Поняття економетричної моделі та етапи її побудови. Сутність та характерні властивості коефіцієнта множинної кореляції. Оцінка значущості множинної регресії. Визначення довірчих інтервалів для функції регресії та її параметрів. Метод найменших квадратів.
Аннотация к работе
Вступ Актуальність. Множинна регресія широко використовується у вирішенні проблем попиту, прибутковості акцій, при вивченні функції витрат виробництва, в макроекономічних розрахунках і цілому ряду інших питань економетрії. Мета: побудувати економетричну модель з великим числом факторів, визначивши при цьому вплив кожного з них окремо, а також сукупну їх дію на модельований показник. Для досягнення мети були поставлені такі завдання: - знайти і опрацювати літературу з даної теми; - систематизувати опрацьований матеріал; - освоїти методи побудови рівняння множинної регресії; - побудувати модель множинної регресії методом найменших квадратів; - зробити висновки. Предмет. Загальна лінійна економетрична модель 1.1 Поняття моделі та етапи її побудови Економетрична модель - це функція чи система функцій, що описує кореляційно-регресійний зв’язок між економічними показниками, один чи кілька з яких є залежною змінною, інші - незалежними. 84] У загальному матричному вигляді економетрична модель для фактичних даних записується так: , де А - матриця параметрів моделі розміром (т - кількість незалежних змінних, п - число спостережень); Y - матриця значень залежної змінної; Х - матриця незалежних змінних u - матриця випадкової складової. Основною задачею кореляційного аналізу є виявлення зв’язку між змінними та оцінка її тісноти та значущості. Якщо множинна регресійна модель є лінійною (ЛМР), то вона подається у вигляді: (1.2) Позначимо i-е спостереження змінної y через yi, а факторів - xi1, xi2,…, xip. Відтоді модель (1.2) можна подати у вигляді: , (1.3) або у матричній формі: , де - вектор (матриця-стовпець) значень залежної змінної; - вектор (матриця-стовпець) коефіцієнтів регресійної моделі; - вектор (матриця-стовпець) похибок; - матриця значень факторів. Оцінкою цієї моделі за вибіркою є рівняння регресії: , (1.4) де - оцінка математичного сподівання залежної змінної ; - оцінка коефіцієнтів регресійної моделі (або коефіцієнти регресії). Коефіцієнт (індекс) множинної кореляції R використовується для оцінки тісноти спільного впливу факторів на залежну змінну: . Значущість рівня ЛМР у цілому оцінюється за допомогою F-критерія Фішера: (1.6) із зрівнянням його з табличним значенням (1.7) F-критерій Фішера.