- 1
- 2
- 3
- . . .
- последняя »
Введение Из всего многообразия методов моделирования структурно-сложных экономических систем можно выделить два основных «работающих» класса:
• эконометрика;
• имитационное моделирование.
В отличие от систем физических или биологических, которые достаточно хорошо изучены, точность предсказания будущего поведения экономических объектов (рынок, отрасль, регион, предприятие, банк) относительно не высока. Возможно, именно сложность объекта привлекает исследователей: количество научных работ растет почти экспоненциально.
Изучение моделей множественного выбора в настоящее время является очень актуальным вопросом, так как они применяются в социологических, социально-экономических и медицинских выборочных обследованиях. Это даёт возможность проводить более грамотную экономическую политику и как следствие приносит большую прибыль предприятиям.
Методы эконометрики используются для поиска и проверки общих закономерностей, связывающих траекторные переменные системы и переменные внешней среды. А поскольку измерение любых величин, в особенности экономических, связано со случайными ошибками, то применение аппарата математической статистики для анализа вероятностных свойств этих величин неизбежно. Использование эконометрических моделей предполагает представление объекта в виде «черного ящика» и формальное исследование зависимостей между переменными, например, на основе системы одновременных уравнений.
Целью написания работы является изучение моделей регрессии.
Объектом исследования является модель лог-регрессии.
Предмет исследования -‒ использование модели лог-регрессии в эконометрических исследованиях.
Для изучения темы использовалась тематическая литература таких авторов как: Магнус Л.Р, Тихомиров Н.П., Дорохина Е.Ю., а так же труды ведущих отечественных экономистов: В.Н. Афанасьева, И.И. Елисеевой, А.К. Шалабанова. Так же в работе использованы интернет источники.
В работе были использованы ряд статистических методов, таких как: метод массового статистического наблюдения, анализ и синтез данных, а также эконометрические методы: метод наименьших квадратов и конфлюэнтный анализ.
Работа состоит из введения, двух глав (теоретической и практической), выводов (заключения), списка использованных источников. 1. Теоретическая часть .1 Функциональные преобразования переменных в линейной регрессии В линейной регрессии иногда переменные выражены в нелинейном виде или они имеют разные размерности. В этих случаях требуется преобразование данных. Применяют чаще всего два вида преобразований:
· логарифмирование данных;
· переход к безразмерным величинам путем деления на некоторые известные величины, той же размерности, что и исходные данные.
Покажем на примере линеаризации нелинейных моделей регрессии как проводят подобные преобразования.
При нелинейной зависимости признаков, приводимых к линейному виду, параметры множественной регрессии определяются по МНК, который используется не к исходной информации, а к преобразованным данным. Так, рассматривая степенную функцию , преобразовываем ее в линейный вид: , где переменные выражены в логарифмах.
Далее обработка МНК такая же: строится система нормальных уравнений и определяются
- 1
- 2
- 3
- . . .
- последняя »
Похожие работы
Интересная статья: Быстрое написание курсовой работы