Интервальная оценка индивидуального значения зависимой переменной в парной регрессионной модели.
Для определения границ доверительного интервала для отдельных (индивидуальных) значений зависимой переменной (например, для номера наблюдения t = р, р>n), применяя стандартную процедуру, составляем дробь Стьюдента:
Числитель дроби представляет собой ошибку прогноза индивидуального значения эндогенной переменной
знаменатель дроби — оценка ско ошибки прогноза. Выразим дисперсию данной ошибки через выборочные данные:
где учтено, что 
на интервале прогнозирования. Заменяя значение дисперсии 
его оценкой, получим выражение для оценки дисперсии прогноза для наблюдения t = р
Границы доверительного интервала прогноза индивидуальных значений Yt определяются по формуле
Использование фиктивных переменных для определения структурных изменений в экономике.
При составлении регрессионных моделей в некоторых случаях возникает необходимость оценить влияние не только количественных, но и качественных переменных. Именно такие переменные в эконометрике называются фиктивными, которые могут принимать значения 0 (отсутствие признака в момент t) или 1 (наличие признака в момент t).
В регрессионных моделях с временными рядами используется 3 основных вида фиктивных переменных
1. Переменные для моделирования структурных сдвигов
2. Сезонные переменные
3. Линейный временной тренд
Используя фиктивные переменные для определения структурных изменений мы должны руководствоваться следующим:
|
|
|
Если наблюдение принадлежит определенному периоду (нап. 2000-2005), мы используем 1. В противном случае – 0
Это пример моделирования временного структурного сдвига.
Постоянный структурный сдвиг моделируется переменной, равной 0 до определенного момента времени и 1 для всех наблюдений после этого момента времени.
Коэффициент детерминации в множественной регрессионной модели
Коэффициент детерминации показывает долю вариации результативного признака, находящегося под воздействием изучаемых факторов, то есть определяет, какая доля вариации признака Y учтена в модели и обусловлена влиянием на него факторов.
Чем ближе R2 к 1, тем выше качество модели.
Проверить значимость коэффициента детерминации мы можем, проверяя значимость F статистики (сравнивая вычисленное значение с табличным). Если Fвыч<Fтаб, коэффициент детерминации незначим. В противном случае коэффициент детерминации признается значимым.
В множественной регрессионной модели добавление дополнительных регрессоров, как правило, увеличивает значение коэффициента детерминации, поэтому его корректируют с учетом числа регрессоров по формуле: 
|
|
|
Дата добавления: 2018-08-06; просмотров: 589; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!