- •И.А. Калашникова с.И. Моисеев эконометрика Учебное пособие
- •Воронеж 2013
- •И.А. Калашникова с.И. Моисеев эконометрика
- •Введение
- •Тема 1. Введение в эконометрику
- •Экономические модели должны отвечать ряду требований. К ним относятся:
- •Создание любой теоретической модели, в том числе и экономической, проходит несколько этапов:
- •Тема 2. Предмет эконометрика
- •Тема 3. Парная линейная регрессия и корреляция
- •Критические значения распределения Стьюдента
- •Тема 4. Парная нелинейная регрессия и корреляция
- •Тема 5. Множественная регрессия и корреляция
- •Решение. На основании исходных данных составляем систему уравнений (1) для определения коэффициентов и . Находим коэффициенты системы, вычисляя суммы:
- •Критические точки распределения f Фишера
- •Тема 6. Специальные методы построения регрессионных моделей. Предпосылки метода наименьших квадратов
- •Фиктивные переменные во множественной регрессии
- •Тема 7. Системы эконометрических уравнений
- •Тема 8. Временные ряды
- •Тема 9. Динамические эконометрические модели
- •Заключение
- •Библиографический список
- •Глоссарий
- •Оглавление
- •394026 Воронеж, Московский просп., 14
Тема 4. Парная нелинейная регрессия и корреляция
Во многих случаях при решении экономических задач оказывается, что зависимость между показателями Х и Y не является пропорциональной. В этом случае нельзя использовать линейное регрессионное уравнение, а необходимо строить парную нелинейную модель.
По методике построения нелинейные модели делятся на два класса: внутренне линейные и внутренне нелинейные.
Внутренне линейные модели можно с помощью алгебраических преобразований данных привести к линейному виду.
Например, рассмотрим случай гиперболической регрессии . Сделаем замену переменной , в результате получим линейное уравнение: . Таким образом, необходимо вместо исходных данных нужно взять преобразованные данные , а затем с ними проделать все вычисления, присущие парной линейной регрессии.
Или, например, для случая показательной регрессии , прологарифмируем уравнение . Сделав замены , получаем линейное уравнение . Таким образом, вместо исходных данных нужно взять преобразованные данные , а затем по формулам (3) из предыдущей темы найти параметры и . Потом, возвращаемся к параметрам исходного уравнения .
Пример. Некоторая организация в течении 6 кварталов вкладывала всю прибыль в свое развитие. При этом предполагается, что прибыль растет по показательному закону (здесь фактор Х – номер квартала, Y – прибыль, млн. руб.). Составить уравнение регрессии, найти коэффициент нелинейной корреляции, и при =0,05 проверить его значимость.
xi, кварталы |
1 |
2 |
3 |
4 |
5 |
6 |
уi, прибыль, млн.р. |
1 |
2 |
5 |
9 |
15 |
27 |
Решение. Так, как уравнение внутренне линейно, преобразуем данные , получаем следующую таблицу:
|
1 |
2 |
3 |
4 |
5 |
6 |
|
0 |
0,69 |
1,61 |
2,2 |
2,71 |
3,3 |
Далее выполняем все вычисления по аналогии с примером из предыдущей темы. Находим средние оценки преобразованных данных:
, откуда по формуле (2) из предыдущей темы находим:
.
Возвращаемся к исходным параметрам:
.
Уравнение регрессии имеет вид .
Коэффициент корреляции равен
Проверяем на значимость:
,
откуда следует, что коэффициент корреляции значим.
Рассмотрим теперь ситуацию, когда нельзя никакими преобразованиями привести уравнение к линейному виду. Такие модели называются внутренне нелинейными. Неизвестные параметры таких моделей получают непосредственно из метода наименьших квадратов. Среди внутренне нелинейных моделей в экономике чаще всего используется параболическая регрессия, уравнение которой имеет вид: . В соответствии с методом наименьших квадратов, для нахождения неизвестных параметром а, b и с необходимо решать систему уравнений вида:
(4.1)
где указанные суммы вычислены по всем эмпирическим данным: и т. д.
Для вычисления нелинейного коэффициента парной корреляции в случае параболической регрессии используется формула
, (4.2)
Для проверки значимости вычисляется статистика
t = ,
которая сравнивается с критическим значением , которое находится по табл. 1 (см. предыдущую тему). Если , то можно считать, что коэффициент корреляции значим, показатели Х и Y зависимы, уравнение регрессии можно использовать для прогнозов и оценок.
Пример. Владелец супермаркета поставил задачу определить зависимость между средней длинной очереди в кассу (фактор Y, чел.) и количеством касс, обслуживающих клиентов (фактор Х, шт.). По результатом наблюдений были получены выборки значений:
|
2 |
3 |
4 |
5 |
6 |
7 |
8 |
|
45 |
42 |
37 |
31 |
23 |
12 |
3 |
Предполагается, что зависимость между факторами имеет вид . Построить уравнение параболической регрессии, найти нелинейный коэффициент парной корреляции и на уровне значимости проверить его значимость.
Решение. В соответствии с формулой (6) для вычисления коэффициентов параболической регрессии, находим суммы
откуда система есть
Решаем систему методом Крамера, получаем
, ,
, .
Откуда
Уравнение регрессии имеет вид
.
Найдем коэффициент корреляции. Вычисляем .
|
2 |
3 |
4 |
5 |
6 |
7 |
8 |
|
45 |
42 |
37 |
31 |
23 |
12 |
3 |
|
45,19 |
41,86 |
37,00 |
30,62 |
22,71 |
13,28 |
2,33 |
|
0,036 |
0,020 |
0 |
0,144 |
0,084 |
0,518 |
0,449 |
|
303,8 |
208,2 |
88,9 |
11,8 |
20,9 |
242,4 |
603,7 |
.
Проверяем на значимость:
,
откуда следует, что коэффициент корреляции значим.
Тесты
1. Связь называется корреляционной:
а) если каждому значению факторного признака соответствует вполне определенное неслучайное значение результативного признака;
б) если каждому значению факторного признака соответствует множество значений результативного признака, т.е. определенное статистическое распределение;
в) если каждому значению факторного признака соответствует целое распределение значений результативного признака;
г) если каждому значению факторного признака соответствует строго определенное значение факторного признака.
2. По аналитическому выражению различают связи:
а) обратные:
б) линейные:
в) криволинейные;
г) парные.
3. Регрессионный анализ заключается в определении:
а) аналитической формы связи, в которой изменение результативного признака обусловлено влиянием одного или нескольких факторных признаков, а множество всех прочих факторов, также оказывающих влияние на результативный признак, принимается за постоянные и средние значения;
б) тесноты связи между двумя признаками (при парной связи) и между результативным и множеством факторных признаков (при многофакторной связи);
в) статистической меры взаимодействия двух случайных переменных:
г) степени статистической связи между порядковыми переменными.
4. Под частной корреляцией понимается:
а) зависимость результативного признака и двух и более факторных признаков, включенных в исследование;
б) связь между двумя признаками (результативным и факторным или двумя факторными):
в) зависимость между результативным и одним факторным признаками при фиксированном значении других факторных признаков;
г) зависимость между качественными признаками.
5. Какое значение не может принимать парный коэффициент корреляции:
а) -0,973;
б) 0,005;
в) 1,111;
г) 0,721?
6. При каком значении линейного коэффициента корреляции связь между признаками У и Х можно считать тесной (сильной):
а) -0,975;
б) 0,657;
в) -0,111;
г) 0,421?
7. Какой критерий используют для оценки значимости коэффициента корреляции:
а) F- критерий Фишера;
б) t - критерий Стьюдента;
в) критерий Пирсона$
г) δ-критерий Дарбина—Уотсона?
8. Пели парный коэффициент корреляции между признаками У и X равен — 1. то это означает:
а) отсутствие связи;
б) наличие обратной корреляционной связи;
в) наличие обратной функциональной связи;
г) наличие прямой функциональной связи?
9. Если парный коэффициент корреляции между признаками У и X принимает значение 0,675, то коэффициент детерминации равен:
а) 0,822;
б) -0,675:
в) 0,576;
г) 0,456?
10. Опенки параметров регрессии (свойства оценок МНК) должны быть:
а) несмещенными:
б) гетероскедатичными;
в) эффективными;
г) состоятельными?
11. В уравнении линейной парной регрессии параметр аi означает:
а) усредненное влияние на результативный признак неучтенных (не выделенных для исследования) факторов:
б) среднее изменение результативного признака при изменении факторного признака на 1 %;
в) на какую величину в среднем изменится результативный признак y, если переменную х увеличить на единицу измерения;
г) какая доля вариации результативного признака y учтена в модели и обусловлена влиянием переменной х?
12. Уравнение регрессии имеет вид у = 2,02 ± 0,78*x. На сколько единиц своего измерения в среднем изменился у при увеличении x на одну единицу своего измерения:
а) увеличится на 2,02;
б) увеличится на 0,78;
в) увеличится на 2.80;
г) не изменится?
13. Какой критерий используют дня оценки значимости уравнения регрессии:
а) F-критерий Фишера;
б) t-критерий Стьюдента;
в) критерий Пирсона;
г) d-критерий Дарбина—Уотсона?
14. Какой коэффициент определяет среднее изменение результативного признака при изменении факторного признака на 1 %:
а) коэффициент регрессии;
б) коэффициент детерминации;
в) коэффициент корреляции;
г) коэффициент эластичности?
15. Чему равен коэффициент эластичности, если уравнение регрессии имеет вид у = 2,02 + 0.78 x , а х ср = 5,0, уср = 6,0 :
а) 0.94;
б) 1,68;
в) 0,65;
г) 2,42?
16. Уравнение степенной функции имеет вид;
а) y=axb
б) y= a+b/x
в) y=1/(a+bx+cx2);
г) y=abx
17. Уравнение гиперболы имеет вид:
а) y=axb
б) y= a+b/x
в) y=1/(a+bx+cx2);
г) y=abx