- 1
- 2
- 3
- . . .
- последняя »
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
- 1
- 2
- 3
- . . .
- последняя »
Похожие работы
Тема: Построение и анализ модели множественной регрессии |
Предмет/Тип: Менеджмент (Курсовая работа (т)) |
Тема: Построение модели множественной регрессии |
Предмет/Тип: Менеджмент (Контрольная работа) |
Тема: Модели множественной линейной регрессии |
Предмет/Тип: Математика (Курсовая работа (т)) |
Тема: Построение модели множественной линейной регрессии |
Предмет/Тип: Менеджмент (Курсовая работа (т)) |
Тема: Построение классической линейной модели множественной регрессии |
Предмет/Тип: Менеджмент (Практическое задание) |
Интересная статья: Основы написания курсовой работы