Файл: Практическая работа 1 Запишите вид парной линейной регрессии. Дайте определение всем входящим в нее элементам.docx

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 26.10.2023

Просмотров: 10

Скачиваний: 1

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

Практическая работа 1

1. Запишите вид парной линейной регрессии. Дайте определение всем входящим в нее элементам.

В случае парной линейной регрессии для данных генеральной совокупности связь между независимой переменной (факториальным признаком) X и зависимой переменной (результативным признаком) Y описывает модель



где

- свободный член прямой парной линейной регрессии,

- коэффициент направления прямой парной линейной регрессии,

- случайная погрешность,

N - число элементов генеральной совокупности.

2. В чем суть метода наименьших квадратов?

Задача заключается в нахождении коэффициентов линейной зависимости, при которых функция двух переменных а и b принимает наименьшее значение. То есть, при данных а и b сумма квадратов отклонений экспериментальных данных от найденной прямой будет наименьшей. В этом вся суть метода наименьших квадратов.

3. Дайте интерпретацию параметров b1 и b0 линейной модели. Покажите их графическое представление.

Параметр b называется коэффициентом регрессии. Его величина показывает среднее изменение результата с изменением фактора на одну единицу. Возможность четкой экономической интерпретации коэффициента регрессии сделала линейное уравнение парной регрессии достаточно распространенным в эконометрических исследованиях.

Формально a – значение y при x = 0. Если x не имеет и не может иметь нулевого значения, то такая трактовка свободного члена a не имеет смысла. Параметр a может не иметь экономического содержания. Попытки экономически интерпретировать его могут привести к абсурду, особенно при a< 0. Интерпретировать можно лишь знак при параметре
a. Если a> 0, то относительное изменение результата происходит медленнее, чем изменение фактора.

4. Что оценивает линейный коэффициент корреляции?

Коэффициент корреляции показывает тесноту линейной взаимосвязи и изменяется в диапазоне от -1 до 1. -1 (минус один) означает полную (функциональную) линейную обратную взаимосвязь. 1 (один) – полную (функциональную) линейную положительную взаимосвязь. 0 – отсутствие линейной корреляции (но не обязательно взаимосвязи).

5. Приведите примеры нелинейных моделей по объясняющей переменной x.

Примером нелинейной регрессии по включаемым в нее объясняющим переменным могут служить следующие функции:

1. полиномы разных степеней

2. равносторонняя гипербола

6. Что понимается под линеаризацией нелинейной модели?

Сущность метода линеаризации заключается в том, что нелинейную функцию заменяют некоторой линейной и затем по уже известным правилам находят числовые характеристики этой линейной функции, считая их приближенно равными числовым характеристикам нелинейной функции.

7. Каким показателем характеризуется теснота связи факторов для нелинейной модели? Каковы свойства этого показателя?

Мерой интенсивности связи при нелинейных соотношениях между переменными служит индекс корреляции.

Индекс корреляции рассчитывается, когда выбрана конкретная нелинейная зависимость между переменными, построена эта зависимость и по ней определены теоретические значения результирующей переменной “ŷ”.



Регрессионный анализ





































N=

5








































Исходные данные

 

 

Линейная

Степенная

Экспоненциальная




лог x(i)

лог y(i)

лог x(i)^2

лог y(i)^2













i

x(i)

y(i)

 

 

 




2,302585

5,114635

4,60517

10,22927













1

10

166,44

125,308

18,9004005

166,5006887




2,995732

4,01476

5,991465

8,02952













2

20

55,41

87,501

18,56350618

55,40494758




3,401197

2,914522

6,802395

5,829044













3

30

18,44

49,694

18,36922632

18,43660973




3,688879

1,814825

7,377759

3,629649













4

40

6,14

11,887

18,23261691

6,134986009




3,912023

0,71295

7,824046

1,4259













5

50

2,04

-25,92

18,12735445

2,041484519

итого

16,30042

14,57169

32,60083

29,14338







































































































Вспомогательные величины








































Сумма x(i)

Сумма y(i)

Сумма x(i)*y(i)

Сумма x(i)^2

Сумма y(i)^2







150

248,47

3673,4

5500

31154,4365







Суммлог x(i)

Суммлог y(i)

Суммпрлог x(i)*y(i)

Суммквлог x(i)^2

Суммаx(i)lny(i)

Суммквлог y(i)^2




16,300417

14,57169174

43,20063948

219,0248369

327,1176971

29,14338347











































Параметры

Коэфф.

Линейная

Степенная

Экспоненц.










В0

-3,7807

20,06404936

500,3610786










В1

163,115

-0,02594758

-0,110033055