Регрессионная модель в Gretl
Определение
Экономико-статистическая модель, основанная на уравнении регрессии, или системе регрессионных уравнений, связывающих величины экзогенных (входных, "объясняющих") и эндогенных (выходных) переменных.
Классификация
Линейная
Однофакторная (парная):
yi = b0 + b1*xi + ui
Многофакторная (множественная):
yi = b0 + b1*x1 + b2*x2 + ... + bn*xn
Нелинейная
Регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам.
Регрессии, нелинейные по оцениваемым параметрам.
Оценка параметров
1МНК
Метод 1МНК позволяет получить линию регрессии, расположенную ближе всего одновременно ко всем точкам исходных данных за счёт того, что минимизируется сумма квадратов остатков ui для каждого наблюдения (остаток ui – это разница между фактическим и модельным значением у). Полученная в результате модель лучше всего описывает исходные данные. Этот метод применяется только при выполнении предпосылок 1МНК.
ОМНК
Применяется к преобразованным данным и позволяет получать оценки, которые обладают не только свойством несмещенности, но и имеют меньшие выборочные дисперсии.
ВМНК
ПО для регрессионного анализа
R
R-представляет собой язык программирования для статистической обработки данных и работы с графикой, но в тоже время это свободная программная среда с открытым исходным кодом (Open Source), развиваемая в рамках проекта GNU и позволяющая реализовать продвинутые вычислительные процедуры, в том числе эконометрического моделирования.
Gretl
Пакет программ GRETL (GNU Regression Econometrics and Time Series Library) представляет собой инструментарий для практической реализации сложных вычислительных процедур эконометрического моделирования. При решении задач регрессионного анализа мы используем именно это ПО.
Проверка качества модели
F-критерий Фишера
Сущность F-критерия – это отношение дисперсии исходных данных, которую описывает построенная модель к дисперсии, которую модель не описывает ( дисперсии остатков ui).
По F-критерию Фишера определяем, существует ли полученная модель в целом для генеральной совокупности, т.е. её адекватность данным генеральной совокупности
Проверка предпосылок 1МНК - условия Гаусса-Марков а
остатки ui – случайные величины
средняя величина остатков нулевая
остаток - нормально распределенная случайная величина
остатки гомоскедастичны
t-критерий Стьюдента
Сущность t-критерия – это нормированное значение соответствующего параметра, т.е. выборочный аi на единицу его среднеквадратического отклонения. Поэтому чем ближе рассчитанный для выборки t-критерий к нулю, тем более вероятно, что параметр аi также нулевой для генеральной совокупности (т.к. выборка случайная и, следовательно, отражает свойства генеральной совокупности).
Коэффициент детерминации R^2
Коэффициент детерминации R^2 показывает уровень объяснения моделью фактических данных, то есть какую часть (%) разброса исходных данных в выборке описывает построенная модель (оценивает адекватность модели для выборки). Если модель описывает больше 70% данных, то можно производить прогноз на будущий период.