Интервалы прогноза по линейному уравнению

Регрессии

Оценка стат. значимости параметров регрессии проводится с помощью t – статистики Стьюдента и путем расчета доверительного интервала для каждого из показателей. Выдвигается гипотеза Н0 о статистически значимом отличие показателей от 0 a = b = r = 0. Рассчитываются стандартные ошибки параметров a,b, r и фактич. знач. t – критерия Стьюдента.

[pic]

[pic] [pic] [pic]

Определяется стат. значимость параметров.

ta ›Tтабл - a стат. значим

tb ›Tтабл - b стат. значим

Находятся границы доверительных интервалов.

[pic] [pic] [pic] Анализ верхней и нижней границ доверительных интервалов приводит к выводу о том, что параметры a и b находясь в указанных границах не принимают нулевых значений, т.е. не явл.. стат. незначимыми и существенно отличается от 0.

Нелинейная регрессия. Виды моделей

Если между экономическими явлениями существуют нелинейные соотношения, то

они выражаются с помощью соответствующих нелинейных функций: например, равносторонней гиперболы [pic], параболы второй степени [pic]и д.р.

Различают два класса нелинейных регрессий:

• регрессии, нелинейные относительно включенных в анализ объясняющих

переменных, но линейные по оцениваемым параметрам;

• регрессии, нелинейные по оцениваемым параметрам.

Примером нелинейной регрессии по включаемым в нее объясняющим переменным могут служить следующие функции:

1. полиномы разных степеней

2. равносторонняя гипербола

К нелинейным регрессиям по оцениваемым параметрам относятся функции:

3. степенная