Основы решения эконометрических задач
Краткое сожержание материала:
5
Содержание
Задание 1 2
Задание 2 6
Задание 3 8
Задание 4 10
Задание 5 13
Список литературы 17
Задание 1
1. Определите, на какой диаграмме показаны временные данные, а на какой пространственные (рис.1 и рис. 2).
Рисунок 1 - Структура использования денежных доходов за 2001 г
Рисунок 2 - Структура использования денежных доходов за 2001 г
Ответ:
Прогнозы часто осуществляются на основе некоторых статистических показателей, которые изменяются во времени. Если эти показатели имеют значения на определенные промежутки времени, следующие друг за другом, то образуются некоторые ряды данных с определенными тенденциями. Ряд расположенных в хронологической последовательности значений статистических показателей, представляют собой временной (динамический) ряд.
Динамическим рядом называется ряд чисел или ряд однородных статистических величин, показывающих изменения размеров какого-либо явления или признака во времени.
Каждый временной ряд состоит из двух элементов: отрезки времени (периоды), в рамках которых был зафиксирован определенный статистический показатель и статистические показатели, характеризующие объект исследования (уровни ряда). Эти данные представлены на рис. 1.
На рис. 2 представлены пространственные данные, т.е. совокупность каких-либо параметров (в данном случае структуры денежных расходов) за один временной период (за декабрь).
2. Дайте определение регрессии.
Исследуя природу, общество, экономику, необходимо считаться со взаимосвязью наблюдаемых процессов и явлений. При этом полнота описания так или иначе определяется количественными характеристиками причинно-следственных связей между ними. Оценка наиболее существенных из них, а также воздействия одних факторов на другие является одной из основных задач статистики.
Задачи регрессионного анализа лежат в сфере установления формы зависимости, определения функции регрессии, использования уравнения для оценки неизвестных значений зависимой переменной.
Аппроксимация данных с учетом их статистических параметров относится к задачам регрессии. Они обычно возникают при обработке экспериментальных данных, полученных в результате измерений процессов или физических явлений, статистических по своей природе (как, например, измерения в радиометрии и ядерной геофизике), или на высоком уровне помех (шумов). Задачей регрессионного анализа является подбор математических формул, наилучшим образом описывающих экспериментальные данные.
Математическая постановка задачи регрессии заключается в следующем. Зависимость величины (числового значения) определенного свойства случайного процесса или физического явления Y от другого переменного свойства или параметра Х, которое в общем случае также может относиться к случайной величине, зарегистрирована на множестве точек xk множеством значений yk, при этом в каждой точке зарегистрированные значения yk и xk отображают действительные значения Y(хk) со случайной погрешностью sk, распределенной, как правило, по нормальному закону. По совокупности значений yk требуется подобрать такую функцию f(xk, a0, a1, … , an), которой зависимость Y(x) отображалась бы с минимальной погрешностью. Отсюда следует условие приближения:
yk = f(xk, a0, a1, … , an) + sk.
Функцию f(xk, a0, a1, … , an) называют регрессией величины y на величину х. Регрессионный анализ предусматривает задание вида функции f(xk, a0, a1, … , an) и определение численных значений ее параметров a0, a1, … , an, обеспечивающих наименьшую погрешность приближения к множеству значений yk. Как правило, при регрессионном анализе погрешность приближения вычисляется методом наименьших квадратов (МНК). Для этого выполняется минимизация функции квадратов остаточных ошибок:
s?a0, a1, … , an) =[f(xk, a0, a1, … , an) - yk]2.
Для определения параметров a0, a1, … , an функция остаточных ошибок дифференцируется по всем параметрам, полученные уравнения частных производных приравниваются нулю и решаются в совокупности относительно всех значений параметров. [3]
Таким образом, регрессия - это односторонняя вероятностная зависимость между случайными величинами: y = f(x)
3. Определите виды регрессий:
y = 12,5 - 1,44 x1 + 5 x2 - 2.27 x3 + e
y = 1/ (11+10,.45x1 - 9,44 x2 + 3.33 x3 - 1.37x4 + e)
y = e45.45+100x + e
Покажите, где здесь результирующая, а где объясняющие переменные. Что обозначает е в уравнениях регрессии?
Виды регрессии обычно называются по типу аппроксимирующих функций: полиномиальная, экспоненциальная, логарифмическая и т.п.
Таким образом, можно говорить о том, что
y = 12,5 - 1,44 x1 + 5 x2 - 2.27 x3 + e - это полиномиальная регрессия
y - результирующая переменная
x1, x2, x3 - объясняющие переменные
e - ошибка регрессии
y = 1/ (11+10,.45x1 - 9,44 x2 + 3.33 x3 - 1.37x4 + e) - это гипербола
y - результирующая переменная
x1, x2, x3, х4 - объясняющие переменные
e - ошибка регрессии
y = e45.45+100x + e - это экспоненциальная регрессия
y - результирующая переменная
x - объясняющая переменные
e - ошибка регрессии
Задание 2
1. Дайте определение парной регрессии.
Аналитическое выражение связей между признаками может быть представлена виде уравнений регрессии:
yx = a0+a1x
где х - значение факторного признака
у - значение результативного признака (эмпирические)
ух - теоретические значения результативного признака, полученные по уравнению регрессии.
а0 и а1 - это коэффициенты регрессии, которые определяются путем решения следующей системы уравнений:
na0+a1?x = ?y
a0?x+a1?x = ?xy2
В основе решения данной системы уравнений лежит метод наименьших квадратов, сущность которого заключается в минимизации суммы квадратов отклонений эмпирических значений признака от теоретических, полученных по уравнению регрессии:
?(yi-yx)2 > min
а0 - показывает влияние неучтенных в модели факторов и четкой интерпретации не имеет
а1 - показывает на сколько в среднем изменяется значение результативного признака при изменении факторного признака на единицу собственного измерения [5]
2. По Российской Федерации за 2001 год известны значения двух признаков (табл. 1):
Таблица 1
Месяц |
Расходы на покупку продовольственных товаров в общих расходах, % (y) |
Средний денежный доход на душу населения, руб. (x) |
|
Январь |
69 |
1954,7 |
|
Февраль |
65,6 |
2292,0 |
|
Март |
60,7 |
2545,8 |
|
Апрель |
… |
… |
|
Май |
… |
… |
|
Июнь |
… |
… |
|
Июль |
… |
… |
|
Август |
… |
… |
|
Сентябрь |
… |
… |
|
Октябрь |
53,3 |
3042,8 |
|
Ноябрь |
50,9 |
3107,2 |
|
Декабрь |
47,5 |
4024,7 |
Для оценки зависимости y от x построена парная линейная регрессионная модель с помощью метода наименьших квадратов:
y = a + bx + e, где а = 196/4, b = 1/196
Парный коэффициент корреляции rxy = 1/ (-196) * 78
Средняя ошибка аппроксимации: А = 196/46 + 4,6
Известно, что Fтабл. = 4,96, а Fфакт = 196/2 + 5
Определите коэффициент детерминации. Определите линейную модель через среднюю ошибку аппроксимации и F-критерий Фишера.
Реше...
Системы эконометрических уравнений, их применение в эконометрике
Основные этапы эконометрического исследования. Система совместных, одновременных уравнений. Понятие эконометрических уравнений. Система независимых ур...
Методика решения задач повышенной трудности в старших классах средней школы
Классификация и функции задач в обучении. Методические особенности решения нестандартных задач. Особенности решения текстовых задач и задач с параметр...
Методика решения задач по электричеству
Пособие предназначено для самостоятельной работы студентов по овладеванию методами решения задач. Даны классификация задач всех разделов курса электри...
Основы начертательной геометрии. Краткий курс и сборник задач
В учебном пособии изложены теоретические вопросы построения на плоскости изображений геометрических фигур — точек, прямых линий и плоскостей. Рассмотр...
Решение задач оптимизации в среде MS Excel
Рассматриваются методы и алгоритмы практического решения типовых задач оптимизации всех основных классов. Подробно описываются теоретические основы и...