линейная регрессия в экономике

(6)Линейныйкоэффициенткорреляциинаходитсявпределах. Чем ближе модуль его значения, тем больше линейнаясвязьмеждуфакторами.Дляоценкикачестваподборалинейнойфункциирассчитывается коэффициентдетерминации, который характеризуетдолюдисперсиирезультативногопризнака в общей дисперсии результативного признака:.(7)После нахождения уравнения линейной регрессии, проводится оценказначимостиего параметров, т.е.установление соответствиямоделиэкспериментальнымданным. Качество модели определяетсясреднейошибкой аппроксимации:(8)Считается, что средняя ошибка аппроксимации адекватной эконометрической модели, построенной на основе линейной регрессивной функции не должна превышать 10%.Оценказначимости уравнения регрессии также может быть произведена на основекритерияФишера и дисперсионном анализе, этот метод в эконометрикеприменяется не так часто и носит характер вспомогательного средства для изучения качества регрессионной модели.ВыводыМодели на основе простой регрессии являются базовым инструментом экономической статистики.Ключевым фактором регрессионной модели является возмущение системы, которое определяется исходя из спецификации модели, характера исходных данных, особенностей измерения.Модели линейной регрессии получили большое распространение в эконометрикев силу своей простоты и эффективности.Оценивание параметров линейной регрессии проводится на основе метода наименьших квадратов.Для оценки качества подбора функции используется коэффициент детерминации, а оценка значимости параметров модели определяется средней ошибкой аппроксимации.ЛитератураМагну Я.Р., Нейдекке X. (2002). Матричноедифференциальноеисчисление с приложениями к статистике и эконометрике. М., Физматлит.Greenberg, E. (2008). IntroductiontoBayesianeconometrics. Cambridge: CambridgeUniversityPress.SimpleLinearRegression. (2014). TheBasicsofFinancialEconometrics, 13-39. doi:10.1002/9781118856406.ch2.Born, B., & Breitung, J. (2011). Simple regression-based testsforspatialdependence. TheEconometricsJournal, 14(2), 330-342. doi:10.1111/j.1368-423x.2010.00338.x.Escanciano, J. C. (2017). A simpleandrobustestimatorforlinearregressionmodelswithstrictlyexogenousinstruments. TheEconometricsJournal. doi:10.1111/ectj.12087.Smith, G. (2015). SimpleRegression. EssentialStatistics, Regression, andEconometrics, 219-259. doi:10.1016/b978-0-12-803459-0.00008-x.MultipleLinearRegressionAndStochasticRegressors. (2015). FinancialValuationandEconometrics, 187-207. doi:10.1142/9789814644020_0010.