Автор работы: Пользователь скрыл имя, 26 Марта 2014 в 17:23, контрольная работа
Многие ученые признают первой работой, которую можно бы быть названа эконометрической, книгу американского экономиста Г. Мура (1869-1958) «Законы заработной платы: эссе по статистической экономике» (1911 год). Г. Муром был проведен анализ рынка труда, статистическая проверка теории производительности Дж. Кларка, были описаны основы стратегии объединения пролетариата и т. д. В это время для США решение этих вопросов было очень важным. Мур подошел к анализу этих проблем с позиций «высшей» статистики, используя все достижения теории корреляции, регрессии, анализа динамических (временных) рядов. Он хотел доказать, что сложные математические расчеты, наполненные фактическими данными, могли стать основой для разработки социальной стратегии.
Введение.
1.1Что такое эконометрическая модель.
1.2 Практическое применение эконометрических моделей.
2. Основная часть.
2.1 Модель нелинейной регрессии.
3. Заключение.
4. Список использованных источников.
Простейшие рекомендации по устранению мультиколлинеарности сводятся к сокращению рассматриваемого множества объясняющих переменных за счет тех из них, которые линейно связаны с уже включенными в модель. Выполнение этих рекомендаций ведет к построению сокращенной модели, которая не всегда соответствует требованию наблюдательности и управляемости. Чтобы избежать нежелательных эффектов мультиколлинеарности, сохранив при этом весь интересующий нас набор объясняющих переменных, предлагается увеличить размеры выборки путем получения дополнительной информации. Ясно, что не любое произвольное увеличение выборки ведет к ослаблению эффектов мультиколлинеарности.
Часто для устранения мультиколлинеарности используют приемы, основанные на предварительном преобразовании исходных данных путем получения отклонений от тренда. Однако, регрессионная модель, полученная благодаря таким преобразованиям, слабо поддается интерпретации. Иногда используют априорную информацию об имеющихся между параметрами связях в виде ограничений при вычислении оцениваемых параметров регрессии. За исключением простейших случаев, реализация этих подходов достигается существенным усложнением вычислительной процедуры нахождения оценок. Широкое распространение получили методы устранения мультиколлинеарности, основанные на замене исходного множества объясняющих переменных главными компонентами с последующим отбрасыванием тех из них, которые незначительны в уравнении регрессии. Близким к рассмотренному можно считать методы, основанные не на компонентном, а на факторном анализе, причем аналогия прослеживается как по достоинствам, так и по недостаткам.
В тех случаях, когда перечень объясняющих переменных регрессионной модели слишком велик, рекомендуется разделить их на группы высоко коррелированных и в каждой группе построить обобщающие факторы в виде главной компоненты, которые далее используются как новые переменные строящейся модели.
Информация о работе Модель нелинейной регрессии. Понятие мультиколлениарности, последствия