1. Ökonometrie Wissenschaft. Vorstellung die Beziehung zwischen Zufallsvariablen. Kovarianz- und Korrelationskoeffizienten. Ökonometrischen Modells

«Ökonometrie erlaubt Die quantitative Analyse der tatsächlichen ökonomischen Phänomene charakterisieren ihre typische Verhalten. Weisen Sie 2 Arten von statistischen Analysen Abhängigkeiten:

1 ist. Die Korrelationsanalyse - Um die Bedeutung und Stärke der Beziehung zu bewerten, ohne Angabe der Art abhängig

2. Regressionsanalyse - zu bewerten und die Formel der Abhängigkeit einer Variablen zu analysieren andere.

Der Koeffizient Kovarianz zeigt die Richtung der Beziehung zwischen zwei Variablen. Ist wohlhabenden, eine vorgespannte Schätzer.

Der Korrelationskoeffizient zeigt die Richtung und die Stärke (!), die die Beziehung zwischen den beiden Variablen. Wert der Korrelationskoeffizient:

- In der Nähe von 0 - zeigte keine lineare Beziehung

- in der Nähe (1) - auf starke direkte Beziehung

- in der Nähe (-1) - zu starke inverse Beziehung

Das ökonometrische Modell - ist eine mathematische Beschreibung der wirtschaftlichen Phänomene, was ihre wichtigsten eigenschaften. Modell vereinfacht, idealisiert die untersuchte Phänomen. Auf die Richtigkeit die konstruierte Modell kann durch die Ergebnisse beurteilt werden eng übereinstimmen Simulation und die tatsächlichen Daten.

Eine gemeinsame Anlaufstelle für alle ökonometrischer Modelle ist abhängig variable Trennwand in zwei Teile: Erläuterung und zufällig, und Ja - die Zufallskomponente. Y=f (x) + E


2. Das Konzept der Regression. Einfache lineare Regression Modell. Streudiagramm und das Problem der Wahl der Zeile Regression. Natur Störterm Regression

Regression Analyse - zu bewerten und die Formel der Abhängigkeit von einer Variablen zu analysieren andere.

Das lineare Modell Dampf

Die Gleichung Regression:

y=β0 + β1x + ε

β1 - zeigt, wie viel ändern Sie den Wert der abhängigen Variablen y zur Veränderung der erklärenden Variablen x am Gerät.

β0 - zeigt den Mittelwert der abhängigen Variablen y auf Null erklärende Variable x. Muss nicht immer wirtschaftlich Sinn. (Component)


Das Problem Leitungsauswahl zaklyuchaetsya dass es notwendig ist, um die Abhängigkeit des maximalen beschreiben, um die minimale Abweichung haben.

Natur Störterm Regressionsmodell

1 ist. Der Wegfall der erklärenden Variablen

2. Falsche Heft Modell

3. Zufälliges Verhalten der Objekte

4. Messfehler

3. Die Methode der kleinsten Quadrate. Ableitung der Methode der kleinsten Quadrate auf den Fall des Paares. Herz Verfahren wird eine graphische Darstellung der Bedingungen für die Anwendung

Die zuletzt Quadrate - Verfahren zum Finden der optimalen Parameter einer linearen Regression, wie daß die Summe der quadrierten Fehler (Regressionsresiduen) minimal ist.

Das Verfahren besteht in Minimierung der euklidischen Abstand zwischen zwei Vektoren - Vektor rekonstruierten Werte der abhängigen Variablen, und der Vektor der Istwerte abhängige Variable aus.

Anwendung. Die Aufgabe des Verfahrens Kleinsten Quadrate besteht in der Auswahl des Vektors, der minimiert Fehler.

Die zuletzt Plätze hat folgende Vorteile:

- keine Kenntnisse erforderlich der Verteilung der Zufallsstörungs

- eine Einschätzung bei dest wohlhabe

- im Falle der normalen Die Verteilung der Zufallsstörungsschätz von Parametern des linearen Modells unvoreingenommene und effiziente

Formel:

4. Eigenschaften der Regressionskoeffizienten, die durch das Verfahren der kleinsten erhaltenen Quadrate. Gauss-Markov-Theorem - die Formulierung, die Bedeutung des Satzes. Zustand Gauss-Markov und die Folgen ihrer Ve...


Seite 1 der 12 | Nächste Seite




Ähnliche abstracts: