Содержание
- 2. Метод наименьших квадратов. Уравнение парной регрессии. yt = a0 + a1xt + ut (7.1) Постановка задачи.
- 3. Метод наименьших квадратов Идея метода. Пусть имеем выборку из 4-х точек (n=4): P1 =(x1, y1) P2
- 4. Метод наименьших квадратов P4 Q4 u4 ã0 Y Y Любое значение Y можно представить в виде
- 5. Реализация метода наименьших квадратов Итак, оценки параметров модели парной регрессии согласно МНК будем искать из условия:
- 6. Реализация метода наименьших квадратов Упростим систему нормальных уравнений (7.2) (7.3) Для решения системы (7.3) выразим из
- 7. Реализация метода наименьших квадратов Вычислив с помощью (7.5) оценку ã1, с помощью выражения (7.4) получим значение
- 8. Реализация метода наименьших квадратов Вопрос. Как связано полученное решение со случайными возмущениями? Подставляя (7.7) в (7.6)
- 9. Характеристики точности уравнения парной регрессии Вычислим дисперсии параметров уравнения регрессии и дисперсию прогнозирования эндогенной переменной. 1.
- 10. Характеристики точности уравнения парной регрессии Дисперсия параметра ã0 Дисперсия σ2(ã1) известна (7.8), необходимо вычислить дисперсию y.
- 11. Характеристики точности уравнения парной регрессии Дисперсия прогноза эндогенной переменной. Ковариации между случайными возмущениями и оценками параметров
- 12. Пример применения МНК X-стаж работы сотрудника; Y- часовая оплата труда. Модель: Yt=a0+a1Xt+Ut Σxi=210; Σyi=146.42; Σxi2=2870; Σxiyi=1897.66
- 14. Скачать презентацию