Регрессионный анализ в экономических исследованиях - Курсовая работа

бесплатно 0
4.5 96
Методологические основы применения регрессионного анализа в эконометрике. Интервальная оценка функции регрессии и параметров модели. Особенности использования коэффициента детерминации. Определение дисперсии и проверка достоверности по критерию Фишера.

Скачать работу Скачать уникальную работу

Чтобы скачать работу, Вы должны пройти проверку:


Аннотация к работе
Актуальность выбранной темы определяется тем, что в эконометрике широко используются методы статистики. Во многих практических задачах прогнозирования, изучая различного рода связи в экономических, производственных системах, необходимо на основании экспериментальных данных выразить зависимую переменную в виде некоторой математической функции от независимых переменных - регрессоров, то есть построить регрессионную модель. Регрессионный анализ позволяет: · производить расчет регрессионных моделей путем определения значений параметров - постоянных коэффициентов при независимых переменных - регрессорах, которые часто называют факторами; · использовать модель для прогнозирования значений зависимой переменной при новых или ненаблюдаемых значениях независимых переменных. Для достижения поставленной цели были решены следующие задачи: · изучение основных положений регрессионного анализаСледовательно, при регрессионной связи одному и тому же значению x величины X (в отличие от функциональной связи) могут соответствовать разные случайные значения величины Y. Уравнение, связывающее эти величины, называется уравнением регрессии, а соответствующий график - линией регрессии величины Y по X. В регрессионном анализе рассматривается односторонняя зависимость переменной Y (ее еще называют функцией отклика, результативным признаком, предсказываемой переменной) от одной или нескольких независимых переменных X (называемых также объясняющими или предсказывающими переменными, факторными признаками). В зависимости от количества факторов, включенных в уравнение регрессии, принято различать простую (парную) и множественную регрессии. Простая регрессия представляет собой регрессию между двумя переменными y и x, то есть модель вида: y = ?(x), где: y - зависимая переменная (результативный признак);Линейная регрессия находит широкое применение в эконометрике в виде четкой экономической интерпретации ее параметров. Построение линейной регрессии сводится к оценке ее параметров - а и b. Параметр а определим как точку пересечения линии регрессии с осью oy, а параметр b оценим, исходя из угла наклона линии регрессии, как dy/dx, где dy - приращение результата у, а dx - приращение фактора х. Иными словами, из всего множества линий линия регрессии на графике выбирается так, чтобы сумма квадратов расстояний по вертикали между точками и этой линией была бы минимальной. Так, в параболе второй степени у=а0 а1*х а2*х2 ?, заменяя переменные х=х1, х2=х2, получим двухфакторное уравнение линейной регрессии: у=а0 а1*х1 а2*х2 ?, для оценки параметров которого используется МНК.В прогнозных расчетах по уравнению регрессии определяется предсказываемое (ур) значение как точечный прогноз yx при хр=хк, то есть путем подстановки в уравнение регрессии yx=a b*x соответствующего значения х. однако точечный прогноз явно не реален. Отсюда вытекает, что стандартная ошибка myx зависит от ошибки у и ошибки коэффициента регрессии b, то есть: myx2=my2 mb2(x-x)2 Считая, что прогнозное значение фактора хз=хк, получим следующую формулу расчета стандартной ошибки предсказываемого по линии регрессии значения, то есть myx: myx2= S2/n S2/?(x-x)2*(хк-х)2= S2*(1/n ((xk-x)2/(?(x-x)2))) Если же значение хк оказывается за пределами наблюдаемых значений х, используемых при построении линейной регрессии, то результаты прогноза ухудшаются в зависимости от того, насколько хк отклоняется от области наблюдаемых значений фактора х. Очевидно, что если сумма квадратов отклонений, обусловленная регрессией, будет больше остаточной суммы квадратов, то уравнение регрессии статистически значимо и фактор х оказывает существенное влияние на результат у.Решение: для расчета параметров уравнения линейной регрессии строим расчетную таблицу (табл. С увеличением среднедушевого прожиточного минимума на 1 рубль среднедневная заработная плата возрастает в среднем на 0,92 рубля. Для расчета параметров а и b линейной регрессии yx=а b*x решаем систему нормальных уравнений относительно а и b: n*a b?x=?y, a?x b?x2=?y*x. С увеличением среднедневной заработной платы на 1 рубль доля расходов на покупку продовольственных товаров снижается в среднем на 0,35%-ных пункта. Полученное значение указывает на необходимость принять гипотезу Н0 о случайной природе выявленной зависимости и статистической незначимости параметров уравнения и показателя тесноты связи.Ее можно выразить аналитически с помощью формул и уравнений и графически в виде геометрического места точек в системе прямоугольных координат. Для выражения регрессии служат эмпирические и теоретические ряды, их графики - линии регрессии, а также корреляционные уравнения (уравнения регрессии) и коэффициент линейной регрессии. Показатели регрессии выражают корреляционную связь двусторонне, учитывая изменение средней величины признака у при изменении значений xi признака х, и, наоборот, показывают изменение средней величины признака х по измененным значениям yi признака у.

План
Содержание

Введение

1. Теоретические и методологические основы применения регрессионного анализа в эконометрике

1.1 Основные положения регрессионного анализа

1.2 Оценка параметров парной регрессионной модели

1.3 Интервальная оценка функции регрессии и ее параметров

1.4 Оценка значимости уравнения регрессии и особенности применения коэффициента детерминации

Выводы по 1 разделу

2. Практическое применение регрессионного анализа в эконометрике

2.1 Построение линейного уравнения парной регрессии

2.2 Определение параметров линейной и степенной функций, их оценка по критерию Фишера

Выводы по 2 разделу

Заключение

Список литературы

Приложения

Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность
своей работы


Новые загруженные работы

Дисциплины научных работ





Хотите, перезвоним вам?