ГлавнаяЭкономическиеЭконометрикаОбобщенный МНК. Имеются данные по семи предприятиям. Построить линейное уравнение парной регрессии Y от Х. Рассчитать линейный коэффициент парной корреляци
Обобщенный МНК. Имеются данные по семи предприятиям. Построить линейное уравнение парной регрессии Y от Х. Рассчитать линейный коэффициент парной корреляци.
Тема: Обобщенный МНК. Имеются данные по семи предприятиям. Построить линейное уравнение парной регрессии Y от Х. Рассчитать линейный коэффициент парной корреляци
Основная проблема при использовании ОМНК, заключается в том, что фактические значения элементов матрицы неизвестны. Поэтому для применения этого метода используют их оценки, полученные на основе исследования имеющихся в распоряжении данных. В этом случае говорят о доступном ОМНК. Для оценки элементов ковариационной матрицы остатков выдвигают разные предпосылки об их характере и структуре. Рассмотрим различные подходы к оценке ковариационной матрицы остатков. Как правило, гетероскедастичность остатков характерна данным пространственных выборок, а их корреляция – временным рядам. Поэтому в зависимости от характера исходных данных часто предполагают или гетероскедастичность остатков при условии отсутствия автокорреляции, или их автокорреляцию при условии гомоскедастичности.
Обобщенный МНК.
Задача. Имеются данные по семи предприятиям: № предприятия Объем произведенной продукции, тыс. шт., Х Затраты, связанные с производством продукции, млн. руб., Y 1 1 4 2 5 3,6 3 10 3 4 15 2,6 5 20 2 6 25 1,6 7 32 1 Требуется: 1. Построить линейное уравнение парной регрессии Y от Х. 2. Рассчитать линейный коэффициент парной корреляции, коэффициент детерминации и среднюю ошибку аппроксимации. 3. На одном графике построить исходные данные и теоретическую прямую.
етры которого известны, поэтому необходимости в проверке его на идентифицируемость нет.Модель включает 2 эндогенные переменные (Qtd, Qts) и 3 экзогенные переменные (Pt, It , в том числе одну лаговую
рующим признаком Y и каждым из факторов Xj.R(Y,Х) =|-0.98|>|0.9|, эта зависимость сильная и обратная.R(Y,P) = |-0.91|>|0.9|, эта зависимость сильная и обратная.R(X,P) = 0.95>0.9, эта зависимость сильн
тры линейной регрессионной модели. Записать уравне¬ние регрессии.4. Определить предсказанное значение Y, вычислить остатки.5. Построить линию регрессии на диаграмме рассеивания.6. Вынести на диаграмму