Линейная модель парной регрессии. Метод наименьших квадратов

1. Цели, предмет, задачи эконометрики. Этапы эконометрического моделирования.
2. Инструментарий эконометрики.

Термин «эконометрика» впервые был использован бухгалтером П. Цьемпой, Австро-Венгрия, 1910 г. П.

Становление эконометрики

1912 г. – И. Фишер (Нью-Йорк) сделал попытку создать группу

Становление эконометрики
1930 г., 29 декабря – на заседании Американской ассоциации развития

Становление эконометрики

1933 г. – стал издаваться журнал «Econometrica»
1941 г. – издан

Становление эконометрики

1970 – е гг. – противоречия между кейнсианцами, монетаристами и

Эконометрика – это наука, которая дает количественное выражение взаимосвязей экономических

Источники эконометрики

Зарождение эконометрики является следствием
междисциплинарного подхода к изучению экономики:

«Эконометрика – это не то же самое, что экономическая статистика. Она

Основные задачи эконометрики

построение эконометрической модели;
оценка параметров построенной модели, делающих выбранную модель

Этапы моделирования

1. постановочный
2. априорный
3. спецификация модели
4. информационный
5. идентификация модели
6. верификация модели
7.

Вопрос исследования:
выявить фактор, влияющий на среднее
число зрителей за первые

Кросс-секционные данные о расходах на рекламу и среднем числе
зрителей по

Типы исходных данных

Перекрестные данные (кросс-секции)
Временные ряды
Панельные данные

Перекрестные данные

Множество данных, состоящих из наблюдений за несколькими
однотипными статистическими объектами

Временные ряды

Множество данных, состоящих из наблюдений за одним статисти-
ческим объектом в

Панельные данные

Множество данных, состоящих из наблюдений за несколькими однотипными
статистическими

Фактор, влияющий на среднее
число зрителей за первые три дня проката

нет

да

2. Инструментарий эконометрики. Типы моделей и переменных.

Особенности эконометрического метода

-Исследование статистических зависимостей, а не функциональных.
Отражение особенностей экономических переменных

Типы моделей и переменных

3. Спецификация линейной модели парной регрессии. Оценки параметров линейной регрессии. Метод

Цель регрессионного анализа

Термин «регрессия» был введен Фрэнсисом Гальтоном в конце 19

Виды регрессии

Простая (парная) регрессия представляет собой модель, где среднее
значение зависимой переменной

Спецификация модели - формулирование вида модели, исходя из соответствующей теории связи

Спецификация линейной модели парной регрессии

Yi - фактическое значение зависимой переменной Y
Yxi

Теоретическая линейная модель парной регрессии

α – свободный коэффициент
β - коэффициент регрессии
εi

Эмпирическое уравнение линейной парной регрессии

Yxi - теоретическое (среднее) значение зависимой переменной

Типы ошибок в регрессии

Методы выбора типа уравнения регрессии

X

Y

X

Y

0

0

Y

X

X

Y

0

0

Y

X

X

Y

0

0

Y

X

0

Yxi

Yi

εi

Суть метода наименьших квадратов (МНК) - оценки параметров таковы, что сумма

Оценка параметров регрессии

Оценка параметров регрессии

В силу несовпадения статистической базы
для генеральной совокупности и выборки оценки

Предпосылки МНК

Математическое ожидание случайного отклонения εi равно нулю
для всех наблюдений.

2.

Предпосылки МНК

3. Случайные отклонения εi и εj являются независимыми друг от

Свойства МНК-оценок

Теорема Гаусса- Маркова. Если предпосылки МНК выполнены,
то МНК-оценки обладают следующими