1. Определение эконометрики. Термин эконометрика

• Название: 1. Определение эконометрики. Термин эконометрика
• Дата: 12.11.2019
• Размер: 3.6 Mb.
• Имя файла: Ekonometrika_Otvety.docx
• Тип: Документы; #94836
• страница: 7 из 21

Средний коэффициент эластичности характеризует, на сколько процентов изменится результативная переменная у относительно своего среднего уровня если факторная переменная х изменится на 1 % относительного своего среднего уровня

Общая формула для расчёта коэффициента эластичности для среднего значения  факторной переменной х:



где– значение функции у при среднем значении факторной переменной х.

Для каждой из разновидностей нелинейных функций средние коэффициенты эластичности рассчитываются по индивидуальным формулам.


32. Линейная модель множественной регрессии.

Построение модели множественной регрессии является одним из методов характеристики аналитической формы связи между зависимой (результативной) переменной и несколькими независимыми (факторными) переменными.

Модель множественной регрессии строится в том случае, если коэффициент множественной корреляции показал наличие связи между исследуемыми переменными.

Общий вид линейной модели множественной регрессии:

y_i=β₀+β₁x_1i+…+β_mx_mi+ε_i,

где y_i – значение i-ой результативной переменной,

x_1i…x_mi – значения факторных переменных;

β₀…β_m – неизвестные коэффициенты модели множественной регрессии;

ε_i – случайные ошибки модели множественной регрессии.

При построении нормальной линейной модели множественной регрессии учитываются пять условий Гаусса-Маркова.
33. Метод наименьших квадратов для оценки параметров множественной регрессии.

Построение уравнения регрессии осуществляется, как правило, методом наименьших квадратов (МНК), суть которого состоит в минимизации суммы квадратов отклонений фактических значений результатного признака от его расчетных значений, т.е.:

.

Формулу для вычисления параметров регрессионного уравнения по методу наименьших квадратов

.

Для того что­бы регрессионный анализ, основанный на обычном методе наименьших квад­ратов, давал наилучшие из всех возможных результаты, дол­жны выполняться следующие условия, известные как условия Гаусса – Маркова.

Рассказать про матричный подход
34. Матричный подход для оценки параметров множественной регрессии.

Линейная модель множественной регрессии. У=а₀+а₁х₁+ а₂х₂+…+ а_mх_m+e

Параметры определяются с помощью методов наименьших квадратов.

Для этого проведем все рассуждения в матричной форме. Введем следующие матричные обозначения:

;

где У вектор n значений результативного показателя.

Х – матрица n значений m независимых переменных; а матрица параметров

У=Х∙а+ε.

Метод наименьших квадратов требует мин-ии суммы квадратов отклонений исходных модели значений



Далее:

1 – это есть матрица размерностью 1Х1, т.е. число-скаляр, а скаляр при трансформировании не меняется, поэтому  Согласно условию экстремума S по а =0

;

2Х^ТY+2aX^TX=0

X^TY=aX^TX

Для погашения а умножим обе части этого уравнения на (ХТХ)-1, тогда

А= (X^TХ)^-1∙X^TY

Решение задачи нахождения матрицы, а возможно лишь в том случае, если строки и столбцы матрицы Х линейно независимы.