Содержание
- 2. Развитие экономики, усложнение экономических процессов и повышение требований к принимаемым управленческим решениям в области макро и
- 3. Построение эконометрических моделей приходится осуществлять в условиях, когда нарушаются предпосылки классических статистических методов, и учитывать наличие
- 4. Основным инструментом математической статистики, используемым для построения эконометрических моделей, являются методы корреляционного и регрессионного анализа. Корреляционный
- 5. Рассматривая эконометрическое исследование в целом, в нем можно выделить следующие этапы: 1. Постановка проблемы, т. е.
- 6. В процессе экономической интерпретации результатов необходимо ответить на следующие вопросы: – являются ли статистически значимыми объясняющие
- 7. 1. КОРРЕЛЯЦИОННЫЙ И РЕГРЕССИОННЫЙ АНАЛИЗ ПЕРЕКРЁСТНЫХ ДАННЫХ Основная цель любого научного (в том числе и эконометрического)
- 8. Измерение тесноты взаимосвязи переменных составляет содержание корреляционного анализа. Форму, или формулу, взаимосвязи переменных устанавливают методами регрессионного
- 9. Другой предельный вариант – полное отсутствие связи между независимыми переменными. Промежуточный вариант неполной связи характерен для
- 10. Статистической называют зависимость, при которой изменение одной из величин влечет изменение распределения другой. В частном случае,
- 11. При корреляционной связи каждому значению независимой переменной X соответствует не одно значение Y, а совокупность значений
- 12. Уравнение (1) называется уравнением регрессии Y на X, функция f(x) – функцией регрессии, а ее график
- 13. Парная корреляция Пусть в результате наблюдений изучаемого экономического показателя Y удалось выявить один определяющий (доминирующий) фактор
- 14. При первичном анализе все пары наблюдений (xi, yi), i = 1, …, n изображают на координатной
- 15. Прямая линия 1 (рис. 1, а) достаточно хорошо соответствует эмпирическим данным. Поэтому для описания формы зависимости
- 16. Рассмотрим подробнее вариант, представленный на рис. 1, а. Пусть статистическая связь между переменными X и Y
- 17. Основные свойства выборочного коэффициента корреляции: Коэффициент корреляции принимает значения на отрезке [–1; 1], т. е. –1
- 18. Коэффициент корреляции rxy вычисляется по выборочным данным и может существенно отличаться от значения коэффициента корреляции ρxy
- 19. Таким образом, необходима проверка гипотезы о статистической значимости коэффициента корреляции ρxy. Проверяется основная гипотеза Н0: ρxy
- 20. Парная регрессия После того как между изучаемыми переменными установлена линейная корреляция достаточной тесноты, регрессионный анализ позволяет
- 21. Складывая закономерную и случайную составляющие для линейно связанных X и Y, получим Y = Mх (Y)
- 22. Линейная регрессия (англ. Linear regression) — используемая в статистике регрессионная модель зависимости одной (объясняемой, зависимой) переменной
- 23. Регрессионная модель {\displaystyle y=f(x,b)+\varepsilon ,~E(\varepsilon )=0},где {\displaystyle b} — параметры модели, {\displaystyle \varepsilon } — случайная
- 25. Скачать презентацию