- •12. Линейная модель множественной регрессии
- •13.Экономический смысл коэффициентов линейного и степенного уравнений регрессии
- •14.Нелинейная регрессия. Нелинейные модели и их линеаризация
- •15.Спецификация и оценивание мнк эконометрических моделей нелинейных по параметрам
- •16.Предпосылки применения метода наименьших квадратов (мнк)
- •17.Оценка параметров парной регрессионной модели методом наименьших квадратов
- •18.Оценка параметров парной регрессионной модели методом наименьших квадратов. Система нормальных уравнений
- •21.Свойства оценок метода наименьших квадратов (мнк)
- •19.Теорема Гаусса - Маркова
- •20.Метод наименьших квадратов (мнк) и смысл выходной статистической информации сервиса Регрессия
- •22.Метод наименьших квадратов (мнк) и его реализация с использованием сервиса “Поиск решения”
- •22.Мнк и его реализация с использованием сервиса «Поиск решений»
- •23.Понятие и причины автокорреляции остатков. Последствия автокорреляции остатков. Обнаружение автокорреляции остатков.
- •24.Алгоритм теста Голдфелда-Квандта на наличие (отсутствие) гетероскедастичности случайных возмущений
- •25.Анализ экономических объектов и прогнозирование с помощью модели множественной регрессии
- •26. Алгоритм теста Дарбина-Уотсона на наличие (отсутствие) автокорреляции случайных возмущений
- •27.Отражение в модели влияния неучтённых факторов. Предпосылки теоремы Гаусса-Маркова.
- •28.Проверка выполнения предпосылок мнк
- •29.Что такое стационарный процесс
- •30.Оценка качества моделей прогнозирования. Оценка точности
- •1) Проверка равенства мат ожидания нулю
- •2)Проверка условий случайности возникновения отдельных отклонений от тренда:
- •3)Проверка независимости(отсутствие автокорреляции)
- •31. Алгоритм теста Голдфелда-Квандта на наличие (отсутствие) гетероскедастичности случайных возмущений
- •32. Проблема мультиколлинеарности в моделях множественной регрессии. Признаки и последствия мультиколлинеарности
- •34. Фиктивные переменные: определение, назначение, типы
- •35. Оценивание линейной модели множественной регрессии (мнк) в Excel.
- •36. Отбор факторов при построении множественной регрессии. Процедура пошагового отбора переменных
- •37. Регрессионные модели с фиктивными переменными
- •38. Порядок оценивания линейной модели множественной регрессии методом наименьших квадратов (мнк) в Excel.
- •39. Фиктивная переменная сдвига: назначение; спецификация
- •40. Принципы спецификации эконометрических моделей
- •41. Основные числовые хар-ки вектора остатков в классической множественной регрессионной модели
- •42. Этапы построения эконометрических моделей
- •43. Применение теста Стьюдента в процедуре подбора переменных в модели множественной регрессии
- •44. Нелинейная модель множественной регрессии Кобба-Дугласа.
- •45. Модели с бинарными фиктивными переменными
- •46.Метод наименьших квадратов: алгоритм метода; условия применения
- •47. Проблема мультиколлинеарности в моделях множественной регрессии. Признаки мультиколлинеарности.
- •48. Прогноз по временному ряду с сезонными колебаниями
- •50. Модели временных рядов. Свойства рядов цен на бирже
- •51.Матричная форма метода наименьших квадратов.
- •52.Условия идентификации структурной формы системы одновременных уравнений
- •Нелинейная регрессия
- •54. Оценка влияния отдельных факторов на зависимую переменную на основе модели (коэффициенты эластичности, - коэффициенты).
- •55. Оценивание линейной модели множественной регрессии в Excel
- •56. Системы эконометрических уравнений
13.Экономический смысл коэффициентов линейного и степенного уравнений регрессии
Экономическая интерпретация коэффициентов регрессии в целом является завершающим этапом эконометрического моделирования на основе совокупности исходных данных. В данном случае экономическая интерпретация - это объяснение смысла, содержания полученных коэффициентов регрессии. На экономическую интерпретацию коэффициентов регрессии оказывают влияние такие факторы, как сфера экономики, для которой строится эконометрическая модель, количество исходных данных (объем совокупности) для анализа изучаемого явления и т.п. Одним из важнейших факторов интерпретации коэффициентов регрессии является вид полученной модели.
Линейное уравнение регрессии имеет вид y = bx + a + ε Здесь ε - случайная ошибка (отклонение, возмущение).
Коэффициент множественной регрессии bj показывает, на какую величину в среднем изменится результативный признак Y, если переменную Xj увеличить на единицу измерения, т. е. является нормативным коэффициентом.
Параметр а = у, когда х = 0. Если х не может быть равен 0, то а не имеет экономического смысла. Интерпретировать можно только знак при а: если а > 0. то относительное изменение результата происходит медленнее, чем изменение фактора, т. е. вариация результата меньше вариации фактора: V < V. и наоборот.
В линейной множественной регрессии коэффициенты при хi характеризуют среднее изменение результата с изменением соответствующего фактора на единицу при неизменных значениях других факторов, закреплённых на среднем уровне.
При изучении вопросов потребления коэффициенты регрессии рассматриваются как характеристики предельной склонности к потреблению. Например, если функция потребления Сt имеет вид Сt = b0 + b1* Rt + b2* Rt-1 +epsilont, то потребление за t-й период времени зависит от дохода того же периода Rt и от дохода предшествующего периода Rt-1. Соответственно, коэффициент b1 характеризует эффект от единичного возрастания дохода Rt при неизменном уровне предыдущего дохода. Коэффициент b1 обычно называют краткосрочной предельной склонностью к потреблению. Общим эффектом возрастания как текущего, так и предыдущего дохода будет рост потребления на величину b = b1+b2. Коэффициент b рассматривается здесь как долгосрочная предельная склонность к потреблению.
Уравнение парной степенной модели имеет вид: у = а • х^b
В уравнении парной степенной регрессии параметр b показывает: на сколько процентов изменится результативный показатель, при изменении фактора на /%, то есть является коэффициентом эластичности. Знак при коэффициенте регрессии указывает направление связи между фактором и результативным показателем: если Ь>0, следовательно, связь прямая и с увеличением значения фактора (х) возрастает и значение результативного показателя (у); если Ь<0, следовательно, связь обратная и с увеличением значения фактора (х) снижается значение результативного показателя.Таким образом, при увеличении расходов на конечное потребление на 1 %, в среднем доля расходов на питание снижается на 0,5.
Таким образом, получили, что показатели степени при переменных в мультипликативной степенной модели являются соответствующими коэффициентами эластичности. Это важное свойство степенных моделей.
