Нелинейные модели парной регрессии - раздел Экономика, Основы эконометрики: практикум Полином 2-Го Порядка:...
Полином 2-го порядка:.
Параметры a, b и c находят, решая методом определителей систему уравнений:
Гипербола:.
Параметры a и b находят, решая систему уравнений
Регрессия
Система нормальных уравнений имеет вид:
.
Степенная функция:.
Пусть , , . Тогда уравнение примет вид
.
Параметры модели определяются по следующим формулам:
, .
Показательная функция: .
Пусть , , . Тогда уравнение регрессии примет вид . Параметры модели определяются по следующим формулам:
, .
Полулогарифмическая функция:.
Оценка параметров может быть найдена по формулам:
.
Логистическая функция:.
Обратная модель вида:.
Оценка параметров может быть найдена по формулам:
.
Оценка тесноты связи в нелинейной регрессии:
а) индекс корреляции R,
,
где – общая дисперсия результативного признака, – остаточная дисперсия.
Кроме того,
;
Величина данного показателя находится в границах , чем ближе к единице, тем теснее связь рассматриваемых признаков, тем более надежно найденное уравнение регрессии.
б) индекс детерминацииимеет тот же смысл, что и коэффициент детерминации в линейных регрессионных моделях;
в)коэффициент средней эластичности, где – производная функции
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ:
Нелинейные модели парной регрессии
Что будем делать с полученным материалом:
Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:
Активизация надстройки Пакет анализа
Для активизации надстройки Пакет анализа необходимо выполнить следующие действия:
1. Выбрать команду Сервис/Надстройки.
2. В появившемся диалоговом окне установить ф
По особенностям остаточных величин
Практические рекомендации по выполнению расчетов
с помощью табличного редактора MS Excel
Представлены данные о доходах по акциям x и балансовой прибыли y
На гетерокедастичность остатков
Практические рекомендации по выполнению расчетов
с помощью табличного редактора MS Excel
Представлены данные о доходах по акциям x и балансовой прибыли y
Анализ динамики временных рядов
Для выявления специфики развития изучаемых явлений за отдельные периоды времени определяют:
Ø абсолютные приросты уровней ряда;
Ø относительные приросты уровней ряда
С сезонными колебаниями
Модель временного ряда с сезонными колебаниями можно рассматривать в следующих возможных формах:
· – а
Анализ взаимосвязи двух временных рядов
Последовательность выявления автокорреляции
с помощью критерия Дарбина-Уотсона
Расчетное значение критерия определяется по формуле
Уравнение линейной регрессии по уровням временных рядов
Уравнение регрессии и все статистические параметры получим по Анализ данных/Регрессия. Причем, в диалоговом окне ввода данных и параметров вывода можно поставить флажок на позиции Остатки
С распределенным лагом
Рассмотрим модель с распределенным лагом в ее общем виде в предположении, что максимальная величина лага конечна:
Авторегрессионные модели временных рядов
Модели, которые наряду с текущими или лаговыми значениями факторных переменных, содержат лаговые значения зависимой переменной называются моделями авторегрессии, например, модель вида
И их составляющие
Системы одновременных уравнений могут быть представлены в структурной и приведенной формах.
Основными составляющими обеих форм записи являются эндогенные и экзогенн
Проблема идентификации
При переходе от приведенной формы модели к структурной исследователь сталкивается с проблемой идентификации. Идентификация – это единственность соответствия между приведенной и структурной формой м
Библиографический список
1. Гореева Н.М., Демидова Л.Н. и др. Эконометрика в схемах и таблицах./ под ред. проф. С.А. Орехова. – М.: Эксмо, 2008г.
2. Елисеева И.И. Эконометрика: учебное пособие/И.И. Елисеева, С.В.
Хотите получать на электронную почту самые свежие новости?
Подпишитесь на Нашу рассылку
Наша политика приватности обеспечивает 100% безопасность и анонимность Ваших E-Mail
.
.
.
.
, 
, 
. Тогда уравнение примет вид
.
, 
.
.
. Тогда уравнение регрессии примет вид 
. Параметры модели определяются по следующим формулам:
, 
.
.
.
.
.
. 
,
– общая дисперсия результативного признака, 
– остаточная дисперсия.
;
, чем ближе к единице, тем теснее связь рассматриваемых признаков, тем более надежно найденное уравнение регрессии.
имеет тот же смысл, что и коэффициент детерминации в линейных регрессионных моделях;
, где 
– производная функции 
Новости и инфо для студентов