Главная    Почта    Новости    Каталог    Одноклассники    Погода    Работа    Игры     Рефераты     Карты
  
по Казнету new!
по каталогу
в рефератах

Кореляционные методы



 Другие рефераты
Комбинаторные методы правовой информатики Комплексные числа Леонард Эйлер Лобачевский

Введение

      Единое   общепринятое   понятие   эконометрики   в   настоящие   время
отсутствует. Сам термин «Эконометрика» был введен  в  1926  году  норвежским
ученным Р.Фришем и в дословном переводе означает «экономические  измерения».
Наряду  с  таким  широким  пониманием  эконометрики,  порождаемым  переводом
самого термина,  встречается  и  весьма  узкая  трактовка  эконометрики  как
набора  математическо-статистических  методов,  используемых  в  приложениях
математики в экономике.
    Приводимые ниже определения и высказывания известных ученных  позволяют
получить представление о различных толкованиях эконометрики.
    Эконометрика  –  это  раздел  экономики,  занимающийся  разработкой   и
применением  статистических  методов  для   измерений   взаимосвязей   между
экономическими переменными (С.Фишер)
    Основная  задача  эконометрики  –  наполнить  эмпирическим  содержанием
априорные экономические рассуждения (Л.Кейн)
    Цель  эконометрики   –   эмпирический   вывод   экономических   законов
(Э.Маленово).
    Эконометрика является не более чем набором инструментов, хотя  и  очень
полезных.  Эконометрика  является  одновременно  нашим  телескопом  и  нашим
микроскопом для изучения окружающего экономического мира (Ц.Трилехес).
    Р.  Фриш  указывает  на  то,  что  эконометрика  есть   единство   трех
составляющих – статистики, экономической теории и математики.
    С.А.Айвазян полагает, что эконометрика объединяет совокупность  методов
и  моделей  позволяющих  на   базе   экономической   теории,   экономической
статистики   и   математики   констатического    инструментария    придавать
количественные выражения качественными зависимостями.
    Основные результаты экономической теории носят качественный характер, а
эконометрика вносит в них эмпирическое содержание. Математическая  экономика
выражает  экономические  законы  в  виде   математических   соотношений,   а
эконометрика  осуществляет  опытную  проверку  этих  законов.  Экономическая
статистика дает информационное  обеспечение  исследуемого  процесса  в  виде
исходных (обрабатываемых)  статистических  и  экономических  показателей,  а
эконометрика,  используя   традиционные   математически   статистические   и
специально   разрабатываемые   методы,   проводит   анализ    количественных
взаимосвязей между этими показателями.
    Многие  базовые  понятия   эконометрики   имеют   два   определения   –
экономическое и математическое. Подобная  двойственность  имеет  место  и  в
формулировках  результатов.   Характер   научных   работ   по   эконометрике
варьируется от  «классических»  экономических  работ,  в  которых  почти  не
используется математический  аппарат,  до  солидных  математических  трудов,
использующих достаточно тонкий аппарат современной математики.
    Экономическая составляющая эконометрии, безусловно, является первичной.
Именно экономика определяет постановку  задачи  и  исходные  предпосылки,  а
результат, формируемый на математическом языке, представляет интерес лишь  в
том случае, если удается его экономическая  интерпретация.  В  то  же  время
многие   эконометрические   результаты   носят    характер    математических
утверждений (теорем).
    Широкому внедрению эконометрических методов способствовало появление во
второй  половине  ХХ  века  ЭВМ  и  в  частности  персональных  компьютеров.
Компьютерные эконометрические пакеты сделали эти методы более  доступными  и
наглядными так как всю наиболее трудоемкую работу, по  расчетам  статистики,
параметров,  построению  таблиц  и  графиков  в  основном   стал   выполнять
компьютер, а эконометристу  осталась  главным  образом:  постановка  задачи,
выбор  соответствующих  моделей  и   методов   её   решения,   интерпретации
результатов.



       1. Парная регрессия и корреляция в экономических исследованиях.

      Простая регрессия – регрессия между двумя переменными – у  и  х,  т.е.
модели вида
                                   у= f(х)
      где у - зависимая переменная (результативный признак);
            х – независимая, или объясняющая, переменная (признак - фактор).
      Множественная регрессия – регрессия результативного признака с двумя м
большим числом факторов, т.е. модель вида:
                             у=f(х1,х2,…..,хк).
      Любое эконометрическое исследование начинается со спецификации модели,
т.е. с формулировки вида модели,  исходя  из  соответствующей  теории  связи
между  переменными.  Иными  словами,  исследование  начинается   с   теории,
устанавливающей  связь  между  явлениями.  Практически  в  каждом  отдельном
случае величина у складывается из двух слагаемых:
                                  уi=уxi+?i
      где уi – фактическое значение результативного признака;
            уxi – теоретическое значение результативного признака, найденное
исходя из соответствующей математической  функции  связи  у  и  х,  т.е.  из
уравнения регрессии;
             ?i – случайная величина, характеризующая  отклонения  реального
значения  результативного  признака   от   теоретического,   найденного   по
уравнению регрессии.
      Случайная  величина  ?  называется  также  возмущением.  Она  включает
влияние не учтенных в  модели  факторов,  случайных  ошибок  и  особенностей
измерения.  Ее   присутствие   в   модели   порождено   тремя   источниками:
спецификацией модели, выборочным характером исходных  данных,  особенностями
измерения переменных.
      В парной регрессии выбор вида математической  функции  у=  f(х)  может
быть осуществлен тремя методами:
          V Графический метод – подбор вида уравнения регрессии  достаточно
            нагляден. Он основан на поле корреляции;
          V Аналитический метод – основан на изучении материальной  природы
            связи исследуемых признаков;
          V Экспериментальный.
      Метод наименьших  квадратов  (МНК)  –  классический  подход  к  оценке
параметров  линейной  регрессии.  МНК  позволяет   получить   такие   оценки
параметров  а  и  b  при  которых  сумма  квадратов  отклонений  фактических
значений  результативного  признака  (у)  от  расчетных  (теоретических)  ух
минимальна
      ?(уi-yxi)2             min.
      Иными словами, из всего множества линий  линия  регрессии  на  графике
выбирается  так,  чтобы  сумма  квадратов  расстояния  по  вертикали   между
точками и этой линией была минимальной.
      Нелинейная регрессия – если между экономическими явлениями  существуют
соотношения,  то  они  выражаются  с  помощью   соответствующих   нелинейных
функций.
      Различают два класса нелинейных регрессий:
           V  Регрессии,  нелинейные  относительно   включенных   в   анализ
             объясняющих переменных, но линейные по оцениваемым параметрам;
           V Регрессии, нелинейные по оцениваемым параметрам.
К нелинейным регрессиям по оцениваемым параметрам относятся функции:
    V Степенная;
    V Показательная
    V Экспоненциальная.
      Среди нелинейных функций, которые могут  быть  приведены  к  линейному
виду, в эконометрических исследованиях очень широко  используется  степенная
функция у=ахb?. Связано это  с  тем  что  параметр  b  в  ней  имеет  четкое
экономическое истолкование, т.е.  он  является  коэффициентом  эластичности.
Это означает, что величина коэффициента b показывает, на  сколько  процентов
изменится в среднем результат, если фактор изменится на 1%.
      Коэффициент   детерминации   –   характеристика   практической    силы
анализируемой регрессионной модели.
      Критерий  Фишера  (F)  –  показывает  в  какой  мере  регрессия  лучше
оценивает значение переменной по сравнению с ее средней.



                  2. Множественная регрессия и корреляция.

    Множественная регрессия может дать хороший результат при моделировании,
только лишь в том случае, если влиянием других факторов,  воздействующих  на
объект исследования, можно пренебречь.
    Включение в уравнение множественной регрессии  того  или  иного  набора
факторов связано прежде  всего  с  представлением  исследователя  о  природе
взаимосвязи моделируемого показателя  с  другими  экономическими  явлениями.
Факторы включаемые в  множественную  регрессию,  должны  отвечать  следующим
требованиям:
    1 Они должны быть количественно измеримы. Если  необходимо  включить  в
модель качественный фактор, не имеющий  количественного  измерения,  то  ему
нужно придать количественную определенность.
    2 Факторы не должны быть интеркоррелированы и тем  более  находиться  в
точной функциональной связи.
    Коэффициенты  интеркореляции  (т.е.   корреляции   между   объясняющими
переменными) позволяют исключать из модели дублирующие  факторы.  Считается,
что две модели явно  коленеарны,  т.е.  находятся  между  собой  в  линейной
зависимости, если rXiXj>0,7.
    Коэффициенты  «чистой»  регрессии  –  характеризуют  среднее  изменение
результата с изменением соответствующего фактора на единицу  при  неизменном
значении других факторов, закрепленных на среднем уровне.
    Практическая значимость уравнения множественной регрессии оценивается с
помощью показателя множественной корреляции и его  квадрата  –  коэффициента
детерминации.
    Независимо от формы связи  показатель  множественной  корреляции  может
быть найден как индекс множественной корреляции:
                                    [pic]
где [pic]- общая дисперсия результирующего признака;
        [pic]- остаточная дисперсия для уравнения у=f(х1,х2,…..,хр).
    Формула  индекса  множественной  корреляции  для   линейной   регрессии
получила название линейного коэффициента множественной корреляции, или,  что
то же самое, совокупного коэффициента корреляции.
                                   R=[pic]
    Частные коэффиц
123
скачать работу


 Другие рефераты
Славянофилы
Биоактивные производные хитозана
Жинақтаушы зейнетақы қорымен есеп айырысудың есебі
Кривые третьего и четвертого порядка


 

Отправка СМС бесплатно

На правах рекламы


ZERO.kz
 
Модератор сайта RESURS.KZ