Презентация Преобразование переменных в парной регрессии

Смотреть слайды в полном размере
Презентация Преобразование переменных в парной регрессии


Вашему вниманию предлагается презентация «Преобразование переменных в парной регрессии», с которой можно предварительно ознакомиться, просмотреть текст и слайды к ней, а так же, в случае, если она вам подходит - скачать файл для редактирования или печати.

Презентация содержит 52 слайда и доступна для скачивания в формате ppt. Размер скачиваемого файла: 394.00 KB

Просмотреть и скачать

Pic.1
Преобразование переменных в парной регрессии Лекция
Преобразование переменных в парной регрессии Лекция
Pic.2
Цели лекции Понять смысл нелинейной регрессии Научиться выполнять преобразования переменных Экономич
Цели лекции Понять смысл нелинейной регрессии Научиться выполнять преобразования переменных Экономическая интерпретация регрессионной модели
Pic.3
Пример нелинейной зависимости
Пример нелинейной зависимости
Pic.4
Направления анализа и развития парной линейной регрессии Ключевые точки (начало координат) Кривая ил
Направления анализа и развития парной линейной регрессии Ключевые точки (начало координат) Кривая или прямая Форма криволинейной зависимости Вспомогательные экономические показатели (скорость и темп роста, эластичность) Уточнение формы (экстремумы, пределы) Сравнение функциональных форм
Pic.5
Этапы построения модели 1. Выбор теоретических предпосылок 2. Формализация предпосылок 3. Построение
Этапы построения модели 1. Выбор теоретических предпосылок 2. Формализация предпосылок 3. Построение математической модели 4. Анализ построенной модели
Pic.6
Производственная функция Кобба-Дугласа Многие экономические процессы не являются линейными по сути.
Производственная функция Кобба-Дугласа Многие экономические процессы не являются линейными по сути. Их моделирование линейными уравнениями не даст положительного результата.
Pic.7
Анализ экономического роста Анализ теоретических предпосылок: прирост пропорционален накопленному по
Анализ экономического роста Анализ теоретических предпосылок: прирост пропорционален накопленному потенциалу Формализация предпосылок:
Pic.8
Классы нелинейных регрессий
Классы нелинейных регрессий
Pic.9
Альтернативные функциональные формы: правила выбора Правила выбора формы зависимости: 1. Исходить из
Альтернативные функциональные формы: правила выбора Правила выбора формы зависимости: 1. Исходить из экономической теории. 2. Оценивать формальное качество модели. 3. Дополнительно проверять по нескольким содержательным критериям. 4. Ответить на вопросы, возникающие при анализе модели: каковы признаки качественной модели; какие ошибки спецификации встречаются и каковы их последствия; как обнаружить ошибку спецификации; каким образом можно исправить ошибку спецификации и перейти к более качественной модели.
Pic.10
Линейная форма Интерпретация коэффициента регрессии   предельный эффект независимого фактора
Линейная форма Интерпретация коэффициента регрессии   предельный эффект независимого фактора
Pic.11
Линейная форма Для полученных оценок a, b уравнения регрессии:
Линейная форма Для полученных оценок a, b уравнения регрессии:
Pic.12
Линейная форма Коэффициент регрессии b показывает прирост зависимой переменной при изменении объясня
Линейная форма Коэффициент регрессии b показывает прирост зависимой переменной при изменении объясняющей переменной на единицу.
Pic.13
Линейная форма от времени Интерпретация коэффициента регрессии от времени  ежегодный (ежемесячный и
Линейная форма от времени Интерпретация коэффициента регрессии от времени  ежегодный (ежемесячный и т. д. ) прирост зависимой переменной
Pic.14
Моделирование эластичности Независимо от вида математической связи между Y и X эластичность равна:
Моделирование эластичности Независимо от вида математической связи между Y и X эластичность равна:
Pic.15
Пример расчета эластичности Рассмотрим кривую Энгеля: где Y – спрос на товар, X – доход. Имеем: Элас
Пример расчета эластичности Рассмотрим кривую Энгеля: где Y – спрос на товар, X – доход. Имеем: Эластичность =
Pic.16
Эластичность – переменная величина Например, для линейной модели
Эластичность – переменная величина Например, для линейной модели
Pic.17
Средний коэффициент эластичности Средний коэффициент эластичности показывает, на сколько процентов в
Средний коэффициент эластичности Средний коэффициент эластичности показывает, на сколько процентов в среднем по совокупности изменится результат Y от своей средней величины при изменении фактора X на 1% от своего среднего значения
Pic.18
Логарифмическая форма Прологарифмировав обе части уравнения, получим
Логарифмическая форма Прологарифмировав обе части уравнения, получим
Pic.19
Логарифмическая форма Интерпретация коэффициента регрессии  – эластичность зависимой переменной по
Логарифмическая форма Интерпретация коэффициента регрессии  – эластичность зависимой переменной по объясняющей переменной Коэффициент при объясняющей переменной показывает, на сколько процентов возрастает Y при возрастании X на 1%.
Pic.20
Логарифмическая форма Вычисление наклона (скорости роста)
Логарифмическая форма Вычисление наклона (скорости роста)
Pic.21
Графики логарифмической формы зависимости
Графики логарифмической формы зависимости
Pic.22
Полулогарифмические формы 1. Линейно-логарифмическая форма (логарифм при объясняющей переменной) 2.
Полулогарифмические формы 1. Линейно-логарифмическая форма (логарифм при объясняющей переменной) 2. Логарифмически-линейная форма (логарифм при зависимой переменной)
Pic.23
Линейно-логарифмическая форма Интерпретация коэффициента регрессии : Коэффициент при объясняющей пе
Линейно-логарифмическая форма Интерпретация коэффициента регрессии : Коэффициент при объясняющей переменной показывает на сколько единиц возрастает Y при возрастании X на 1%
Pic.24
Линейно-логарифмическая форма Эластичность убывает с ростом Y:
Линейно-логарифмическая форма Эластичность убывает с ростом Y:
Pic.25
Графики линейно-логарифмической формы зависимости
Графики линейно-логарифмической формы зависимости
Pic.26
Логарифмически-линейная форма Интерпретация коэффициента регрессии : Коэффициент при объясняющей пе
Логарифмически-линейная форма Интерпретация коэффициента регрессии : Коэффициент при объясняющей переменной показывает на сколько процентов возрастает Y при возрастании X на одну единицу
Pic.27
Логарифмически-линейная форма Эластичность растет с ростом Y:
Логарифмически-линейная форма Эластичность растет с ростом Y:
Pic.28
Графики логарифмически-линейной формы зависимости
Графики логарифмически-линейной формы зависимости
Pic.29
Логарифмически-линейная форма от времени Вид уравнения: Интерпретация: Коэффициент при переменной вр
Логарифмически-линейная форма от времени Вид уравнения: Интерпретация: Коэффициент при переменной времени выражает темп прироста. Он показывает на сколько процентов (если умножить его на 100) возрастает Y ежегодно
Pic.30
Обратные зависимости Вычисление эластичности
Обратные зависимости Вычисление эластичности
Pic.31
Сводка результатов для альтернативных функциональных форм в парной регрессии
Сводка результатов для альтернативных функциональных форм в парной регрессии
Pic.32
Сводка линеаризующих преобразований для основных зависимостей в экономике
Сводка линеаризующих преобразований для основных зависимостей в экономике
Pic.33
Сводка линеаризующих преобразований для основных зависимостей в экономике
Сводка линеаризующих преобразований для основных зависимостей в экономике
Pic.34
Сводка линеаризующих преобразований для основных зависимостей в экономике
Сводка линеаризующих преобразований для основных зависимостей в экономике
Pic.35
Сводка линеаризующих преобразований для основных зависимостей в экономике
Сводка линеаризующих преобразований для основных зависимостей в экономике
Pic.36
Сводка линеаризующих преобразований для основных зависимостей в экономике
Сводка линеаризующих преобразований для основных зависимостей в экономике
Pic.37
Сводка линеаризующих преобразований для основных зависимостей в экономике
Сводка линеаризующих преобразований для основных зависимостей в экономике
Pic.38
Сводка линеаризующих преобразований для основных зависимостей в экономике
Сводка линеаризующих преобразований для основных зависимостей в экономике
Pic.39
Сводка линеаризующих преобразований для основных зависимостей в экономике
Сводка линеаризующих преобразований для основных зависимостей в экономике
Pic.40
Сводка линеаризующих преобразований для основных зависимостей в экономике
Сводка линеаризующих преобразований для основных зависимостей в экономике
Pic.41
Сводка линеаризующих преобразований для основных зависимостей в экономике
Сводка линеаризующих преобразований для основных зависимостей в экономике
Pic.42
Сводка линеаризующих преобразований для основных зависимостей в экономике
Сводка линеаризующих преобразований для основных зависимостей в экономике
Pic.43
Преобразование случайного отклонения Пример. Логарифмирование нелинейной модели с аддитивным случайн
Преобразование случайного отклонения Пример. Логарифмирование нелинейной модели с аддитивным случайным членом не приводит к линеаризации соотношения относительно параметров.
Pic.44
Признаки качественной модели 1. Простота модели (из примерно одинаково отражающих реальность моделей
Признаки качественной модели 1. Простота модели (из примерно одинаково отражающих реальность моделей, выбирается та, которая содержит меньше объясняющих переменных. 2. Единственность (для любых данных коэффициенты модели должны вычисляться однозначно). 3. Максимальное соответствие (модель тем лучше, чем больше скорректированный коэффициент детерминации). 4. Согласованность с теорией (уравнение регрессии должно соответствовать теоретическим предпосылкам). 5. Прогнозные качества (прогнозы, полученные на основе модели, должны подтверждаться реальностью).
Pic.45
Сравнение различных моделей 1. Содержательный анализ 2. Формальный анализ: Метод Зарембки Преобразов
Сравнение различных моделей 1. Содержательный анализ 2. Формальный анализ: Метод Зарембки Преобразование Бокса-Кокса
Pic.46
Метод Зарембки Применим для выбора из двух форм (несравнимых непосредственно), в одной из которых за
Метод Зарембки Применим для выбора из двух форм (несравнимых непосредственно), в одной из которых зависимая переменная входит с логарифмом, а в другой – нет
Pic.47
Сравнение различных моделей парной регрессии методом Зарембки 1. Вычисляем среднее геометрическое зн
Сравнение различных моделей парной регрессии методом Зарембки 1. Вычисляем среднее геометрическое значений зависимой переменной и все ее значения делим на это среднее: 2. Рассчитываются линейная и логарифмическая регрессии, и сравниваются значения их сумм квадратов остатков (RSS)
Pic.48
Сравнение различных моделей парной регрессии методом Зарембки 3. Вычисляем 2-статистику для оценки
Сравнение различных моделей парной регрессии методом Зарембки 3. Вычисляем 2-статистику для оценки значимости различий 4. Сравниваем с критическим значением 2-распределения . Различия значимы на уровне значимости , если
Pic.49
Метод Бокса-Кокса Идея метода. Переменная : при =1 превращается в линейную функцию при 0 переходи
Метод Бокса-Кокса Идея метода. Переменная : при =1 превращается в линейную функцию при 0 переходит в логарифм
Pic.50
Сравнение различных моделей парной регрессии методом Бокса-Кокса 1. Преобразуют зависимую переменную
Сравнение различных моделей парной регрессии методом Бокса-Кокса 1. Преобразуют зависимую переменную по методу Зарембки: 2. Рассчитывают новые переменные (преобразование Бокса-Кокса) при значениях  от 1 до 0:
Pic.51
Сравнение различных моделей парной регрессии методом Бокса-Кокса 3. Рассчитывают уравнения регрессии
Сравнение различных моделей парной регрессии методом Бокса-Кокса 3. Рассчитывают уравнения регрессии для новых переменных при значениях  от 1 до 0: 4. Определяют минимальное значение суммы квадратов остатков (SSR). 5. Выбирают одну из крайних регрессий, к которой ближе точка минимума.
Pic.52
Преобразование переменных в парной регрессии, слайд 52


Скачать презентацию

Если вам понравился сайт и размещенные на нем материалы, пожалуйста, не забывайте поделиться этой страничкой в социальных сетях и с друзьями! Спасибо!