Слайд 4
Прогнозное значение определяется
путем подстановки в уравнение регрессии
соответствующего (прогнозного)
значения .
Слайд 5
пример
Выполнить, по уравнению регрессии y=280+5,6x, прогноз заработной платы
y при прогнозном значении среднедушевого прожиточного минимума x, составляющем
127% от среднего уровня (xp=6700).
Слайд 6
средняя стандартная ошибка прогноза :
Слайд 7
доверительный интервал прогноза
Слайд 8
Нелинейная регрессия.
Корреляция для нелинейной регрессии.
Слайд 9
Если между экономическими явлениями существуют нелинейные соотношения, то
они выражаются с помощью соответствующих нелинейных функций
Слайд 10
Различают два класса нелинейных регрессий:
1) регрессии, нелинейные
относительно включенных в анализ объясняющих переменных, но линейные по
оцениваемым параметрам;
2) регрессии, нелинейные по оцениваемым параметрам.
Слайд 11
Примером нелинейных регрессий по переменным могут служить следующие
функции:
- полиномы разных степеней
- равносторонняя гипербола - .
Слайд 12
К нелинейным регрессиям по оцениваемым параметрам относятся функции:
-
степенная
- показательная
- экспоненциальная
Слайд 13
Нелинейная регрессия определяется, как в линейной регрессии, методом
наименьших квадратов (МНК).
Слайд 14
в параболе второй степени ,
заменяя переменные ,
получим двухфакторное уравнение линейной регрессии:
Слайд 15
для полинома k-го порядка
получим линейную модель множественной
регрессии с k объясняющими переменными:
Слайд 16
В уравнении равносторонней гиперболы –
делаем замену z=1/x,
получаем
линейное уравнение
y=a+bz
Слайд 17
Для степенной модели
линеаризация производится
путём логарифмирования обеих частей уравнения
с помощью замены
получаем линейное уравнение
Слайд 18
Для показательной модели
линеаризация производится
также с помощью логарифмирования обеих частей уравнения
с помощью
замены
получаем линейное уравнение
Слайд 19
Корреляция для нелинейной регрессии.
Величина данного показателя находится
в границах:
чем ближе к единице, тем теснее связь рассматриваемых признаков.