Что такое findslide.org?

FindSlide.org - это сайт презентаций, докладов, шаблонов в формате PowerPoint.

Для правообладателей

Обратная связь

Email: Нажмите что бы посмотреть 

Яндекс.Метрика

Презентация на тему Парная (простая) регрессия в эконометрических расчетах

Содержание

РЕГРЕССИЯ
Парная (простая) регрессия в эконометрических расчетах РЕГРЕССИЯ Регрессионный анализ это …… техника анализа связи между зависимой переменной и одной или несколькими независимыми переменными. Как изменится значение зависимой переменной, если изменится значение одной из независимых переменных gt=E[yt|x1,t,…xn,t]==g(x1,t,…xn,t)f(yt|x1,t,…xn,t)== f(yt-μ|x1,t,…xn,t)μ=μ(x1,t,…xn,t) yt=a1x1,t,…anxn,t+vtЗависимая переменная.Независимые (объясняющие) переменные, регрессоры.Случайная составляющая. Спросt=a0+a1Ценаt+a2Доходt+vtЦенаt=b0+b1Спросt+b2Доходt+wtПрямая и обратная функции спросаНеучтенные факторы, ошибки измерения. C=a0+a1XC=a0+a1X+vC=a0+a1X+a2dwar+v Линейность регрессионной моделиY=Xa+v, Y,v∈RT, X∈MT,n, a∈RnX=[1,x1, …, xn-1] ⇒yt=a0+a1x1,t+…+an-1xn-1,t+vt Является ли линейность серьёзным ограничением ?НЕТ ! «Линейность» - относится к способу вхождения параметров и случайной составляющей в модель. yt=a0+a1cos(xt)+vtЛинейная модельyt=a0+a0a1cos(xt)+vtНелинейная модель y=AxaevЛинейная модельНелинейная модельln(y)=ln(A)+aln(x)+vy=Axa+v Заработокt=a0+a1Образованиеt+vtЗавышено предельное влияние образования.Заработок и образование в среднем растут с возрастом. Заработокt=a0+a1Образованиеt++a2Возрастt+vtЗаработокt=a0+a1Образованиеt++a2Возрастt +a3(Возрастt)2+vtСнижение темпа роста доходов «Пик карьеры» Эластичность это …ЭЛАСТИЧНОСТЬ ФУНКЦИИ [function elasticity] — предел отношения относительного приращения функции ln(yt)=a0+a1ln(x1,t)+……+an-1ln(xn-1,t)+vtelx(y) ≈ (Δy/y)/(Δx/x)elx(y) ≈ [d(ln(y))/[d(ln(x))]elx1(y)Логолинейная модель СПЕЦИФИКАЦИЯ МОДЕЛИЛюбое исследование в эконометрике начинается с формулировки вида модели, исходя из Парная регрессия представляет собой модель, где среднее значение зависимой переменной y рассматривается СФЕРА ПРИМЕНЕНИЯ МОДЕЛИПарная регрессия достаточна, если имеется ярко выраженный доминирующий фактор, который ПРАВИЛЬНОСТЬ ПРИМЕНЕНИЯправильность применения корреляционного и регрессионного анализа при изучении взаимосвязей переменных подтверждается ПРАВИЛЬНОСТЬ ПРИМЕНЕНИЯПодтверждается попаданием теоретических значений у(х) в пределы между минимальным и максимальным значением результативного признака у ОШИБКА ПОСТРОЕНИЯ МОДЕЛИ (ε) Для спецификации модели используютсяЛинейные функции, например, f (x) = b0 + b1 ВЫБОР ВИДА ФУНКЦИИОсуществляетсяГрафическим методом (метод визуальной оценки)Аналитическим методомЭкспериментальным методом Графический метод ОСНОВНЫЕ ТИПЫ КРИВЫХ ОСНОВНЫЕ ТИПЫ КРИВЫХ ОСНОВНЫЕ ТИПЫ КРИВЫХ ОСНОВНЫЕ ТИПЫ КРИВЫХ Аналитический методОснован на изучении качественной природы связи исследуемых признаковТо есть, форма связи Экспериментальный методИспользуется при применении компьютерных статистических прикладных пакетовОсновывается на сравнении величины остаточной ПРАКТИКА ПОКАЗЫВАЕТЧисло наблюдений должно в 6-7 раз превышать число рассчитываемых параметров при Метод наименьших квадратов (МНК)Метод наименьших разностейМетод функционала МНК ПРОВЕРКА ГИПОТЕЗ В МОДЕЛИ ПАРНОЙ РЕГРЕССИИ УРАВНЕНИЕ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ где по МНК Значимость уравнения подтверждается коэффициентом детерминации, который в ПРИМЕР Между объемом продукции и прямыми материальными затратами на её производство установлена Доверительный интервал для линии регрессии в случае парной регрессии ДОВЕРИТЕЛЬНЫЕ ИНТЕРВАЛЫ В МОДЕЛИ ИНТЕРВАЛЬНЫЙ ПРОГНОЗ НА ОСНОВЕ УРАВНЕНИЯ ПАРНОЙ РЕГРЕССИИ Применение функции «Тенденция» Применение функции «Линейн» Применение инструмента Regression Смысл коэффициентов регрессии в уравнении У(х)= b0 + b1 Хb0 – отражает Знак при коэффициенте регрессии показывает:Для коэффициента в, если b1 0, то связь Доверительные интервалы для коэффициентов уравнения регрессии ЭФФЕКТИВНОСТЬ ОЦЕНОК МНКОценки коэффициентов модели регрессии, полученные классическим МНК , являются наилучшими, Основные предпосылки модели парной линейной регрессии Y=b0+b1х + εСвязь между Y и НЕЛИНЕЙНАЯ РЕГРЕССИЯЕсли между экономическими явлениями существуют нелинейные соотношения, то они выражаются с НЕЛИНЕЙНАЯ РЕГРЕССИЯ ПО ОБЪЯСНЯЮЩИМ ПЕРЕМЕННЫМ (ошибка аддитивна) Полиномы(чаще 2-ой степени)Равносторонняя гипербола(например, кривая НЕЛИНЕЙНАЯ РЕГРЕССИЯ ПО ПАРАМЕТРАМ (ошибка неаддитивна) Степенная у = a x b НЕЛИНЕЙНАЯ РЕГРЕССИЯ ПО ОБЪЯСНЯЮЩИМ ПЕРЕМЕННЫМПрименяется метод замены (х=х1; х2=х2 и т.д.)Параметры определяются, НЕЛИНЕЙНАЯ РЕГРЕССИЯ ПО ПАРАМЕТРАМПрименяем логарифмированиеЕсли после применения логарифмирования, получаем линейную зависимость, то ПРОВЕРКА ПРАВИЛЬНОСТИ ПРИМЕНЕНИЯ ЛИНЕЙНОЙ РЕГРЕССИИГде R2 – индекс (коэффициент) детерминации, полученный по ПРОВЕРКА ПРАВИЛЬНОСТИ ПРИМЕНЕНИЯ ЛИНЕЙНОЙ РЕГРЕССИИЕсли не выполняется неравенство, то проверка сложнее на СРЕДНЯЯ ОШИБКА АПРОКСИМАЦИИДля проверки качества уравнения регрессии применяется средняя ошибка аппроксимацииЕсли она
Слайды презентации

Слайд 2 РЕГРЕССИЯ

РЕГРЕССИЯ

Слайд 3 Регрессионный анализ это …

… техника анализа связи между

Регрессионный анализ это …… техника анализа связи между зависимой переменной и одной или несколькими независимыми переменными.

зависимой переменной и одной или несколькими независимыми переменными.

Слайд 4 Как изменится значение зависимой переменной, если изменится значение

Как изменится значение зависимой переменной, если изменится значение одной из независимых

одной из независимых переменных при фиксированных значениях остальных ?

Слайд 5 gt=E[yt|x1,t,…xn,t]=
=g(x1,t,…xn,t)
f(yt|x1,t,…xn,t)=
= f(yt-μ|x1,t,…xn,t)
μ=μ(x1,t,…xn,t)

gt=E[yt|x1,t,…xn,t]==g(x1,t,…xn,t)f(yt|x1,t,…xn,t)== f(yt-μ|x1,t,…xn,t)μ=μ(x1,t,…xn,t)

Слайд 6 yt=a1x1,t,…anxn,t+vt
Зависимая переменная.
Независимые (объясняющие) переменные, регрессоры.
Случайная составляющая.

yt=a1x1,t,…anxn,t+vtЗависимая переменная.Независимые (объясняющие) переменные, регрессоры.Случайная составляющая.

Слайд 7 Спросt=a0+a1Ценаt+a2Доходt+vt
Ценаt=b0+b1Спросt+b2Доходt+wt
Прямая и обратная
функции спроса


Неучтенные факторы, ошибки измерения.

Спросt=a0+a1Ценаt+a2Доходt+vtЦенаt=b0+b1Спросt+b2Доходt+wtПрямая и обратная функции спросаНеучтенные факторы, ошибки измерения.

Слайд 8
C=a0+a1X
C=a0+a1X+v







C=a0+a1X+a2dwar+v

C=a0+a1XC=a0+a1X+vC=a0+a1X+a2dwar+v

Слайд 9 Линейность регрессионной
модели
Y=Xa+v, Y,v∈RT, X∈MT,n, a∈Rn
X=[1,x1, …, xn-1]

Линейность регрессионной моделиY=Xa+v, Y,v∈RT, X∈MT,n, a∈RnX=[1,x1, …, xn-1] ⇒yt=a0+a1x1,t+…+an-1xn-1,t+vt

⇒
yt=a0+a1x1,t+…+an-1xn-1,t+vt

Слайд 10 Является ли линейность серьёзным ограничением ?
НЕТ !

Является ли линейность серьёзным ограничением ?НЕТ !

Слайд 11
«Линейность» - относится к способу вхождения параметров и

«Линейность» - относится к способу вхождения параметров и случайной составляющей в модель.

случайной составляющей в модель.

Слайд 12 yt=a0+a1cos(xt)+vt
Линейная модель
yt=a0+a0a1cos(xt)+vt
Нелинейная модель

yt=a0+a1cos(xt)+vtЛинейная модельyt=a0+a0a1cos(xt)+vtНелинейная модель

Слайд 13 y=Axaev
Линейная модель
Нелинейная модель
ln(y)=ln(A)+aln(x)+v
y=Axa+v

y=AxaevЛинейная модельНелинейная модельln(y)=ln(A)+aln(x)+vy=Axa+v

Слайд 14 Заработокt=a0+a1Образованиеt+vt


Завышено предельное влияние
образования.
Заработок и образование в среднем

Заработокt=a0+a1Образованиеt+vtЗавышено предельное влияние образования.Заработок и образование в среднем растут с возрастом.

растут с возрастом.

Слайд 15 Заработокt=a0+a1Образованиеt+
+a2Возрастt+vt
Заработокt=a0+a1Образованиеt+
+a2Возрастt +a3(Возрастt)2+vt
Снижение темпа роста доходов

Заработокt=a0+a1Образованиеt++a2Возрастt+vtЗаработокt=a0+a1Образованиеt++a2Возрастt +a3(Возрастt)2+vtСнижение темпа роста доходов

Слайд 16 «Пик карьеры»



«Пик карьеры»

Слайд 17 Эластичность это …

ЭЛАСТИЧНОСТЬ ФУНКЦИИ [function elasticity] — предел

Эластичность это …ЭЛАСТИЧНОСТЬ ФУНКЦИИ [function elasticity] — предел отношения относительного приращения

отношения относительного приращения функции y (зависимой переменной) Δy/y к

относительному приращению независимой переменной x Δx/x когда Δx и Δy→ 0.
«Экономико-математический словарь»

На сколько процентов измениться ‘y’, если ‘x’ измениться на 1 % ?

Слайд 18 ln(yt)=a0+a1ln(x1,t)+…
…+an-1ln(xn-1,t)+vt
elx(y) ≈ (Δy/y)/(Δx/x)
elx(y) ≈ [d(ln(y))/[d(ln(x))]
elx1(y)
Логолинейная модель

ln(yt)=a0+a1ln(x1,t)+……+an-1ln(xn-1,t)+vtelx(y) ≈ (Δy/y)/(Δx/x)elx(y) ≈ [d(ln(y))/[d(ln(x))]elx1(y)Логолинейная модель

Слайд 19 СПЕЦИФИКАЦИЯ МОДЕЛИ
Любое исследование в эконометрике начинается с формулировки

СПЕЦИФИКАЦИЯ МОДЕЛИЛюбое исследование в эконометрике начинается с формулировки вида модели, исходя

вида модели, исходя из установленной связи между переменными
Если с

помощью коэффициентов парной корреляции установлена значимая устойчивая связь между переменными, то её можно использовать для построения модели парной регрессии

Слайд 20 Парная регрессия представляет собой модель, где среднее значение

Парная регрессия представляет собой модель, где среднее значение зависимой переменной y

зависимой переменной y рассматривается как функция одной независимой переменной

Слайд 21

Слайд 22 СФЕРА ПРИМЕНЕНИЯ МОДЕЛИ
Парная регрессия достаточна, если имеется ярко

СФЕРА ПРИМЕНЕНИЯ МОДЕЛИПарная регрессия достаточна, если имеется ярко выраженный доминирующий фактор,

выраженный доминирующий фактор, который и используется в качестве независимой

переменной, поскольку остальные факторы считаются неизменными

Слайд 23 ПРАВИЛЬНОСТЬ ПРИМЕНЕНИЯ
правильность применения корреляционного и регрессионного анализа при

ПРАВИЛЬНОСТЬ ПРИМЕНЕНИЯправильность применения корреляционного и регрессионного анализа при изучении взаимосвязей переменных

изучении взаимосвязей переменных подтверждается наличием нормального распределения совокупности, по

изучаемым переменным, то есть её однородности

Слайд 24 ПРАВИЛЬНОСТЬ ПРИМЕНЕНИЯ
Подтверждается попаданием теоретических значений у(х) в пределы

ПРАВИЛЬНОСТЬ ПРИМЕНЕНИЯПодтверждается попаданием теоретических значений у(х) в пределы между минимальным и максимальным значением результативного признака у

между минимальным и максимальным значением результативного признака у

Слайд 25 ОШИБКА ПОСТРОЕНИЯ МОДЕЛИ (ε)

ОШИБКА ПОСТРОЕНИЯ МОДЕЛИ (ε)

Слайд 26 Для спецификации модели используются
Линейные функции, например,
f (x)

Для спецификации модели используютсяЛинейные функции, например, f (x) = b0 +

= b0 + b1 x
Нелинейные функции, например,
f

(x) = b0 xb1
Нелинейные функции можно преобразовать, прологарифмировать значения переменных и работать дальше с линейными функциями

Слайд 27 ВЫБОР ВИДА ФУНКЦИИ
Осуществляется
Графическим методом (метод визуальной оценки)
Аналитическим методом
Экспериментальным

ВЫБОР ВИДА ФУНКЦИИОсуществляетсяГрафическим методом (метод визуальной оценки)Аналитическим методомЭкспериментальным методом

методом


Слайд 28 Графический метод

Графический метод

Слайд 29 ОСНОВНЫЕ ТИПЫ КРИВЫХ

ОСНОВНЫЕ ТИПЫ КРИВЫХ

Слайд 30 ОСНОВНЫЕ ТИПЫ КРИВЫХ

ОСНОВНЫЕ ТИПЫ КРИВЫХ

Слайд 31 ОСНОВНЫЕ ТИПЫ КРИВЫХ

ОСНОВНЫЕ ТИПЫ КРИВЫХ

Слайд 32 ОСНОВНЫЕ ТИПЫ КРИВЫХ

ОСНОВНЫЕ ТИПЫ КРИВЫХ

Слайд 33 Аналитический метод
Основан на изучении качественной природы связи исследуемых

Аналитический методОснован на изучении качественной природы связи исследуемых признаковТо есть, форма

признаков
То есть, форма связи известна, например, зависимость величины налога,

от уровня налоговой ставки

Слайд 34 Экспериментальный метод
Используется при применении компьютерных статистических прикладных пакетов
Основывается

Экспериментальный методИспользуется при применении компьютерных статистических прикладных пакетовОсновывается на сравнении величины

на сравнении величины остаточной дисперсии, рассчитанной для разных типов

кривых, и выборе кривой, где её величина минимальна

Слайд 35 ПРАКТИКА ПОКАЗЫВАЕТ
Число наблюдений должно в 6-7 раз превышать

ПРАКТИКА ПОКАЗЫВАЕТЧисло наблюдений должно в 6-7 раз превышать число рассчитываемых параметров

число рассчитываемых параметров при переменной х.
Усложнение типа кривой требует

увеличение числа наблюдений.
Искать линейную регрессию, имея менее 7 наблюдений не имеет смысла.

Слайд 36 Метод наименьших квадратов (МНК)
Метод наименьших разностей
Метод функционала

Метод наименьших квадратов (МНК)Метод наименьших разностейМетод функционала

Слайд 37 МНК

МНК

Слайд 38

Слайд 39

Слайд 40

Слайд 41 ПРОВЕРКА ГИПОТЕЗ В МОДЕЛИ ПАРНОЙ РЕГРЕССИИ

ПРОВЕРКА ГИПОТЕЗ В МОДЕЛИ ПАРНОЙ РЕГРЕССИИ

Слайд 42

Слайд 43

Слайд 44 УРАВНЕНИЕ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ
где по МНК

Значимость уравнения подтверждается

УРАВНЕНИЕ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ где по МНК Значимость уравнения подтверждается коэффициентом детерминации, который

коэффициентом детерминации, который в этом случае: R²=rxy², чем ближе

к 1, тем лучше качество уравнения регрессии
Критерий значимости Фишера, n – число наблюдений, m – число параметров в модели регрессии, m=p+1(для парной оно равно 2):

Слайд 45 ПРИМЕР
Между объемом продукции и прямыми материальными затратами

ПРИМЕР Между объемом продукции и прямыми материальными затратами на её производство

на её производство установлена линейная зависимость на основе rxy=0,866,

n=7. Необходимо обосновать, что уравнение парной линейной регрессии значимо.
R²=r²=0,866²=0,75 – на 75% вариация прямых материальных затрат объясняется вариацией объема продукции. В случае парной линейной регрессии m=2.
F=(0,75(7-2))/((1-0,75)( 2-1))=15>F0,05(1;5)=6,6
Если построить уравнение, оно значимо с вероятностью 95%.

Слайд 46 Доверительный интервал для линии регрессии в случае парной

Доверительный интервал для линии регрессии в случае парной регрессии

регрессии

Слайд 47 ДОВЕРИТЕЛЬНЫЕ ИНТЕРВАЛЫ В МОДЕЛИ

ДОВЕРИТЕЛЬНЫЕ ИНТЕРВАЛЫ В МОДЕЛИ

Слайд 48 ИНТЕРВАЛЬНЫЙ ПРОГНОЗ НА ОСНОВЕ УРАВНЕНИЯ ПАРНОЙ РЕГРЕССИИ

ИНТЕРВАЛЬНЫЙ ПРОГНОЗ НА ОСНОВЕ УРАВНЕНИЯ ПАРНОЙ РЕГРЕССИИ

Слайд 49 Применение функции «Тенденция»


Применение функции «Тенденция»

Слайд 50 Применение функции «Линейн»

Применение функции «Линейн»

Слайд 51 Применение инструмента Regression

Применение инструмента Regression

Слайд 52 Смысл коэффициентов регрессии в уравнении У(х)= b0 +

Смысл коэффициентов регрессии в уравнении У(х)= b0 + b1 Хb0 –

b1 Х
b0 – отражает усредненной влияние всех неучтенных факторов
b1

– означает среднее изменение величины у, в зависимости от изменения значений переменной х, если остальные факторы, влияющие на у и не связанные с х, неизменны
Поэтому если константа, включенная в модель делает уравнение значимым, когда оно незначимо без нее, то эта модель неверна

Слайд 53 Знак при коэффициенте регрессии показывает:
Для коэффициента в, если

Знак при коэффициенте регрессии показывает:Для коэффициента в, если b1 0, то

b1 0, то

связь обратная
Для коэффициента регрессии b0 , если b0 >0, то изменение результата происходит медленнее, чем изменение фактора, то есть Vx>Vy

Слайд 54

Слайд 55

Слайд 56

Слайд 57 Доверительные интервалы для коэффициентов уравнения регрессии

Доверительные интервалы для коэффициентов уравнения регрессии

Слайд 58

Слайд 59

Слайд 60

Слайд 61

Слайд 62 ЭФФЕКТИВНОСТЬ ОЦЕНОК МНК
Оценки коэффициентов модели регрессии, полученные классическим

ЭФФЕКТИВНОСТЬ ОЦЕНОК МНКОценки коэффициентов модели регрессии, полученные классическим МНК , являются

МНК , являются наилучшими, то есть несмещенными, состоятельными и

эффективными, если выполняются предпосылки теоремы Гаусса-Маркова

Слайд 63

Слайд 64

Слайд 65

Слайд 66

Слайд 67 Основные предпосылки модели парной линейной регрессии Y=b0+b1х +

Основные предпосылки модели парной линейной регрессии Y=b0+b1х + εСвязь между Y

ε
Связь между Y и х является линейной;
Х может использоваться

для прогноза Y;
Остатки ε имеют нормальное распределение;
Дисперсия ошибок постоянна;
Отсутствуют ошибки спецификации;
Ошибки являются независимыми случайными величинами.

Слайд 68 НЕЛИНЕЙНАЯ РЕГРЕССИЯ
Если между экономическими явлениями существуют нелинейные соотношения,

НЕЛИНЕЙНАЯ РЕГРЕССИЯЕсли между экономическими явлениями существуют нелинейные соотношения, то они выражаются

то они выражаются с помощью нелинейных функций
Различают два класса

нелинейных регрессий :
Нелинейные по объясняющим переменным, но линейные по оцениваемым параметрам
Нелинейные по оцениваемым параметрам

Слайд 69 НЕЛИНЕЙНАЯ РЕГРЕССИЯ ПО ОБЪЯСНЯЮЩИМ ПЕРЕМЕННЫМ (ошибка аддитивна)
Полиномы
(чаще 2-ой степени)


Равносторонняя

НЕЛИНЕЙНАЯ РЕГРЕССИЯ ПО ОБЪЯСНЯЮЩИМ ПЕРЕМЕННЫМ (ошибка аддитивна) Полиномы(чаще 2-ой степени)Равносторонняя гипербола(например,

гипербола
(например,
кривая Филлипса, зависимость процента прироста заработной платы от

уровня безработицы;
Кривая Энгеля , зависимость доли расходов на непродовольственные товары от дохода)

Слайд 70 НЕЛИНЕЙНАЯ РЕГРЕССИЯ ПО ПАРАМЕТРАМ (ошибка неаддитивна)
Степенная у = a

НЕЛИНЕЙНАЯ РЕГРЕССИЯ ПО ПАРАМЕТРАМ (ошибка неаддитивна) Степенная у = a x

x b ε

Показательная у = a b х ε




Экспоненциальная у = e a+bx ε

Слайд 71 НЕЛИНЕЙНАЯ РЕГРЕССИЯ ПО ОБЪЯСНЯЮЩИМ ПЕРЕМЕННЫМ
Применяется метод замены
(х=х1;

НЕЛИНЕЙНАЯ РЕГРЕССИЯ ПО ОБЪЯСНЯЮЩИМ ПЕРЕМЕННЫМПрименяется метод замены (х=х1; х2=х2 и т.д.)Параметры

х2=х2 и т.д.)
Параметры определяются, как в линейной регрессии по

МНК

Слайд 72 НЕЛИНЕЙНАЯ РЕГРЕССИЯ ПО ПАРАМЕТРАМ
Применяем логарифмирование
Если после применения логарифмирования,

НЕЛИНЕЙНАЯ РЕГРЕССИЯ ПО ПАРАМЕТРАМПрименяем логарифмированиеЕсли после применения логарифмирования, получаем линейную зависимость,

получаем линейную зависимость, то регрессия называется внутренне линейной, если

нет, то внутренне нелинейной

Слайд 73 ПРОВЕРКА ПРАВИЛЬНОСТИ ПРИМЕНЕНИЯ ЛИНЕЙНОЙ РЕГРЕССИИ



Где R2 – индекс (коэффициент)

ПРОВЕРКА ПРАВИЛЬНОСТИ ПРИМЕНЕНИЯ ЛИНЕЙНОЙ РЕГРЕССИИГде R2 – индекс (коэффициент) детерминации, полученный

детерминации, полученный по модели нелинейной регрессии
Где r2 – квадрат

линейного коэффициента корреляции

Слайд 74 ПРОВЕРКА ПРАВИЛЬНОСТИ ПРИМЕНЕНИЯ ЛИНЕЙНОЙ РЕГРЕССИИ
Если не выполняется неравенство, то

ПРОВЕРКА ПРАВИЛЬНОСТИ ПРИМЕНЕНИЯ ЛИНЕЙНОЙ РЕГРЕССИИЕсли не выполняется неравенство, то проверка сложнее

проверка сложнее на основе t-статистики





Если t>tтабл , то различия

между рассматриваемыми показателями существенны и замена нелинейной регрессии уравнением линейной функции невозможна
  • Имя файла: parnaya-prostaya-regressiya-v-ekonometricheskih-raschetah.pptx
  • Количество просмотров: 96
  • Количество скачиваний: 0
- Предыдущая Информационная безопасность. Документооборот. (Лекция 8)
Следующая - Явище електромагнітної індукції. Досліди Фарадея. Правило Ленца

Похожие презентации

Конспект НОД Путешествие в математическое королевство план-конспект занятия по математике (старшая группа) Конспект НОД Путешествие в математическое королевство план-конспект занятия по математике (старшая группа) 100
Время презентация к уроку по математике по теме Время презентация к уроку по математике по теме 38
Презентация по математике неурочная деятельность Мир чисел (5 класс) Презентация по математике неурочная деятельность Мир чисел (5 класс) 103
Презентация по математике на тему Нахождение числа по его проценту Презентация по математике на тему Нахождение числа по его проценту 159
Сложение и вычитание десятичных и обыкновенных дробей( 5 класс) Сложение и вычитание десятичных и обыкновенных дробей( 5 класс) 87
Старинные меры длины (5 класс) Старинные меры длины (5 класс) 111
Презентация Единицы измерения длины. Сантиметр презентация к уроку по математике (1 класс) по теме Презентация Единицы измерения длины. Сантиметр презентация к уроку по математике (1 класс) по теме 127
Математический язык Математический язык 107
Самостоятельная работа №1 Нумерация. Арифметические действия Самостоятельная работа №1 Нумерация. Арифметические действия 74
Урок математики в 1 классе по теме Состав однозначных чисел план-конспект урока по математике (1 класс) по теме Урок математики в 1 классе по теме Состав однозначных чисел план-конспект урока по математике (1 класс) по теме 121
Композиция функций Композиция функций 100
Конспект + презентация к уроку математики , 3 класс. Тема: Приёмы устных вычислений в пределах 100. план-конспект урока по математике (3 класс) Конспект + презентация к уроку математики , 3 класс. Тема: Приёмы устных вычислений в пределах 100. план-конспект урока по математике (3 класс) 141
Построение графиков, содержащих выражения под знаком модуля Построение графиков, содержащих выражения под знаком модуля 87
Расстояние между скрещивающимися прямыми Расстояние между скрещивающимися прямыми 124
igra matematika igra matematika 112
Презентация по теме Закрепление. Переместительное свойство умножения презентация урока для интерактивной доски по математике (2 класс) Презентация по теме Закрепление. Переместительное свойство умножения презентация урока для интерактивной доски по математике (2 класс) 119
Логико-математические игры презентация по математике по теме Логико-математические игры презентация по математике по теме 103
Единицы площади презентация к уроку по математике (3 класс) Единицы площади презентация к уроку по математике (3 класс) 93
Умножение и делание презентация к уроку по математике (2 класс) по теме Умножение и делание презентация к уроку по математике (2 класс) по теме 116
Практическое применение треугольников Практическое применение треугольников 87
Закрепление изученного за год Закрепление изученного за год 160
Презентация по математике на тему Шар 6 класс Презентация по математике на тему Шар 6 класс 113
Сумма двух векторов Сумма двух векторов 77
Презентация по математике презентация к уроку по математике (1 класс) Презентация по математике презентация к уроку по математике (1 класс) 75
Презентация Состав числа 8 презентация к уроку математики (1 класс) по теме Презентация Состав числа 8 презентация к уроку математики (1 класс) по теме 87
Признак перпендикулярности прямой и плоскости Признак перпендикулярности прямой и плоскости 98
Умножение и деление положительных и отрицательных чисел Умножение и деление положительных и отрицательных чисел 84
Вынесение общего множителя за скобки Вынесение общего множителя за скобки 94
Лабораторная работа Лабораторная работа 86
Урок математики в 4-ом классе по учебнику Л.Г.Петерсон Тема: Площадь прямоугольного треугольника (урок № 32, открытие новых знаний). план-конспект урока по математике (4 класс) Урок математики в 4-ом классе по учебнику Л.Г.Петерсон Тема: Площадь прямоугольного треугольника (урок № 32, открытие новых знаний). план-конспект урока по математике (4 класс) 45