11. Оценка статистической значимости коэффициентов регрессии и корреляции.
Для оценки стат-х значимости коэф. Корреляции рассчитывается t-критерий стюдента и доверительный интервалы каждого показателя.
Для оценки значимости коэффициента регрессии его величина сравнивается с его стандартной ошибкой, т.е. определяется фактическое значение t-критерия Стьюдента:
,
причем 
,
причем 
,
т.е. 
которое затем сравнивается с табличным значением при определенном уровне значимости a и числе степеней свободы n-2.
Если tфакт>tтабл, то делается вывод о значимости параметра.
Оценка значимости коэф.регрессии и кореляции с помощью t-критерия стюдента проводится путем сопоставления и значений велечиной случайной ошибки.
12. Парная регрессия. Средний коэффициент эластичности.
Парная регрессия – это уравнение связей 2-х переменных у=f(x) где у-зависимая переменная, х-независи мая переменная(признак). Различают линейную и нелинейную регрессию
Наиболее простой случай – установление зависимости одного отклика y от одного фактора х. Такой случай называется парной (простой) регрессией.
Парная регрессия – уравнение связи двух переменных у и x:
,
где у – зависимая переменная (результативный признак);
х – независимая, объясняющая переменная (признак-фактор).
Средний
коэффициент эластичности показывает
насколько процентов в среднем по
совокупности изменится результат у, от
своей средней велечины при изменении
фактора х на один процент от своего
среднего значения. Эухj=вj
13. Линейная парная регрессия. Интервалы прогноза.
Линейная: у=а+вх+Ɛ
Одной из центральных задач эконометрики является прогнозирование значений зависимой переменной при определенных значениях объясняющих переменных. Различают точечное и интервальное прогнозирование. При этом возможно предсказать условное математическое ожидание зависимой переменной (т.е. ср. значение), либо прогнозировать некоторое конкретное значение (т.е. индивидуальное).
14. Нелинейная парная регрессия. Классы нелинейной регрессии. Методы линеаризации.
Нелинейные регрессии делятся на два класса: регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам, и регрессии, нелинейные по оцениваемым параметрам.
Регрессии, нелинейные по объясняющим переменным:
•
полиномы
разных степеней 
•равносторонняя
гипербола 
Регрессии, нелинейные по оцениваемым параметрам:
• степенная 
;
•
показательная 
•
экспоненциальная 
Нелинейная парная регрессия делятся на 2 класса:
1.регрессия нелинейное объясняющимися переменными
2.регрессия по оцениваемым параметрам.
Методы линеаризации – метод наименьших квадратов (МНК),
15. Нелинейная парная регрессия. Индекс корреляции.
Нелинейные регрессии делятся на два класса: регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам, и регрессии, нелинейные по оцениваемым параметрам.
Регрессии, нелинейные по объясняющим переменным:
• полиномы разных степеней
•равносторонняя гипербола
Регрессии, нелинейные по оцениваемым параметрам:
• степенная ;
• показательная
• экспоненциальная
Индекс корреляции – измеряющие влияние на у факторы хi при неизменном уровни других факторов. Они меняются в пределах от -1 до 1