ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ 5
1. Парная регрессия и корреляция 6
1.1. Методические указание 6
1.2. Пример выполнения задания 7
1.3. Варианты индивидуальных заданий по теме «Парная регрессия и корреляция» 12
2. Множественная регрессия и корреляция 17
2.1. Методические указания 17
2.2. Пример выполнения задания 18
2.3. Варианты индивидуальных заданий по теме «Множественная регрессия и корреляция» 27
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 32
ВВЕДЕНИЕ
В последнее время все большее внимание привлекают новые информационные технологии, основанные на использовании экономико-математических методов и моделей и вычислительной техники. Особое место занимают технологии принятия решений, позволяющие усовершенствовать процесс анализа и проектирования экономических систем. При решении задач из различных областей человеческой деятельности часто приходится использовать методы, основанные на эконометрических моделях.
Практикум по эконометрике содержит подробные примеры решения типовых задач и варианты заданий для самостоятельной работы студентов. Предлагаемый материал должен способствовать формированию у студентов практических навыков использования эконометрических методов при решении конкретных задач.
|
|
Для самостоятельного решения студентам предлагается две задачи. Для большего понимания перед их решением желательно изучить теоретический материал по учебникам, которые приведены в списке литературы, хотя необходимые формулы и методы приведены в методических указаниях.
Данный практикум разработан для студентов экономических специальностей очной и заочной форм обучения, изучающих курс эконометрики.
Цель практикума - помочь студентам в изучении и построении эконометрических моделей, оценке их качества и применении построенных моделей для прогнозирования.
1. Парная регрессия и корреляция
Методические указание
Линейная регрессия сводится к нахождению уравнения вида
или . (1)
Уравнение вида позволяет по заданным значениям фактора x находить теоретические значения результативного признака y, подставляя в него фактические значения фактора x.
Построение линейной регрессии сводится к оценке ее параметров – a и b.
Уравнение простой регрессии характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности в целом наблюдаемых данных.
Каждую пару наблюдений xi,yi можно представить в виде точки на плоскости ху. Такое графическое построение называется полем корреляции. В этом случае наилучшей считается функция, график которой проходит через наибольшее количество точек или как можно ближе к ним (рис.1).
|
|
Рис.1. Поле корреляции.
В каждом из наблюдений величину случайной компоненты можно определить как разность между фактическим значением результата и рассчитанным по уравнению регрессии:
(2)
Параметр b называют коэффициентом регрессии, который рассчитывается по формуле:
(3)
Его величина показывает, насколько в среднем изменяется значение результативного признака при изменении факторного на единицу.
Параметр а оценивается по следующей формуле:
(4)