- •«Однофакторный регрессионный анализ при помощи системы “Gretl”»
- •Содержание
- •1 Общие понятия регрессионного анализа
- •Коэффициент детерминации
- •Адекватность регрессионного уравнения
- •Оценка качества регрессионного уравнения.
- •2 Порядок построения экономико-математической модели с помощью метода регрессионного анализа
- •3 Однофакторный регрессионный анализ в системе «gretl»
- •4 Пример регрессионного анализа
- •Ход решения задачи
- •5 Задание по выполнению лабораторной работы
- •6 Порядок выполнения работы
- •7. Контрольные вопросы
- •Библиографический список
2 Порядок построения экономико-математической модели с помощью метода регрессионного анализа
Задачи математического моделирования экономических показателей часто возникают в экономике и задачах управления. Получаемые модели используют для прогнозирования состояния процессов, более глубокого их изучения и управления ими.
Алгоритм построения однофакторной регрессионной модели:
Постановка задачи, сбор количественных показателей.
Например, при анализе прибыли предприятия могут быть построены следующие модели:
- зависимость прибыли от объема производства;
- зависимость прибыли от товарооборота;
- зависимость прибыли от численности персонала.
Для построения таких моделей необходимо подготовить данные об оценках соответствующих величин в денежном или натуральном выражении. Периодичность сбора этих данных может быть: ежемесячной, ежеквартальной, ежегодной.
Установление априорной зависимости между показателями. После подготовки данных необходимо провести их первичный анализ: оценить визуально зависимость между данными путем построения графика зависимости, рассчитать коэффициент корреляции. Такой анализ позволит сделать предположение о виде модели, коэффициенты которой необходимо оценить.
Оценка моделей методом наименьших квадратов, анализ полученных результатов.
В самом общем виде однофакторная регрессионная модель может быть представлена в виде:
(20)
Либо без константы:
(21)
При проведении анализа регрессионной модели необходимо проанализировать:
ее точность (сумма квадратов ошибок и средняя ошибка должна стремиться к нулю, коэффициент детерминации – к единице);
значимость коэффициентов регрессионного уравнения (коэффициенты должны быть значимы);
адекватность регрессионного уравнения;
качество регрессионной модели по критериям логарифмического правдоподобия, Акаике, Байеса-Шварца, Ханаана-Квина.
Экономический смысл параметров уравнения линейной парной регрессии: Параметр показывает среднее изменение результата y с изменением фактора x на единицу. Параметр =y, когда x=0. Если x не может быть равен 0, то не имеет экономического смысла. В противном случае, параметр означает начальное значение у. (Например, если построена модель линейной регрессии зависимости затрат от объема производства, то параметр будет означать значение постоянных издержек).
4. Третий этап заключается в выборе лучшей модели из полученных вариантов. На этом этапе выбирают лучшую модель с помощью нескольких статистических параметров. Они позволяют оценить по отдельности значимость коэффициентов математической модели в статистическом смысле, определить интегральную ошибку модели по отношению к исходному временному ряду, установить наличие корреляции между значениями ошибки модели, а также определить степень адекватности модели процессу в целом.
Для выбора наилучшей модели используют следующие параметры:
статистика Стьюдента, определяющая значимость каждого коэффициента регрессии в статистическом смысле;
статистика Фишера, определяющая степень адекватности модели в целом.
коэффициент множественной детерминации (для лучшей модели должен приближаться к 1;
сумма квадратов ошибок модели (из возможных вариантов необходимо выбрать ту модель, для которой сумма квадратов ошибок и средняя ошибка принимают минимальное значение);
информационный критерий Акаике (AIC);
критерий Байеса-Шварца (BSC);
критерий Ханаана-Квина.