?
У чому відмінність застосування 1МНК до моделей, нелінійних щодо змінних і параметрів?
Як визначаються коефіцієнти еластичності? Який зміст мають коефіцієнти еластичності?
У чому зміст середньої помилки апроксимації і як вона визначається?
Поясніть суть коефіцієнта детермінації?
У яких межах змінюється коефіцієнт детермінації?
За яких умов можливо використання 1МНК?
Які передумови застосування методу 1МНК?
Що таке умови Гаусса-Маркова?
Що називається класичною лінійною моделлю парної регресії?
Що називається параметрами моделі?
Скільки параметрів має класична лінійна модель парної регресії?
Що називають лінійним коефіцієнтом парної кореляції?
В яких межах змінюють лінійний коефіцієнт парної кореляції?
Що називається індексом кореляції?
В яких межах змінюється індекс кореляції?
Що характеризують лінійний коефіцієнт парної кореляції і індекс кореляції?
Що називається коефіцієнтом детермінації?
Що характеризує коефіцієнт детермінації?
Яких значень може набувати коефіцієнт детермінації?
Що називається середньою похибкою апроксимації?
Які показники характеризують якість моделі?
З допомогою яких критеріїв перевіряється статистична значущість класичної лінійної моделі регресії?
Якою є нульова гіпотеза при перевірці статистичної значущості класичної лінійної моделі?
При якій умові гіпотеза відхиляється і приймається альтернативна гіпотеза? Які чисельні значення, як правило вибирають для рівня значущості .
Який ймовірний зміст рівня значущості ?
Чому дорівнює число параметрів лінійної класичної моделі?
З допомогою якого критерію перевіряється рівень значущості коефіцієнтів регресії і кореляції?
Який зв'язок існує між і -критеріями для лінійних моделей?
Якою є нульова гіпотеза при перевірці коефіцієнтів регресії і кореляції?
При якій умові гіпотеза при перевірці коефіцієнтів регресії і кореляції відкидається?
Як знаходяться точкові прогнозні значення для пояснювальної змінної?
Як знаходяться інтервальні прогнозні значення для індивідуальних і середніх значень пояснювальної змінної?
Як обчислюється середня похибка прогнозу?
Серед наведених нижче тверджень виберіть неправильне (неправильні) твердження.
Застосування методу 1МНК передбачає виконання умов:
-
а)
, ;
в)
;
б)
;
г)
змінна є невипадковою.
Параметри регресійної моделі можуть бути отримані з допомогою таких методів:
-
а)
1МНК;
в)
за допомогою теореми Гаусса – Маркова;
б)
методом найбільшої правдоподібності;
г)
за допомогою мінімізацію суми квадратів відхилень фактичних значень від теоретичних .
Суть 1МНК полягає в:
-
а)
мінімізації суми квадратів коефіцієнтів регресії;
в)
мінімізації суми квадратів відхилень фактичних даних спостережень від теоретичних обчислених з рівняння регресії;
б)
мінімізації суми квадратів значень залежної змінної;
г)
серед наведених вище варіантів всі правильні.
Причини відхилення теоретичних значень від фактичних наступні :
-
а)
неправильна специфікація моделі;
в)
недосконалість методу 1МНК;
б)
похибки вимірювання , ;
г)
наявність на практиці факторів, які не враховані в моделі.
Основні показники адекватності регресійної моделі наступні:
-
а)
коефіцієнт кореляції;
в)
коефіцієнт детермінації;
б)
коефіцієнт еластичності;
г)
коефіцієнт апроксимації.
Застосування методу 1МНК дозволяє:
-
а)
отримати не зміщенні оцінки параметрів рівняння;
в)
отримати економетричну модель, яка буде адекватною;
б)
отримати найбільше ефективні оцінки параметрів рівняння;
г)
отримати найбільше значення коефіцієнту детермінації.
7. |
а) |
Для того, щоб зробити прогноз на основі економетричної моделі вона повинна бути адекватною і статистично значущою; |
|
|
|
|
б) |
Для прогноз на основі моделі вона повинна бути адекватною і необов'язково статистично значущою; |
|
|
|
|
в) |
Статистично значущою і не обов'язково адекватною; |
|
|
|
|
г) |
Мати коефіцієнт детермінації близький до одиниці, решта умов не обов'язкові. |
8. |
а) |
- тест перевірки якості моделі полягає в перевірці гіпотези про статистичну значущість рівняння регресії і показника тісноти зв'язку; |
|
|
|
|
б) |
При оцінці моделі з допомогою тесту гіпотеза полягає в випадковій природі параметрів моделі; |
|
|
|
|
в) |
Рівень значущості в -тесті – це ймовірність прийняти правильну гіпотезу; |
|
|
|
|
г) |
Якщо > , то гіпотеза приймається. |
9. |
а) |
Чим більша стандартна похибка прогнозу, тим вужчий інтервал прогнозу; |
|
|
|
|
б) |
Чим більше відхиляється від , тим ширший прогнозний інтервал; |
|
|
|
|
в) |
- і -критерії між собою зв'язані, але аналітичної формули цього зв'язку не існує; |
|
|
|
|
г) |
залишкове середнє квадратичне відхилення обчислюють за формулою , де - число параметрів моделі. |