Содержание
- 2. Цели лекции Раскрыть понятие регрессии. Познакомиться с методом наименьших квадратов – методом построения линейного уравнения регрессии.
- 3. Виды зависимостей между переменными 1. Функциональные: Y = f(X). Имеют место при исследовании связей между неслучайными
- 4. Виды статистических зависимостей а) Корреляционные: при изменении одной из величин изменяется среднее значение другой (связь между
- 5. Пример: Регрессионная зависимость y 2 Y=2+x Возможные значения y для данного значения x x
- 6. Что такое регрессионный анализ? Регрессионный анализ – наиболее часто используемый инструмент в эконометрике. Регрессионный анализ представляет
- 7. Определение регрессии Регрессия – функциональная зависимость между объясняющими переменными и условным математическим ожиданием (средним значением) зависимой
- 8. Регрессионные модели Mx[Y] = ϕ(X) − парная регрессия, Mx[Y] = ϕ(X1,…,Xm) − множественная регрессия, где ϕ(X)
- 9. Пример: Парная регрессия Мы хотим определить зависимость между продажами и затратами на рекламу. y – продажи.
- 10. Пример: Множественная регрессия Мы хотим определить связь между потреблением, доходом семьи, финансовыми активами семьи и размером
- 11. Регрессионные уравнения Y = M[Y/x] + ε = ϕ(x) + ε − уравнение парной регрессии, Y
- 12. Причины обязательного присутствия случайного фактора Невключение в модель всех объясняющих переменных. Неправильный выбор функциональной формы модели.
- 13. Этапы построения качественного уравнения регрессии 1. Определение конечных целей эконометрического моделирования, набора участвующих в модели факторов
- 14. Этапы построения качественного уравнения регрессии 4. Выбор формулы уравнения регрессии (спецификация уравнения регрессии). 5. Определение параметров
- 15. Выбор формы парной регрессии В случае парной регрессии выбор формулы обычно осуществляется по графическому изображению реальных
- 16. Примеры взаимосвязи между переменными а) Взаимосвязь между Y и X близка к линейной: Y = a
- 17. Парная линейная регрессия Модель линейной регрессии является наиболее распространенной (и простой) зависимостью между переменными, а также
- 18. Модель Кейнса Рассмотрим модель Кейнса зависимости частного потребления С от располагаемого дохода I: С = С0+bI,
- 19. Модель парной линейной регрессии Теоретическая парная линейная регрессионная модель: где β0, β1 − теоретические коэффициенты регрессии,
- 20. Задачи линейного регрессионного анализа Задачи линейного регрессионного анализа состоят в том, чтобы по имеющимся статистическим данным
- 21. Эмпирическое уравнение регрессии По выборке ограниченного объема нельзя точно определить теоретические значения β0 и β1.. Можно
- 22. Эмпирическое уравнение регрессии В результате имеем: где ei – оценка теоретического случайного отклонения εi . Оценки
- 23. Эмпирическое и теоретическое уравнения регрессии Соотношение между теоретическим и эмпирическим уравнениями регрессии схематично имеет вид:
- 24. Задача определения коэффициентов регрессии Задача состоит в нахождении по выборке данных оценок b0 и b1 так,
- 25. Метод наименьших квадратов Наиболее распространена методом наименьших квадратов (МНК), реализующий минимизацию суммы квадратов отклонений: Основные особенности
- 26. Метод наименьших квадратов Пусть по выборке данных (xi, yi), i = 1, 2, …, n, требуется
- 27. Метод наименьших квадратов В этом случае минимизируется функция: Т.к. функция Q(b0,b1) непрерывна, выпукла и ограничена снизу,
- 28. Метод наименьших квадратов Приравняем нулю частные производные и затем разделим на n оба уравнения:
- 29. Оценки метода наименьших квадратов Решив последнюю систему уравнений, получим:
- 30. Матричная форма записи МНК эквивалентен ортогональности матрицы Х и вектора е:
- 31. Выводы 1. Оценки МНК являются функциями от выборки, что позволяет их легко рассчитать. 2. Оценки МНК
- 32. Выводы 4. Эмпирическое уравнение регрессии построено так, что 5. Случайные отклонения ei не коррелированы с наблюдаемыми
- 33. Другие методы определения коэффициентов регрессии Другие методы определения коэффициентов регрессии: метод наименьших модулей (МНМ), метод моментов
- 34. Пример (A) построения уравнения регрессии При анализе зависимости объема потребления Y (у.е.) домохозяйства от располагаемого дохода
- 35. Пример (A) построения уравнения регрессии Для определения вида зависимости построим корреляционное поле:
- 36. Пример (A) построения уравнения регрессии По расположению точек на корреляционном поле делаем предположение о линейной зависимости:
- 37. Пример (A) построения уравнения регрессии Т.о., уравнение парной линейной регрессии имеет вид: Изобразим данную прямую регрессии
- 38. Пример (A). Таблица расчетов по МНК
- 40. Скачать презентацию