Свойства оценок параметров линейной модели

• Номер работы:
  487363
• Раздел:
  Все работы   →   Контрольные работы   →   Эконометрика
• Год добавления:
  29.01.2018 г.
• Объем работы:
  13 стр.
• Содержание:
  Введение 3
  1.Свойства оценок параметров линейной модели 4
  1.1.МНК как методов оценки параметров регрессионных моделей 4
  1.2.Практика оценки параметров линейной модели 7
  Заключение 13
  Библиографический список 14
  
• Выдержка из работы:
  Некоторые тезисы из работы по теме Свойства оценок параметров линейной модели
  Введение
  
  Экономические зависимости, как правило, содержат большое число одновременно и совокупно действующих факторов. В связи с этим часто возникает задача исследования зависимости одной переменной от нескольких объясняющих переменных (факторов). Эта проблема решается при помощи множественного регрессионного анализа.
  Примерами подобных зависимостей являются следующие: расходы фирмы за месяц, объем выпущенной продукции за месяц, стоимость электроэнергии, спрос на товар, цена единицы товара, цены товаров-заменителей.
  Итак, при построении множественной регрессии, в отличие от случая парной регрессии, предполагают, что имеется несколько объясняющих факторов.
  Эконометрическая модель, приводящая к множественной регрессии, представляет собой совокупное действие не включенных в модель факторов, ошибки измерения.
  ..................
  1.Свойства оценок параметров линейной модели
  
  
  1.1.МНК как методов оценки параметров регрессионных моделей
  
  Метод наименьших квадратов (МНК)– один из методов оценки параметров регрессионных моделей.
  Достоинством метода являются – статистические свойства МНК-оценок (при выполнении предпосылок Гаусса-Маркова – несмещенность и эффективность), простота математических выводов и практической реализации .
  МНК позволяет решить задачу «наилучшего» приближения выборочных данных , линейной функцией:
  (1)
  – для парной регрессии.
  Смысл «наилучшего» приближения определяется выбором критерия. В методе наименьших квадратов – это сумма квадратов отклонений (остатков)
  = ,
  и оценки параметров и должны быть подобраны таким образом, чтобы функция была минимальна:
  ...........