Понятие о регрессионном анализе

Типы данные

При моделировании экономических процессов мы встречаемся с двумя типам данных:

1. Пространственные данные (cross-sectional data) – это набор сведений (объем производства, количество – работников, доход и др.) по разным фирмам в один и тот же момент времени.

2. Временные ряды (time-series data).

Примеры: ежеквартальные данные по инфляции, средней заработной плате, национальному доходу, денежной эмиссии за последние годы или, например, ежедневный курс доллара США на ММВБ котировки ГКО за два последних года.

Отличительной чертой временных данных является то, что они естественным образом упорядочены по времени, кроме того, наблюдения в близкие моменты часто бывают зависимыми.

Начальным пунктом любого регрессионного анализа следующая ситуация:

объект исследования представлен наблюдаемыми величинами .

Между этими наблюдаемыми величинами есть объективная связь.

На основе знаний объекта исследование точно известно, что наблюдаемая величина В зависит от наблюдаемых величин

Эта связь между зависимой величиной В и независимыми переменными в принципе можно представить линейной функцией.

Однако в действительности наблюдаемые величины отклоняются от функциональной связи. Отклонения включаются в модель, причем предусматривается, что линейная функциональная связь между наблюдаемыми величинами дополняется аддитивной случайной переменной U.

Линейное уравнение функциональных связей, называемое регрессионным уравнением, имеет вид:

, (1)

Линейное регрессионное уравнение (1) можно представить иначе и интерпретировать таким образом:

, (2)

Значение случайной переменной U действительное значение каждого параметров в конкретном случае неизвестные.

Основная цель регрессионного анализа – теоретически обоснованный и статистически надежный точечный и интервальный прогноз зависимой величины В или же условного математического ожидания . Для этого необходимо определить оценки отдельных регрессионных коэффициентов, и другие статистические характеристики.

Дата добавления: 2015-05-26