弹性系数计算.pptVIP

Расчет коэффициента эластичности 1. Для линейной регрессии у=а+bx 2. Для равносторонней гиперболы 3. Для степенной функции 4. Для показательной функции  Оценки параметров регрессии должны отвечать определенным критериям: Несмещенность оценки (математическое ожидание остатков равно нулю). Эффективность (оценки имеют наименьшую дисперсию). Состоятельность ( увеличение точности с увеличением объема выборки ) Так как метод наименьших квадратов строит оценки регрессии на основе минимизации суммы квадратов остатков, то очень важно исследовать поведение остаточных величин регрессии ?i Исследование остатков ?i предполагают проверку наличия следующих пяти предпосылок МНК: 1. случайный характер остатков; 2. Нулевая средняя величина остатков, не зависящих от x; 3. гомоскедастичность – дисперсия каждого отклонения одинаковая для всех значений x; 4. Отсутствие автокорреляции остатков. Значения остатков распределены независимо друг от друга; 5. Остатки подчиняются нормальному распределению. Если распределение случайных остатков не соответствует некоторым предпосылкам МНК, то следует корректировать модель. Прежде всего, проверяется случайный характер остатков - первая предпосылка МНК. С этой целью строится график зависимости остатков ?i от теоретических значений результативного признака yx . Если на графике получена горизонтальная полоса (из точек, как показано на рис.), то остатки ?i представляют собой случайные величины и МНК оправдан, теоретические значения yx аппроксимируют фактические значения y. Возможны следующие случаи: если ?i зависит от yx , то: остатки не случайны (рис. а); остатки не имеют постоянной дисперсии (рис. в); остатки носят систематический характер (рис. б), В этих случаях необходимо либо применять другую функцию, либо вводить дополнительную информацию и заново строить уравнение регрессии до тех пор, пока остатки не будут случайными величинами. Вторая предпосылка МНК относительно нулевой средней величины остатков озна