Оценка параметров уравнения множественной регрессии
ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ РФ
ДИМИТРОВГРАДСКИЙ ИНСТИТУТ ТЕХНОЛОГИИ, УПРАВЛЕНИЯ И ДИЗАЙНА
УЛЬЯНОВСКОГО ГОСУДАРСТВЕННОГО ТЕХНИЧЕСКОГО УНИВЕРСИТЕТА
Н. а. НОЗДРИНА
ЭКОНОМЕТРИКА
Множественная регрессия, система эконометрических уравнений
И временные ряды в эконометрических исследованиях
Часть 2
Для студентов специальности 080109
Дневной, заочной и сокращенной форм обучения
Е издание, дополненное и исправленное
Учебное пособие
Димитровград 2009
УДК 330. 43 (075.8)
|
Н 78
Утверждено редакционно – издательским Советом Димитровградского
института технологии управления и дизайнаУльяновского Государственного Технического Университета
Рецензенты:
Кандидат технических наук, зав. кафедрой экономики и управления производством ДИТУД Бердичевская Н.Ф.
Кандидат технических наук, зав. кафедрой менеджмента и агробизнеса технологического института - филиала СГОУФПО (Ульяновской ГСХА) Ермаков Г. П.
Ноздрина, Н. А.
Н 78 Эконометрика. Множественная регрессия, система эконометрических уравнений и временные ряды в эконометрических исследованиях:
учебное пособие. Часть 2. / Н. А. Ноздрина.– 2-е изд., доп. и исправл.
– Димитровград: ДИТУД УлГТУ, 2009. – 92 с.
Учебное пособие составлено на основании Государственного образовательного стандарта высшего и профессионального образования второго поколения. Содержит вводный теоретический и практический материал по разделам: множественная регрессия и корреляция; системы эконометрических уравнений; моделирование одномерных временных рядов.
|
|
Даны практические задачи и контрольные задания для выполнения их на компьютере, приведены контрольные вопросы.
Пособие предназначено для студентов специальности «Бухгалтерский учет, анализ и аудит» (080109) дневной, сокращенной и заочной форм обучения.
УДК 330.43 (075.8)
ББК 65в6я73
© Ноздрина Н. А., 2009
© ДИТУД УлГТУ, оформление, 2009
ОГЛАВЛЕНИЕ
1. Множественная регрессия и корреляция.. 4
Виды многофакторных моделей. 4
Оценка параметров уравнения множественной регрессии. 5
Расчет коэффициентов эластичности. 7
Показатели корреляции и детерминации, их использование. 9
Оценка надежности результатов множественной регрессии, корреляции и фактора дополнительно включенного в модель. 12
Решение типовых задач. 14
Практические задачи. 21
Реализация типовых задач на компьютере. 32
Решение задач с помощью ППП Excel (функции ЛИНЕЙН) 32
|
|
1.8.2.Решение задач с помощью ППП Excel
(инструмент Регрессия) 36
Контрольные задания. 38
2. Система эконометрических уравнений.. 47
Виды систем уравнений. 47
Проблема идентификации. Необходимое и достаточное условие. 48
Методы оценивания параметров структурной модели. 51
Практические задания. 55
3. временные ряды в эконометрических
исследованиях.. 65
Выявление структуры временного ряда. 65
Моделирование тенденции временного ряда. 68
Моделирование сезонных и циклических колебаний. 70
Построение аддитивной модели временного ряда. 71
Построение мультипликативной модели временного ряда. 74
Прогнозирование по моделям временного ряда. 76
БИБЛИОГРАФИЧЕСКИЙ СПИСОК.. 92
Множественная регрессия и корреляция
Множественная регрессия – один из наиболее распространенных методов в эконометрике. Основная цель множественной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное их воздействие на результат.
Множественная регрессия характеризует зависимость объясняемой переменной у от ряда независимых переменных - факторов х i :
|
|
у = f (x 1, x 2,…, x p), (1.1)
где у – зависимая переменная (результативный признак);
x 1, x 2,…, x p - независимые переменные (факторы).
Построение многофакторной модели включает в себя два круга вопросов: отбор факторов и выбор вида уравнения регрессии.
Виды многофакторных моделей
Как и в парной зависимости, возможны разные виды уравнений множественной регрессии: линейные и нелинейные.
В виду четкой интерпретации параметров наиболее широко используются линейная и степенная функции.
Линейная множественная регрессия имеет вид:
(1.2)
В этой модели параметры при х называются коэффициентами «чистой» регрессии. Они характеризуют среднее изменение результата с изменением соответствующего фактора на единицу при неизменном значении других факторов, закрепленных на среднем уровне.
Степенная функция получила наибольшее распространение в исследованиях спроса и потребления, а также в производственных функциях. Она имеет вид:
. (1.3)
В ней коэффициенты b 1, b 2 , … b р, являются средними коэффициентами эластичности. Они показывают, на сколько процентов изменяется в среднем результат с изменением соответствующего фактора на 1 % при неизменности действия других факторов.
|
|
Можно использовать и другие функции, приводимые к линейному виду, например: экспоненту и равностороннюю гиперболу , которая используется при обратных
связях признаков.
Если исследователя не устраивает ни одна из вышеперечисленных функций, то можно использовать любые другие функции, приводимые к линейному виду, например:
(1.4)
Или полиномиальная функция – полином второго порядка:
(1.5)
Однако чем сложнее функция, тем менее интерпретируемы ее параметры.
Оценка параметров уравнения множественной регрессии
Параметры уравнения множественной регрессии оцениваются, как и в парной регрессии, методом наименьших квадратов (МНК). Возможны два способа расчета параметров многофакторной модели:
- методом определителей;
- методом стандартизации переменных (с использованием парных коэффициентов корреляции).
В первом случае для линейных уравнений и нелинейных уравнений, приводимых к линейным, строится следующая система нормальных уравнений, решение которой позволяет получить оценки параметров регрессии:
(1.6)
Для ее решения может быть применен метод определителей:
(1.7)
где - определитель системы; (1.8)
где частные определители, которые получаются путем замены соответствующего столбца матрицы определителя системы данными левой части системы.
Во втором методе уравнение множественной регрессии преобразуется в уравнение регрессии в стандартизованном масштабе (виде):
, (1.9)
где стандартизованные переменные; стандартизованные коэффициенты регрессии.
К уравнению множественной регрессии в стандартизованном масштабе применим МНК, стандартизованные коэффициенты регрессии определяются из следующей системы уравнений:
(1.10)
Связь коэффициентов множественной регрессии b i со стандартизованными коэффициентами описывается соотношением
(1.11)
Параметр а определяется как . (1.12)
Это позволяет от уравнения регрессии в стандартизованном масштабе
,
переходить к уравнению регрессии в натуральном масштабе переменных:
При нелинейной зависимости признаков, приводимой к линейному виду, параметры множественной регрессии также определяются МНК с той лишь разницей, что он используется не к исходным переменным, а к преобразованным данным. Например, для степенной функции
преобразование в линейный вид заключается, как и в парной регрессии, в логарифмировании уравнения по десятичному или натуральному основанию. Линейный вид степенной функции: где переменные выражены в логарифмах.
Далее обработка МНК та же, что и описана выше: строится система нормальных уравнений и определяются параметры lna, b1, b2, …, b p. Потенцируя значение lna, найдем параметр а и соответсвенно общий вид степенной
функции.
Для другого вида моделей, например, полиномиальных, гиперболических и т. п. линеаризация исходного уравнения проводится, как и в парной регрессии, путем замены нелинейных переменных на линейные.
Дата добавления: 2018-02-15; просмотров: 2023; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!