Содержание
- 2. План: Общие сведения о нелинейных парных регрессионных моделях, виды нелинейных регрессий Оценка параметров нелинейной модели относительно
- 3. 1. Общие сведения о нелинейных парных регрессионных моделях
- 4. Различают два класса нелинейных регрессий: регрессии, нелинейные относительно фактора, но линейные по параметрам Регрессии, нелинейные по
- 5. Регрессии, нелинейные относительно фактора
- 6. Регрессии, нелинейные относительно фактора Полиномиальная
- 7. Регрессии, нелинейные относительно фактора Применение полиномиальных моделей Полиномом второй степени могут быть представлены зависимости: Заработная плата
- 8. Регрессии, нелинейные относительно фактора Применение гиперболических моделей Классический пример: кривая Филлипса - графическое отображение обратной зависимости
- 9. Кривая Филлипса Х – общий уровень безработицы (в процентах) Y – годовой темп прироста ставки заработной
- 10. Кривая Филлипса Олбан Уильям Филлипс (1914-1975) - австралийский экономист, работавший в Англии. Кривую Филлипса получил в
- 11. Регрессии, нелинейные относительно фактора Пример произвольной логарифмической модели
- 12. Регрессии, нелинейные относительно фактора Применение логарифмических моделей Может быть использована для описания доли расходов на товары
- 13. Регрессии, нелинейные относительно параметров
- 14. Регрессии, нелинейные относительно параметров В степенной функции регрессии показатель b является коэффициентом эластичности*
- 15. Регрессии, нелинейные относительно параметров Степенная регрессия нашла большое использование в производственных функциях, в исследованиях спроса и
- 16. 2. Оценка параметров нелинейной модели относительно фактора
- 17. Полиномиальная, гиперболическая и логарифмическая модели сводятся к линейной форме заменой переменных Затем используются известные соответствующие методы
- 18. Полиномиальная модель На практике используются полиномы не более третьего порядка Введем новые переменные: Получили линейную модель
- 19. Гиперболическая модель Преобразование: Получили линейную модель : Применяя МНК, получаем формулы для расчета параметров модели:
- 20. Логарифмическая модель Преобразование: Получили линейную модель : Применяя МНК, получаем формулы для расчета параметров модели:
- 21. 3. Оценка параметров нелинейной модели по параметрам
- 22. Некоторые нелинейные модели по параметрам можно привести к линейному виду путем линеаризации
- 23. Примеры нелинейных моделей и их линеаризация
- 24. Оценка параметров линеаризованных моделей МНК применяют к преобразованному линеаризованному уравнению Пример: степенная регрессия Логарифмируем: Цель:
- 25. Оценка параметров линеаризованных моделей Решение задачи минимизации сводится к решению системы нормальных уравнений
- 26. Оценка параметров линеаризованных моделей Продолжение: преобразование системы нормальных уравнений
- 27. Оценка параметров линеаризованных моделей Продолжение: из системы нормальных уравнений выражаем параметры с учетом замены Готовые формулы
- 28. Известно, что коэффициент эластичности для любой парной зависимости: Тогда для степенной НПР: Эластичность: Упражнение 1. Доказать,
- 29. Упражнение 2. По совокупности 30 предприятий торговли изучается зависимость между признаками: х – цена на товар,
- 30. Таблица дисперсионного анализа Для расчета коэффициента детерминации (вариацию):
- 32. Скачать презентацию