Шпоры по эконометрике. № 1. СПЕЦИФИКАЦИЯ МОДЕЛИ Простая регрессия представляет собой регрессию между двумя переменными -у и х, т.е. модель вида , где у - результативный признак; х - признак-фактор. Множественная регрессия представляет собой регрессию результативного признака с двумя и большим числом факторов, т. е. модель вида Спецификация модели - формулировка вида модели, исходя из соответствующей теории связи между переменными. В уравнении регрессии корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией. где yj - фактическое значение результативного признака; yxj -теоретическое значение результативного признака. - случайная величина, характеризующая отклонения реального значения результативного признака от теоретического. Случайная величина ? называется также возмущением. Она включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения. От правильно выбранной спецификации модели зависит величина случайных ошибок: они тем меньше, чем в большей мере теоретические значения результативного признака подходят к фактическим данным у. К ошибкам спецификации относятся неправильный выбор той или иной математической функции для, и недоучет в уравнении регрессии какого-либо существенного фактора, т. е. использование парной регрессии вместо множественной. Ошибки выборки - исследователь чаще всего имеет дело с выборочными данными при установлении закономерной связи между признаками. Ошибки измерения практически сводят на нет все усилия по количественной оценке связи между признаками. Основное внимание в эконометрических исследованиях уделяется ошибкам спецификации модели. В парной регрессии выбор вида математической функции может быть осуществлен тремя методами: графическим, аналитическим и экспериментальным. Графический метод основан на поле корреляции. Аналитический метод основан на изучении материальной природы связи исследуемых признаков. Экспериментальный метод осуществляется путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях. Если фактические значения результативного признака совпадают с теоретическими у =, то Docm =0. Если имеют место отклонения фактических данных от теоретических (у - ) то . Чем меньше величина остаточной дисперсии, тем лучше уравнение регрессии подходит к исходным данным. Число наблюдений должно в 6 - 7 раз превышать число рассчитываемых параметров при переменной х. № 2 ЛИНЕЙНАЯ РЕГРЕССИЯ И КОРРЕЛЯЦИЯ: СМЫСЛ И ОЦЕНКА ПАРАМЕТРОВ. Линейная регрессия сводится к нахождению уравнения вида или . Уравнение вида позволяет по заданным значениям фактора x иметь теоретические значения результативного признака, подставляя в него фактические значения фактора х. Построение линейной регрессии сводится к оценке ее параметров а и в. Оценки параметров линейной регрессии могут быть найдены разными методами. 1. 2. Параметр b называется коэффициентом регрессии. Его величина показывает среднее изменение результата с изменением фактора на одну единицу. Формально а - значение у при х = 0. Если признак-фактор не имеет и не может иметь нулевого значения, то вышеуказанная трактовка свободного члена, а не имеет смысла. Параметр, а может не иметь экономического содержания. ............