Содержание
- 2. ЧТО ТАКОЕ ЭКОНОМЕТРИКА Экономическая теория Теория Вероятностей и математическая статистика Экономическая статистика Микроэкономика Макроэкономика Эконометрика
- 3. Эконометрика Формулирует экономические модели, основываясь на экономической теории (микро и макроэкономике) Оценивает неизвестные параметры модели на
- 4. МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ y – зависимая (объясняемая) переменная х – независимая (объясняющая) переменная
- 5. МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ y – зависимая (объясняемая) переменная х – независимая (объясняющая) переменная 1. Вычисляем
- 6. МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ y – зависимая (объясняемая) переменная х – независимая (объясняющая) переменная 2. Вычисляем
- 7. МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ y – зависимая (объясняемая) переменная х – независимая (объясняющая) переменная 3. Вычисляем
- 8. МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ y – зависимая (объясняемая) переменная х – независимая (объясняющая) переменная 4. Вычисляем
- 9. МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ y – зависимая (объясняемая) переменная х – независимая (объясняющая) переменная 4. Анализируем
- 10. ПАРНАЯ РЕГРЕССИЯ Коэффициент корреляции близок к 1
- 11. Коэффициент корреляции близок к -1
- 12. Коэффициент корреляции близок к 0
- 13. МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ y – зависимая (объясняемая) переменная х – независимая (объясняющая) переменная 6. Если
- 14. МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ Предположим, что необходимо получить функцию спроса на некоторый товар в зависимости от
- 15. МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ
- 16. МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ Нанесем точки на график
- 17. Метод наименьших квадратов Нанесем точки на график Точки разбросаны вокруг некоторой прямой! Как ее найти?
- 18. Метод наименьших квадратов Нанесем точки на график Расстояние от каждой точки до прямой должно быть как
- 19. Метод наименьших квадратов Нанесем точки на график Плохая прямая!
- 20. Метод наименьших квадратов Нанесем точки на график Хорошая прямая! Но может быть есть еще лучше?
- 21. Метод наименьших квадратов Нанесем точки на график Уравнение прямой в общем виде y=ax+b. Надо найти наиболее
- 22. Обозначим доход 1-го домохозяйства спрос 1-го домохозяйства на продукт x y y=ax+b
- 23. Обозначим доход 1-го домохозяйства спрос 1-го домохозяйства на продукт x y y=ax+b Отклонение точки от прямой.
- 24. Обозначим доход 1-го домохозяйства спрос 1-го домохозяйства на продукт x y y=ax+b Отклонение точки от прямой.
- 25. А если точка лежит ниже прямой? Тогда отклонение x y y=ax+b Отклонение точки от прямой. Должно
- 26. Как учесть сразу оба случая? Квадрат отклонения должен быть как можно меньше. x y y=ax+b Отклонение
- 27. Квадрат отклонения до второй точки тоже должен быть как можно меньше.
- 28. Квадрат отклонения до второй точки тоже должен быть как можно меньше. И для третьей точки
- 29. Предположим, что у нас n точек. Тогда и для последней точки
- 30. Как учесть все точки сразу? Сумма квадратов расстояний от точек до прямой должна быть как можно
- 31. Как учесть все точки сразу? Сумма квадратов расстояний от точек до прямой должна быть как можно
- 32. Как учесть все точки сразу? Получили функцию двух переменных, для которой надо найти минимум, т.е. надо
- 33. это просто числа, нам известные и
- 34. Вернемся к примеру Надо найти
- 35. Вернемся к примеру
- 36. a=0,17, b=9,33 y=0,17x+9,33 - уравнение прямой, которая проходит ближе всего к точкам.
- 37. y=0,17x+9,33 - функция спроса в зависимости от дохода. Интерпретация коэффициента а: при увеличении х на 1
- 38. y=0,17x+9,33 - функция спроса в зависимости от дохода.
- 39. y=0,17x+9,33 - функция спроса в зависимости от дохода. С ростом дохода на 1 ден.ед. спрос на
- 40. Как оценить качество построенной модели? Построим прогноз по модели по формуле
- 41. Как оценить качество построенной модели? Вычисляем остатки
- 42. Как оценить качество построенной модели? Находим относительную ошибку аппроксимации Процентный формат
- 43. Как оценить качество построенной модели? Находим среднюю относительную ошибку аппроксимации среднее по столбцу В среднем прогноз
- 44. Как оценить качество построенной модели? Еще один показатель качества – коэффициент детерминации Для его вычисления вычисляем
- 45. Как оценить качество построенной модели? коэффициент детерминации
- 46. Как оценить качество построенной модели? коэффициент детерминации показывает долю вариации зависимой переменной, объясненную регрессией. Изменяется от
- 47. Как оценить качество построенной модели? 94,9% вариации спроса на продукт объясняется доходом и остальные 5,1% прочими
- 48. Как оценить качество построенной модели?
- 49. Проверка значимости коэффициентов модели регрессии Построено уравнение Даже если в реальности y не зависит от х,
- 50. Проверка значимости коэффициентов модели регрессии Для проверки значимости коэффициента a рассчитывается величина Построено уравнение Даже если
- 51. Проверка значимости коэффициентов модели регрессии
- 52. Проверка значимости коэффициентов модели регрессии Р-значение - это вероятность того, что переменная х не значима. При
- 53. y=0,17x+9,33 - функция спроса в зависимости от дохода. Выполнить прогноз потребления продукта домохозяйством с доходом 200
- 54. y=0,17x+9,33 - функция спроса в зависимости от дохода. Выполнить прогноз потребления продукта домохозяйством с доходом 200
- 55. Модели парной нелинейной регрессии
- 57. Зависимость нелинейная!
- 58. Попытка провести прямую
- 59. 1) Логарифмическая модель Для оценки такой зависимости создаем столбец с ln(x)
- 60. 1) Логарифмическая модель Используя сервис Анализ данных построим модель линейной регрессии, используя в качестве зависимой переменной
- 61. 1) Логарифмическая модель
- 62. 1) Логарифмическая модель Интерпретация коэффициента а: при увеличении х на 1% y увеличится на а/100 единиц.
- 63. 1) Логарифмическая модель Также как в линейной модели рассчитывается средняя относительная ошибка аппроксимации Y=4.017ln(x)+3.197
- 64. Степенная модель Интерпретация коэффициента a – эластичность зависимой переменной по объясняющей переменной a показывает, на сколько
- 65. Степенная модель Сводится к линейной модели логарифмированием
- 66. Степенная модель Создаем столбцы с логарифмами
- 67. Используя сервис Анализ данных построим модель линейной регрессии, используя в качестве зависимой переменной ln(y), а в
- 68. Используя сервис Анализ данных построим модель линейной регрессии, используя в качестве зависимой переменной ln(y), а в
- 69. Используя сервис Анализ данных построим модель линейной регрессии, используя в качестве зависимой переменной ln(y), а в
- 72. Скачать презентацию