Конспект лекции 3 (часть 1) Орлова И. В., Гусарова О. М. 2007 Тема Множественная регрессия. Вопросы Нелинейная регрессия. Нелинейные модели и их линеаризация



Скачать 303.6 Kb.
страница1/3
Дата01.12.2012
Размер303.6 Kb.
ТипКонспект
  1   2   3




ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ

ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

ВСЕРОССИЙСКИЙ ЗАОЧНЫЙ ФИНАНСОВО-ЭКОНОМИЧЕСКИЙ

ИНСТИТУТ

Кафедра экономико-метематических моделей

ЭКОНОМЕТРИКА

Конспект лекции 3

(часть 1)

Орлова И.В., Гусарова О.М.
2007

Тема 4. Множественная регрессия.

Вопросы

  1. Нелинейная регрессия. Нелинейные модели и их линеаризация.


  2. Регрессионные модели с переменной структурой (фиктивные переменные).



      1. Нелинейная регрессия



При рассмотрении зависимости экономических показателей на основе реальных статистических данных с использованием аппарата теории вероятности и математической статистики можно сделать выводы, что линейные зависимости встречаются не так часто. Линейные зависимости рассматриваются лишь как частный случай для удобства и наглядности рассмотрения протекаемого экономического процесса. Чаще встречаются модели которые отражают экономические процессы в виде нелинейной зависимости.

Если между экономическими явлениями существуют не­линейные соотношения, то они выражаются с помощью со­ответствующих нелинейных функций.

Различают два класса нелинейных регрессий:

  • регрессии, нелинейные относительно включенных в анализ объясняющих пе­ременных, но линейные по оцениваемым параметрам:

  • регрессии, нелинейные по оцениваемым параметрам.

Нелинейные регрессии по включаемым в нее объясня­ющим переменным, но линейные по оцениваемым пара­метрам

Данный класс нелинейных регрессий включает уравне­ния, в которых зависимая переменная линейно связана с параметрами. Примером могут служить:

полиномы разных степеней

(полином k-й степени)

и равносторонняя гипербола

.

При оценке параметров регрессий нелинейных по объясняю­щим переменным используется подход, именуе­мый «замена переменных». Суть его состоит в замене «нели­нейных» объясняющих переменных новыми «линейными» переменными и сведение нелинейной регрессии к линейной регрессии. К новой «преобразованной» регрессии может быть приме­нен обычный метод наименьших квадратов (МНК).

Полином любого порядка сводится к ли­нейной регрессии с ее методами оценивания параметров и проверки гипотез.


Среди нелинейной полиноминальной регрессии чаще всего используется парабола второй степени; в отдельных случаях — полином третьего порядка. Ограничение в ис­пользовании полиномов более высоких степеней связаны с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и, соответственно, менее однородна совокупность по резуль­тативному признаку.

Равносторонняя ги­пербола, для оценки параметров которой используется тот же подход «замены переменных» (1/x заменяют на переменную z) хорошо известна в эконометрике.

Она может быть использована, например, для характеристики связи удельных расходов сы­рья, материалов и топлива с объемом выпускаемой продукции. Также примером использования равносторонней ги­перболы являются кривые Филлипса и Энгеля..

Регрессии нелинейные по оцениваемым параметрам

К данному классу регрессий относятся уравнения, в которых зависимая переменная нелинейно связана с параметрами. Примером таких нелинейных регрессий являются функции:

  • степенная - ;

  • показательная - ;

  • экспоненциальная -

Если нелинейная модель внутренне линейна, то она с по­мощью соответствующих преобразований может быть при­ведена к линейному виду (например, логарифмированием и заменой переменных). Если же нелинейная модель внут­ренне нелинейна, то она не может быть сведена к линейной функции и для оценки её параметров используются итеративные процедуры, успешность которых зависит от вида уравнений и особен­ностей применяемого итеративного подхода.

Примером нелинейной по параметрам регрессии внут­ренне линейной является степенная функция, которая ши­роко используется в эконометрических исследованиях при изучении спроса от цен: , где у — спрашиваемое количество; х — цена;

Данная модель нелинейна относительно оцениваемых параметров, т. к. включает параметры а и b неаддитивно. Однако ее можно считать внутренне линейной, ибо логариф­мирование данного уравнения по основанию е приводит его к линейному виду . Заменив пе­ременные и параметры, получим линейную регрессию, оцен­ки параметров которой а и b могут быть найдены МНК.

Ши­рокое использование степенной функции связано это с тем, что параметр b в ней имеет четкое экономическое истолко­вание, т. е. он является коэффициентом эластичности. Это значит, что величина коэффициента b показывает, на сколько процентов изменится в среднем результат, если фактор изменится на 1 %.

Коэффициент эластичности можно определять и при наличии других форм связи, но только для степенной функ­ции он представляет собой постоянную величину, равную па­раметру b.

Пример

По семи предприятиям легкой промышленности региона получена информация, характеризующая зависимость объема выпуска продукции (Y, млн. руб.) от объема капиталовложений ( Х, млн. руб. ).

Y

64

56

52

48

50

46

38

X

64

68

82

76

84

96

100


Требуется:

1.Для характеристики Y от Х построить следующие модели:

  • линейную (для сравнения с нелинейными),

  • степенную,

  • показательную,

  • гиперболическую.

2.Оценить каждую модель, определив:

  • индекс корреляции,

  • среднюю относительную ошибку,

  • коэффициент детерминации,

  • F-критерий Фишера.

3.Составить сводную таблицу вычислений, выбрать лучшую модель, дать интерпретацию рассчитанных характеристик.

4.Рассчитать прогнозные значения результативного признака по лучшей модели, если объем капиталовложений составит 89,573 млн. руб.

5.Результаты расчетов отобразить на графике.

Решение:


1. Построение линейной модели парной регрессии

Определим линейный коэффициент парной корреляции по следующей формуле:
;
Можно сказать, что связь между объемом капиталовложений Х и объемом выпуска продукции Y обратная, достаточно сильная.

Уравнение линейной регрессии имеет вид: ŷ = a + b  x
  1   2   3

Похожие:

Конспект лекции 3 (часть 1) Орлова И. В., Гусарова О. М. 2007 Тема Множественная регрессия. Вопросы Нелинейная регрессия. Нелинейные модели и их линеаризация icon1. Линейная парная регрессия Краткая теоретическая справка
Регрессия [regression] – зависимость среднего значения какой-либо случайной величины от некоторой другой величины (парная регрессия)...
Конспект лекции 3 (часть 1) Орлова И. В., Гусарова О. М. 2007 Тема Множественная регрессия. Вопросы Нелинейная регрессия. Нелинейные модели и их линеаризация iconПарная регрессия и корреляция
Парная регрессия представляет собой регрессию между двумя переменными – и, т е модель вида
Конспект лекции 3 (часть 1) Орлова И. В., Гусарова О. М. 2007 Тема Множественная регрессия. Вопросы Нелинейная регрессия. Нелинейные модели и их линеаризация iconМножественная регрессия и корреляция
Если же этим влиянием пренебречь нельзя, то в этом случае следует попытаться выявить влияние других факторов, введя их в модель,...
Конспект лекции 3 (часть 1) Орлова И. В., Гусарова О. М. 2007 Тема Множественная регрессия. Вопросы Нелинейная регрессия. Нелинейные модели и их линеаризация iconКонспект лекции 4 (часть 2) концевая н. В. 2007 Тема Многомерный статистический анализ Вопросы Многомерный статистический анализ
Многомерный статистический анализ. Задачи классификации объектов: кластерный анализ. Дискриминантный анализ
Конспект лекции 3 (часть 1) Орлова И. В., Гусарова О. М. 2007 Тема Множественная регрессия. Вопросы Нелинейная регрессия. Нелинейные модели и их линеаризация iconИнструкция по выполнению контрольной работы Построение многофакторной линейной регрессионной модели зависимости объема продаж с помощью инструмента Регрессия надстройки Пакет анализа Подготовительный этап
На данном этапе студент должен проделать следующие обязательные действия, связанные с организацией индивидуальной рабочей среды
Конспект лекции 3 (часть 1) Орлова И. В., Гусарова О. М. 2007 Тема Множественная регрессия. Вопросы Нелинейная регрессия. Нелинейные модели и их линеаризация iconИсторические хроники мировых событий за последние десять тысячелетий
Мангышлакская регрессия. Уровень моря падает на 60 м ниже уровня океана. (2-й экокризис)
Конспект лекции 3 (часть 1) Орлова И. В., Гусарова О. М. 2007 Тема Множественная регрессия. Вопросы Нелинейная регрессия. Нелинейные модели и их линеаризация icon1 Парная линейная регрессия
В последнее время широкое распространение получило использование моделирования и количественного анализа в экономике. В результате...
Конспект лекции 3 (часть 1) Орлова И. В., Гусарова О. М. 2007 Тема Множественная регрессия. Вопросы Нелинейная регрессия. Нелинейные модели и их линеаризация iconНелинейные процессы в физике сплошных сред
Уравнения Максвелла для высокочастотного поля в сплошной среде. Нелинейная диэлектрическая проницаемость. Матричные элементы взаимодействия...
Конспект лекции 3 (часть 1) Орлова И. В., Гусарова О. М. 2007 Тема Множественная регрессия. Вопросы Нелинейная регрессия. Нелинейные модели и их линеаризация iconКонспект лекций по философии Часть 1 Античная философия Новосибирск 2007 удк 101. 8 (075) ббк ю3я73-1
Савостьянов А. Н. Конспект лекций по философии / Новосиб гос ун-т. Новосибирск, 2007. Ч. Античная философия. 68 с
Конспект лекции 3 (часть 1) Орлова И. В., Гусарова О. М. 2007 Тема Множественная регрессия. Вопросы Нелинейная регрессия. Нелинейные модели и их линеаризация iconАкимов Ю. К. «Современные методы регистрации частиц» Количество часов
Во время лекции вопросы следует задавать преподавателю по ходу ее изложения. Материал после каждой лекции прорабатывается, и возникающие...
Разместите кнопку на своём сайте:
ru.convdocs.org


База данных защищена авторским правом ©ru.convdocs.org 2016
обратиться к администрации
ru.convdocs.org