Читать реферат по всему другому: "«Анализ модели множественной линейной регрессии»" Страница 1

(Назад) (Cкачать работу)

Министерство образования и науки Украины

Донецкий Национальный университет

Кафедра теории вероятности

и математической статистики

специальность

«математическая экономика»

Курсовая работа на тему

«Анализ модели множественной линейной регрессии»

Донецк 2006План

Введение………………………………………………………………….2

1. Описание модели и предварительный анализ……………………….5

2. Гетероскедастичность

2.1 Гетероскедастичность и ее последствия……………………..6

2.2 Обнаружение гетероскедастичности…………………………7

3. Автокорреляция

3.1 Автокорреляция и ее последствия…………………………...12

3.2 Обнаружение автокорреляции первого порядка:

критерий Дарбина-Уотсона……………………………………………..13

4. Мультиколлинеарность

4.1. Мультиколлинеарность и ее последствия…………………..16

4.2 Обнаружение мультиколлинеарности……………………….17

5. Спецификация модели………………………………………………...18

6. Анализ особенностей модели…………………………………………23

7. Список использованной литературы…………………………………24

8. Приложение 1. Исходные данные…………………………………….25

9. Приложение 2. Стандартизированные данные………………………26

10. Приложение 3. Пример применения метода

Голдфельда-Квандта……………………………………………………..27

Введение

Множественная линейная регрессия является обобщением парной линейной регрессии на случай, когда зависимая переменная гипотетически связана более чем с одной независимой переменной. Вследствие этого многие элементы анализа множественной линейной регрессии совпадают с элементами анализа парной регрессии (как то оценка дисперсии коэффициентов регрессии, проверка гипотезы об их значимости, вычисление коэффициента детерминации и т.д.) Для множественной линейной регрессии, построенной методом наименьших квадратов, также имеет место теорема Гаусса-Маркова:

Предположим, что , где Х – детерминированная матрица , имеющая максимальный ранг и

1.

2. ;

3. ;

4. ,

тогда оценка метода наименьших квадратовявляется несмещенной, эффективной и состоятельной.

Метод наименьших квадратов применяется в предположении, что кроме условий 1-4 теоремы Гаусса-Маркова выполняются также следующие требования:

5. Модель является линейной относительно параметров;

6.Между объясняющими переменными нет строгой или сильной зависимости;

7. Ошибкаимеет гауссовское распределение с параметрами 0 и .

Нарушение хотя бы одного из предположений МНК приводит к ухудшению качества модели. В этом случае оценкунельзя считать несмещенной, эффективной и состоятельной. Нарушение второго условия приводит к гетероскедастичности, третьего – к автокорреляции, шестого – к мультиколлинеарности. Обнаружение этих явлений является необходимым элементом анализа множественной линейной регрессии. В данной работе приведено теоретическое описание методов обнаружения автокорреляции, гетероскедастичности и мультиколлинеарности, а также применение этих методов на конкретном примере.

Не менее важной задачей эконометриста есть правильная спецификация модели (ибо добавление

Похожие работы