Разделы презентаций


ЭКОНОМЕТРИКА ЛИТЕРАТУРА К КУРСУ: презентация, доклад

Содержание

ЧТО ТАКОЕ ЭКОНОМЕТРИКАЭкономическая теорияТеория Вероятностей и математическая статистикаЭкономическая статистикаМикроэкономикаМакроэкономикаЭконометрика

Слайды и текст этой презентации

Слайд 1ЭКОНОМЕТРИКА ЛИТЕРАТУРА К КУРСУ:
Основная
К.Доугерти
«Введение в эконометрику» , М.: Инфра-М
(пер. под

ред. Замкова)
(желательно последнее издание 2007г!!!)

ЭКОНОМЕТРИКА ЛИТЕРАТУРА К КУРСУ:ОсновнаяК.Доугерти «Введение в эконометрику» , М.: Инфра-М(пер. под ред. Замкова) (желательно последнее издание 2007г!!!)

Слайд 2ЧТО ТАКОЕ ЭКОНОМЕТРИКА
Экономическая теория
Теория Вероятностей и
математическая статистика
Экономическая статистика
Микроэкономика
Макроэкономика
Эконометрика

ЧТО ТАКОЕ  ЭКОНОМЕТРИКАЭкономическая теорияТеория Вероятностей и математическая статистикаЭкономическая статистикаМикроэкономикаМакроэкономикаЭконометрика

Слайд 3 Эконометрика
Формулирует экономические модели, основываясь на экономической теории (микро и

макроэкономике)
Оценивает неизвестные параметры модели на базе реальных статистических данных
Использует построенные

модели для объяснения поведения исследуемых экономических показателей, прогнозирования, а также для осмысленного проведения экономической политики.
Эконометрика Формулирует экономические модели, основываясь на экономической теории (микро и макроэкономике)Оценивает неизвестные параметры модели на базе реальных

Слайд 4МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ
y – зависимая (объясняемая) переменная
х – независимая

(объясняющая) переменная



МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИy – зависимая (объясняемая) переменнаях – независимая (объясняющая) переменная

Слайд 5МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ
y – зависимая (объясняемая) переменная
х – независимая

(объясняющая) переменная



1. Вычисляем средние значения
СРЗНАЧ(диапазон

данных)
МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИy – зависимая (объясняемая) переменнаях – независимая (объясняющая) переменная    1. Вычисляем

Слайд 6МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ
y – зависимая (объясняемая) переменная
х – независимая

(объясняющая) переменная



2. Вычисляем дисперсии
ДИСПР(диапазон данных)

МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИy – зависимая (объясняемая) переменнаях – независимая (объясняющая) переменная    2. Вычисляем

Слайд 7МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ
y – зависимая (объясняемая) переменная
х – независимая

(объясняющая) переменная



3. Вычисляем ковариацию
КОВАР(диапазон данных х,

диапазон данных y)
МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИy – зависимая (объясняемая) переменнаях – независимая (объясняющая) переменная    3. Вычисляем

Слайд 8МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ
y – зависимая (объясняемая) переменная
х – независимая

(объясняющая) переменная



4. Вычисляем корреляцию
КОРРЕЛ(диапазон данных х,

диапазон данных y)
МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИy – зависимая (объясняемая) переменнаях – независимая (объясняющая) переменная    4. Вычисляем

Слайд 9МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ
y – зависимая (объясняемая) переменная
х – независимая

(объясняющая) переменная



4. Анализируем коэффициент корреляции
Коэффициент корреляции

принимает значения от -1 до 1.

Значения близкие к 1 – есть тесная прямая связь между х и у

Значения близкие к -1 – есть тесная обратная связь между х и у

Значения близкие к 0 – связь между х и у отсутствует


МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИy – зависимая (объясняемая) переменнаях – независимая (объясняющая) переменная    4. Анализируем

Слайд 10ПАРНАЯ РЕГРЕССИЯ
Коэффициент корреляции близок к 1

ПАРНАЯ РЕГРЕССИЯКоэффициент корреляции близок к 1

Слайд 11Коэффициент корреляции близок к -1

Коэффициент корреляции близок к -1

Слайд 12Коэффициент корреляции близок к 0

Коэффициент корреляции близок к 0

Слайд 13МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ
y – зависимая (объясняемая) переменная
х – независимая

(объясняющая) переменная



6. Если коэффициент корреляции не

близок к 0 строим модель парной
линейной регрессии
МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИy – зависимая (объясняемая) переменнаях – независимая (объясняющая) переменная    6. Если

Слайд 14МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ
Предположим, что необходимо получить функцию
спроса на

некоторый товар в зависимости от дохода.

Проводится опрос домохозяйств.
1. Среднедушевой доход

домохозяйства?
2. Сколько единиц товара приобрело домохозяйство за месяц?
МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИПредположим, что необходимо получить функцию спроса на некоторый товар в зависимости от дохода.Проводится опрос

Слайд 15МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ

МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ

Слайд 16МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИ
Нанесем точки на график

МОДЕЛЬ ПАРНОЙ ЛИНЕЙНОЙ РЕГРЕССИИНанесем точки на график

Слайд 17Метод наименьших квадратов
Нанесем точки на график
Точки разбросаны вокруг некоторой прямой!
Как

ее найти?

Метод наименьших квадратовНанесем точки на графикТочки разбросаны вокруг некоторой прямой!Как ее найти?

Слайд 18Метод наименьших квадратов
Нанесем точки на график
Расстояние от каждой точки до

прямой должно
быть как можно меньше!

Метод наименьших квадратовНанесем точки на графикРасстояние от каждой точки до прямой должно быть как можно меньше!

Слайд 19Метод наименьших квадратов
Нанесем точки на график
Плохая прямая!

Метод наименьших квадратовНанесем точки на графикПлохая прямая!

Слайд 20Метод наименьших квадратов
Нанесем точки на график
Хорошая прямая! Но может быть

есть еще лучше?

Метод наименьших квадратовНанесем точки на графикХорошая прямая! Но может быть есть еще лучше?

Слайд 21Метод наименьших квадратов
Нанесем точки на график
Уравнение прямой в общем виде

y=ax+b. Надо
найти наиболее подходящие a и b.

Метод наименьших квадратовНанесем точки на графикУравнение прямой в общем виде y=ax+b. Надо найти наиболее подходящие a и

Слайд 22Обозначим

доход 1-го домохозяйства
спрос 1-го домохозяйства на продукт
x
y
y=ax+b

Обозначим доход 1-го домохозяйстваспрос 1-го домохозяйства на продуктxyy=ax+b

Слайд 23Обозначим

доход 1-го домохозяйства
спрос 1-го домохозяйства на продукт
x
y
y=ax+b
Отклонение точки
от

прямой. Должно быть
как можно меньше!

Обозначим доход 1-го домохозяйстваспрос 1-го домохозяйства на продуктxyy=ax+bОтклонение точки от прямой. Должно бытькак можно меньше!

Слайд 24Обозначим

доход 1-го домохозяйства
спрос 1-го домохозяйства на продукт
x
y
y=ax+b
Отклонение точки
от

прямой. Должно быть
как можно меньше!

Обозначим доход 1-го домохозяйстваспрос 1-го домохозяйства на продуктxyy=ax+bОтклонение точки от прямой. Должно бытькак можно меньше!

Слайд 25А если точка лежит ниже прямой?
Тогда отклонение

x
y
y=ax+b
Отклонение точки
от

прямой. Должно быть
как можно меньше!

А если точка лежит ниже прямой?Тогда отклонение xyy=ax+bОтклонение точки от прямой. Должно бытькак можно меньше!

Слайд 26Как учесть сразу оба случая?
Квадрат отклонения



должен быть как можно меньше.

x

y

y=ax+b

Отклонение точки
от прямой. Должно быть
как можно меньше!

Как учесть сразу оба случая?Квадрат отклонения

Слайд 27Квадрат отклонения до второй точки тоже должен быть как можно

меньше.

Квадрат отклонения до второй точки тоже должен быть как можно меньше.

Слайд 28Квадрат отклонения до второй точки тоже должен быть как можно

меньше.
И для третьей точки

Квадрат отклонения до второй точки тоже должен быть как можно меньше.И для третьей точки

Слайд 29Предположим, что у нас n точек.
Тогда и для последней точки

Предположим, что у нас n точек.Тогда и для последней точки

Слайд 30Как учесть все точки сразу?




Сумма квадратов расстояний от точек до

прямой должна быть как можно меньше.

Как учесть все точки сразу?Сумма квадратов расстояний от точек до прямой должна быть как можно меньше.

Слайд 31Как учесть все точки сразу?




Сумма квадратов расстояний от точек до

прямой должна быть как можно меньше.
обозначение

Как учесть все точки сразу?Сумма квадратов расстояний от точек до прямой должна быть как можно меньше.обозначение

Слайд 32Как учесть все точки сразу?




Получили функцию двух переменных, для которой

надо найти минимум,
т.е. надо исследовать на экстремум.

Как учесть все точки сразу?Получили функцию двух переменных, для которой надо найти минимум,т.е. надо исследовать на экстремум.

Слайд 33это просто числа, нам известные
и

это просто числа, нам известныеи

Слайд 34Вернемся к примеру
Надо найти

Вернемся к примеруНадо найти

Слайд 35Вернемся к примеру

Вернемся к примеру

Слайд 36a=0,17, b=9,33

y=0,17x+9,33 - уравнение прямой, которая
проходит ближе всего

к точкам.

a=0,17,  b=9,33y=0,17x+9,33 - уравнение прямой, которая проходит ближе всего к точкам.

Слайд 37y=0,17x+9,33 - функция спроса в зависимости
от дохода.
Интерпретация коэффициента а:

при увеличении х на 1 ед. y увеличится на
а

единиц.
y=0,17x+9,33 - функция спроса в зависимости от дохода.Интерпретация коэффициента а: при увеличении х на 1 ед. y

Слайд 38y=0,17x+9,33 - функция спроса в зависимости
от дохода.

y=0,17x+9,33 - функция спроса в зависимости от дохода.

Слайд 39y=0,17x+9,33 - функция спроса в зависимости
от дохода.
С ростом дохода

на 1 ден.ед. спрос на товар
растет на 0,17 ед.

y=0,17x+9,33 - функция спроса в зависимости от дохода.С ростом дохода на 1 ден.ед. спрос на товар растет

Слайд 40Как оценить качество построенной модели?
Построим прогноз по модели по формуле

Как оценить качество построенной модели?Построим прогноз по модели по формуле

Слайд 41Как оценить качество построенной модели?
Вычисляем остатки

Как оценить качество построенной модели?Вычисляем остатки

Слайд 42Как оценить качество построенной модели?
Находим относительную ошибку аппроксимации
Процентный формат

Как оценить качество построенной модели?Находим относительную ошибку аппроксимацииПроцентный формат

Слайд 43Как оценить качество построенной модели?
Находим среднюю относительную ошибку аппроксимации
среднее по

столбцу
В среднем прогноз отличается от наблюдаемого значения на 4,83%

Как оценить качество построенной модели?Находим среднюю относительную ошибку аппроксимациисреднее по столбцуВ среднем прогноз отличается от наблюдаемого значения

Слайд 44Как оценить качество построенной модели?
Еще один показатель качества – коэффициент

детерминации
Для его вычисления вычисляем сумму квадратов остатков ESS
(Error Sum of

Squares)

Сумма по столбцу

Как оценить качество построенной модели?Еще один показатель качества – коэффициент детерминацииДля его вычисления вычисляем сумму квадратов остатков

Слайд 45Как оценить качество построенной модели?
коэффициент детерминации

Как оценить качество построенной модели?коэффициент детерминации

Слайд 46Как оценить качество построенной модели?
коэффициент детерминации
показывает долю вариации зависимой переменной,

объясненную
регрессией. Изменяется от 0 до 1
Чем ближе этот показатель

к 1, тем лучше качество регрессии
Как оценить качество построенной модели?коэффициент детерминациипоказывает долю вариации зависимой переменной, объясненную регрессией. Изменяется от 0 до 1Чем

Слайд 47Как оценить качество построенной модели?
94,9% вариации спроса на продукт объясняется

доходом и остальные 5,1%
прочими факторами, не включенными в модель

Как оценить качество построенной модели?94,9% вариации спроса на продукт объясняется доходом и остальные 5,1%прочими факторами, не включенными

Слайд 48Как оценить качество построенной модели?

Как оценить качество построенной модели?

Слайд 49Проверка значимости коэффициентов модели регрессии
Построено уравнение
Даже если в реальности

y не зависит от х, уравнение можно построить.
Но пользоваться им

для прогноза нельзя.
В связи с этим проверяют значимость коэффициента a, т.е. насколько
существенно а отличается от 0. Если коэффициент незначим, то переменная
y не зависит от переменной х и моделью нельзя пользоваться
Проверка значимости коэффициентов модели регрессииПостроено уравнение Даже если в реальности y не зависит от х, уравнение можно

Слайд 50Проверка значимости коэффициентов модели регрессии
Для проверки значимости коэффициента a рассчитывается

величина
Построено уравнение
Даже если в реальности y не зависит

от х, уравнение можно построить.
Но пользоваться им для прогноза нельзя.
В связи с этим проверяют значимость коэффициента a, т.е. насколько
существенно а отличается от 0. Если коэффициент незначим, то переменная
y не зависит от переменной х и моделью нельзя пользоваться

где, - стандартная ошибка коэффициента а.
Рассчитывается по специальным формулам

Проверка значимости коэффициентов модели регрессииДля проверки значимости коэффициента a рассчитывается величина Построено уравнение Даже если в реальности

Слайд 51Проверка значимости коэффициентов модели регрессии

Проверка значимости коэффициентов модели регрессии

Слайд 52Проверка значимости коэффициентов модели регрессии
Р-значение - это вероятность того, что

переменная х не значима. При Р-значении меньще 0,05 обычно считают,

что соответствующая переменная значима, т.е. y зависит от х

В этом примере переменная х значима, т.е. влияет на переменную y

На основе t-статистики рассчитывают Р-значение

Проверка значимости коэффициентов модели регрессииР-значение - это вероятность того, что переменная х не значима. При Р-значении меньще

Слайд 53y=0,17x+9,33 - функция спроса в зависимости
от дохода.
Выполнить прогноз потребления

продукта
домохозяйством с доходом 200 д.е.
2) Найти среднюю эластичность спроса

по
доходу
y=0,17x+9,33 - функция спроса в зависимости от дохода.Выполнить прогноз потребления продукта домохозяйством с доходом 200 д.е.2) Найти

Слайд 54y=0,17x+9,33 - функция спроса в зависимости
от дохода.
Выполнить прогноз потребления

продукта
домохозяйством с доходом 200 д.е.
2) Найти среднюю эластичность спроса

по
доходу
y=0,17x+9,33 - функция спроса в зависимости от дохода.Выполнить прогноз потребления продукта домохозяйством с доходом 200 д.е.2) Найти

Слайд 55Модели парной нелинейной регрессии

Модели парной нелинейной регрессии

Слайд 57Зависимость нелинейная!

Зависимость нелинейная!

Слайд 58Попытка провести прямую

Попытка провести прямую

Слайд 591) Логарифмическая модель
Для оценки такой зависимости создаем столбец с ln(x)

1) Логарифмическая модельДля оценки такой зависимости создаем столбец с ln(x)

Слайд 601) Логарифмическая модель
Используя сервис Анализ данных построим модель линейной регрессии,


используя в качестве зависимой переменной y, а в качестве независимой

ln(x).

Y=4.017ln(x)+3.197

1) Логарифмическая модельИспользуя сервис Анализ данных построим модель линейной регрессии, используя в качестве зависимой переменной y, а

Слайд 611) Логарифмическая модель

1) Логарифмическая модель

Слайд 621) Логарифмическая модель
Интерпретация коэффициента а: при увеличении х на 1%

y увеличится на
а/100 единиц.
Y=4.017ln(x)+3.197
При увеличении дохода на 1%

спрос на товар увеличится на
0,0417 единиц.
1) Логарифмическая модельИнтерпретация коэффициента а: при увеличении х на 1% y увеличится на а/100 единиц. Y=4.017ln(x)+3.197При увеличении

Слайд 631) Логарифмическая модель
Также как в линейной модели рассчитывается средняя относительная

ошибка
аппроксимации
Y=4.017ln(x)+3.197

1) Логарифмическая модельТакже как в линейной модели рассчитывается средняя относительная ошибка аппроксимацииY=4.017ln(x)+3.197

Слайд 64Степенная модель
Интерпретация коэффициента a – эластичность зависимой переменной по объясняющей

переменной
a показывает, на сколько процентов возрастает y при возрастании

x на 1%.
Степенная модельИнтерпретация коэффициента a – эластичность зависимой переменной по объясняющей переменной a показывает, на сколько процентов возрастает

Слайд 65Степенная модель
Сводится к линейной модели логарифмированием

Степенная модельСводится к линейной модели логарифмированием

Слайд 66Степенная модель
Создаем столбцы с логарифмами

Степенная модельСоздаем столбцы с логарифмами

Слайд 67Используя сервис Анализ данных построим модель линейной регрессии,
используя в

качестве зависимой переменной ln(y), а в качестве независимой ln(x).
ln(Y)=0.701ln(x)+1.063

Используя сервис Анализ данных построим модель линейной регрессии, используя в качестве зависимой переменной ln(y), а в качестве

Слайд 68Используя сервис Анализ данных построим модель линейной регрессии,
используя в

качестве зависимой переменной ln(y), а в качестве независимой ln(x).
ln(Y)=0.701ln(x)+1.063

Используя сервис Анализ данных построим модель линейной регрессии, используя в качестве зависимой переменной ln(y), а в качестве

Слайд 69Используя сервис Анализ данных построим модель линейной регрессии,
используя в

качестве зависимой переменной ln(y), а в качестве независимой ln(x).
ln(Y)=0.701ln(x)+1.063

Используя сервис Анализ данных построим модель линейной регрессии, используя в качестве зависимой переменной ln(y), а в качестве

Слайд 71Также как в линейной модели рассчитывается средняя относительная ошибка
аппроксимации

Также как в линейной модели рассчитывается средняя относительная ошибка аппроксимации

Обратная связь

Если не удалось найти и скачать доклад-презентацию, Вы можете заказать его на нашем сайте. Мы постараемся найти нужный Вам материал и отправим по электронной почте. Не стесняйтесь обращаться к нам, если у вас возникли вопросы или пожелания:

Email: Нажмите что бы посмотреть 

Что такое TheSlide.ru?

Это сайт презентации, докладов, проектов в PowerPoint. Здесь удобно  хранить и делиться своими презентациями с другими пользователями.


Для правообладателей

Яндекс.Метрика