Лекция 5.7 Линейная в логарифмах модель. Коэффициент эластичности Y X A O 2 Определение коэффициента эластичности.

Презентация:



Advertisements
Похожие презентации
Лекция 5.8 Полулогарифмическая модель. 2 Полулогарифмическая модель.
Advertisements

Лекция 6.3 Dummy- переменные для коэффициентов наклона.
Лекция 7.5 Смещение в оценках коэффициентов, вызванное невключением существенных переменных.
Лекция 6.1 Dummy (фиктивные) переменные. Пример использования dummy переменной при наличии двух категорий 1 COST – годовые издержки 74 средних школ в.
Лекция 9.1 Модели бинарного выбора. 2 Экономистов часто интересуют факторы, определяющие принятие решений индивидами или фирмами. Ниже приведены соответствующие.
Лекция 7.3 Выбор между линейной и полулогарифмической моделями. Тест Бокса – Кокса.
Лекция 5.9 Мультиколлинеарность. 1 Теоретическая мультиколлинеарность данных – явление, наблюдаемое при нарушении условий теоремы Гаусса – Маркова об.
Лекция 8.4 Тест Уайта. 1 Содержательный смысл теста Уайта состоит в следующем: если в модели дисперсия возмущений каким-то, возможно, достаточно сложным.
1 Линейные модели по переменным и параметрам: НЕЛИНЕЙНЫЕ МОДЕЛИ Линейные модели и по переменным и по параметрам. Способы сведения нелинейных моделей к.
Лекция 6.6 Эквивалентность теста Chow и теста о значимости группы dummy - переменных.
1 НЕЛИНЕЙНАЯ РЕГРЕССИЯ Принцип минимизации суммы квадратов отклонений. Эта процедура состоит из последовательности шагов: 1.Принимаются некоторые правдоподобные.
Не линейные модели парной регрессии Лекция 5 13 февраля 2012 года.
АНАЛИЗ ДАННЫХ НА КОМПЬЮТЕРЕ. Регрессионный анализ.
Регрессионные модели. Решение задач планирования и управления постоянно требует учета зависимостей одних факторов от других: время падения тела на землю.
Множественная регрессия линейная функция:. Оценка параметров линейного уравнения множественной регрессии.
Метод наименьших квадратов УиА 15/2 Айтуар А.. В математической статистике методы получения наилучшего приближения к исходным данным в виде аппроксимирующей.
Лекция 4 множественная регрессия и корреляция. ( продолжение )
Лекция 1 «Введение». Опр. эконометрика это наука, которая дает количественное выражение взаимосвязей экономических явлений и процессов. Специфической.
Укажите вид модели: Приведите примеры:
Парная линейная корреляция. Метод наименьших квадратов Задача: найти оценки параметров a и b такие, что остаток в i-ом наблюдении (отклонение наблюдаемого.
Транксрипт:

Лекция 5.7 Линейная в логарифмах модель

Коэффициент эластичности Y X A O 2 Определение коэффициента эластичности.

Коэффициент эластичности Y X A 3 Графическая интерпретация O

4 Коэффициент эластичности Y X A O

5 A O Y X

6 Для линейной функции коэффициент эластичности Y по X зависит от Х. Y xO X A

7 Коэффициент эластичности Коэффициент эластичности в точке В больше, чем в точке А. x A O B Y X

Коэффициент эластичности и линейная в логарифмах модель 8 Покажем, что для приведенного типа зависимости коэффициент эластичности не зависит от Х.

9 Коэффициент эластичности и линейная в логарифмах модель Для приведенного типа зависимости коэффициент эластичности равен 2.

10 Коэффициент эластичности и линейная в логарифмах модель Модель можно привести к линейной форме взятием логарифмов.

11 Линейная в логарифмах модель Диаграмма рассеяния, FDHO – расходы домохозяйства на питание вне дома, EXP – общие расходы домохозяйства в долларах в 1995 г., 869 домохозяйств в США (Consumer Expenditure Survey data). FDHO EXP

. reg FDHO EXP Source | SS df MS Number of obs = F( 1, 867) = Model | Prob > F = Residual | e R-squared = Adj R-squared = Total | e Root MSE = FDHO | Coef. Std. Err. t P>|t| [95% Conf. Interval] EXP | _cons | Пример

13 Пример Оцененная линия линейной регрессии. EXP FDHO

14 Пример Диаграмма рассеяния в логарифмических шкалах. LGFDHO LGEXP

. g LGFDHO = ln(FDHO). g LGEXP = ln(EXP). reg LGFDHO LGEXP Source | SS df MS Number of obs = F( 1, 866) = Model | Prob > F = Residual | R-squared = Adj R-squared = Total | Root MSE = LGFDHO | Coef. Std. Err. t P>|t| [95% Conf. Interval] LGEXP | _cons | Пример Оценка линейной в логарифмах модели.

. g LGFDHO = ln(FDHO). g LGEXP = ln(EXP). reg LGFDHO LGEXP Source | SS df MS Number of obs = F( 1, 866) = Model | Prob > F = Residual | R-squared = Adj R-squared = Total | Root MSE = LGFDHO | Coef. Std. Err. t P>|t| [95% Conf. Interval] LGEXP | _cons | Линейная в логарифмах модель Эластичность меньше 1, следовательно – пища, потребляемая вне дома – товар первой необходимости.

. g LGFDHO = ln(FDHO). g LGEXP = ln(EXP). reg LGFDHO LGEXP Source | SS df MS Number of obs = F( 1, 866) = Model | Prob > F = Residual | R-squared = Adj R-squared = Total | Root MSE = LGFDHO | Coef. Std. Err. t P>|t| [95% Conf. Interval] LGEXP | _cons | Линейная в логарифмах модель

18 Линейная в логарифмах модель Линия оцененного уравнения регрессии для линейной в логарифмах модели. LGFDHO LGEXP

19 Линейная и линейная в логарифмах модель Сравнение оцененных линий регрессий. EXP FDHO