Сделай Сам Свою Работу на 5

Оценка существенности параметров линейной регрессии и корреляции





Оценка значимости уравнения регрессии в целом производится на основе F-критерия Фишера, при этом выдвигается нулевая гипотеза, что коэффициент регрессии b=0, и, следовательно фактор x не оказывает влияния на результат y.

Непосредственно расчету F-критерий Фишера предшествует дисперсионный анализ.

Согласно основной идее дисперсионного анализа, общая сумма квадратов отклонений переменной y от среднего значения раскладывается на две части – «объясненную» и «необъясненную»:

, где

– общая сумма квадратов отклонений;

– сумма квадратов отклонений, объясненная регрессией (или факторная сумма квадратов отклонений);

– остаточная сумма квадратов отклонений, характеризующая влияние неучтенных в модели факторов.

Схема дисперсионного анализа имеет вид (n– число наблюдений, m – число параметров при переменной x).

  Компоненты дисперсии Сумма квадратов Число степеней свободы Дисперсия на одну степень свободы
Общая n-1
  Факторная m
  Остаточная n-m-1
           

Определение дисперсии на одну степень свободы приводит дисперсии к сравнимому виду. Сопоставляя факторную и остаточную дисперсии в расчете на одну степень свободы, получим величину F-критерия Фишера:



Фактическое значение F-критерия Фишера сравнивается с табличным значением Fтабл(a;k1,k2) при уровне значимости a и степенях свободы k1=m и k2=n-m-1. При этом, если фактическое значение F-критерия больше табличного, то гипотеза H0 отклоняется, делается вывод о существенности связи между x и y, признается статистическая значимость уравнения в целом.

Для парной линейной регрессииm=1, поэтому

.

Величина F-критерия связана с коэффициентом детерминации , и ее можно рассчитать по следующей формуле:

 

Оценка надежности результатов множественной регрессии и корреляции

· 1) Значимость уравнения множественной регрессии в целом, так же как и в парной регрессии, оценивается с помощью –F критерия Фишера.

 

 

· 2) Частный F-критерий оценивает статистическую значимость присутствия каждого фактора в уравнении.

 

если Fxi>Fтабл то приходим к выводу о целесообразности включения в уравнение фактора xi после фактора xj.



3) значимость коэффициентов чистой регрессии оценивается с помощью t-критерия Стьюдента и доверительных интервалов.

(встроенная функция РЕГРЕССИЯ)

38) Обобщенная линейная модель множественной регрессии

 

Нелинейные модели регрессии и их линеаризация.

Нелинейные модели регрессии и их линеаризация


При нелинейной зависимости признаков, приводимой к линейному виду, параметры множественной регрессии также определяются по МНК с той лишь разницей, что он используется не к исходной информации, а к преобразованным данным. Так, рассматривая степенную функцию
,
мы преобразовываем ее в линейный вид:

,
где переменные выражены в логарифмах.
Далее обработка МНК та же: строится система нормальных уравнений и определяются неизвестные параметры. Потенцируя значение , находим параметр a и соответственно общий вид уравнения степенной функции.
Вообще говоря, нелинейная регрессия по включенным переменным не таит каких-либо сложностей в оценке ее параметров. Эта оценка определяется, как и в линейной регрессии, МНК. Так, в двухфакторном уравнении нелинейной регрессии

может быть проведена линеаризация, введением в него новых переменных . В результате получается четырехфактороное уравнение линейной регрессии
.

 

Нелинейные зависимости, поддающиеся непосредственной линеаризации

Производственная функция

производственная функция – это функция, независимая переменная которой принимает значения используемого ресурса (фактора производства), а зависимая переменная – значения объемов выпускаемой продукции y=f(x).



ПФ называется динамической, если:

1) время t фигурирует в качестве самостоятельной переменной величины (как бы самостоятельного фактора производства), влияющего на объем выпускаемой продукции;

2) параметры ПФ и ее характеристика f зависят от времени t.

Производственной функцией называется экономико-математическая модель, с помощью которой можно охарактеризовать зависимость результатов производственной деятельности предприятия, отрасли или национальной экономики в целом от повлиявших на эти результаты факторов.

Факторами производственной функции могут являться следующие переменные:

1) объём выпущенной продукции (в стоимостном или натуральном выражении);

2) объём основного капитала или основных фондов;

3) объём трудовых ресурсов или трудовых затрат (измеряемое количеством рабочих или количеством человеко-дней);

4) затраты электроэнергии;

5) количество станков, потребляемое в производстве и др.

Однофакторные производственные функции (т. е. функции с одной факторной переменной) относятся к наиболее простым производственным функциям. В данном случае результативной переменной является объём производства у, который зависит от единственной факторной переменной х. В качестве факторной переменной может выступать любая из вышеназванных переменных.

Основными разновидностями однофакторных производственных функций являются:

1) линейная однофакторная производственная функция вида:

y=β0+β1x,

например, производственная функция зависимости объёма производимой продукции от величины затрат определённого ресурса. Линейная однофакторная производственная функция характеризуется двумя особенностями:

а) если величина факторной переменной х равна нулю, то объём производства у не будет нулевым, потому что y=β0(β0›0);

б) объём произведённой продукции у неограниченно возрастает при увеличении затрат определённого фактора х на постоянную величину β1 (β1›0). Однако данное свойство линейной однофакторной производственной функции чаще всего справедливо только на практике;

2) параболическая однофакторная производственная функция вида:

при условиях β0›0, β1›0, β2›0.

Данная функция характеризуется тем, что при росте затрат ресурса х, объём произведённой продукции у вначале возрастает до некоторой максимальной величины, а затем снижается до нуля;

3) степенная однофакторная производственная функция вида:

при условиях β0›0, β1›0.

Данная функция характеризуется тем, что с ростом затрат ресурса х, объём производства у возрастает без ограничений;

4) показательная однофакторная производственная функция вида:

при условиях 0‹β1‹0.

Данная функция характеризуется тем, что с ростом затрат ресурса х объём произведённой продукции у также растёт, стремясь при этом к значению параметра β0.

5) гиперболическая однофакторная производственная функция вида:

Данная функция практически не применяется при изучении зависимости объёма производства от затрат какого-либо ресурса, потому что нет необходимости в изучении ресурсов, увеличение которых приводит к уменьшению объёма производства.

Двухфакторные производственные функции (функции с двумя факторными переменными) характеризуют зависимость объёма производства от каких-либо двух факторов, чаще от факторов объёма основного капитала и трудовых ресурсов. Чаще всего используются такие двухфакторные производственные функции как функции Кобба-Дугласа и Солоу.

Для наглядного изображения двухфакторных производственных функций строят графики семейства кривых, основанных на различном сочетании двух факторов, но дающих в результате одно и то же значение объёма выпуска продукции. Кривые, построенные на основании равенства f(x1,x2)=const, называются изоквантами.

Изоквантойназывается сочетание минимально необходимых ресурсных затрат для заданного уровня объёма производства.

Многофакторные производственные функции используются для изучения зависимости объёма производства от n-го количества факторов производства.

Общий вид многофакторной производственной функции:y=f(xi),где

 








Не нашли, что искали? Воспользуйтесь поиском по сайту:



©2015 - 2024 stydopedia.ru Все материалы защищены законодательством РФ.