🗊Презентация Эконометрика 1 осень 2016

Категория: Математика
Нажмите для полного просмотра!
Эконометрика 1 осень 2016, слайд №1Эконометрика 1 осень 2016, слайд №2Эконометрика 1 осень 2016, слайд №3Эконометрика 1 осень 2016, слайд №4Эконометрика 1 осень 2016, слайд №5Эконометрика 1 осень 2016, слайд №6Эконометрика 1 осень 2016, слайд №7Эконометрика 1 осень 2016, слайд №8Эконометрика 1 осень 2016, слайд №9Эконометрика 1 осень 2016, слайд №10Эконометрика 1 осень 2016, слайд №11Эконометрика 1 осень 2016, слайд №12Эконометрика 1 осень 2016, слайд №13Эконометрика 1 осень 2016, слайд №14Эконометрика 1 осень 2016, слайд №15Эконометрика 1 осень 2016, слайд №16Эконометрика 1 осень 2016, слайд №17Эконометрика 1 осень 2016, слайд №18Эконометрика 1 осень 2016, слайд №19Эконометрика 1 осень 2016, слайд №20Эконометрика 1 осень 2016, слайд №21Эконометрика 1 осень 2016, слайд №22Эконометрика 1 осень 2016, слайд №23Эконометрика 1 осень 2016, слайд №24Эконометрика 1 осень 2016, слайд №25
Скачать

Содержание ▲

Вы можете ознакомиться и скачать презентацию на тему Эконометрика 1 осень 2016. Доклад-сообщение содержит 25 слайдов. Презентации для любого класса можно скачать бесплатно. Если материал и наш сайт презентаций Mypresentation Вам понравились – поделитесь им с друзьями с помощью социальных кнопок и добавьте в закладки в своем браузере.

Слайды и текст этой презентации

Слайд 1


Эконометрика 1 осень 2016 Лекция 4 05.10.2016
Описание слайда:
Эконометрика 1 осень 2016 Лекция 4 05.10.2016

Слайд 2


Гомоскедастичность ошибки Случайная ошибка называется гомоскедастичной, если условная дисперсия относительно постоянна для (т.е. . В частности, условная дисперсия относительно не зависит от . В противном случае ошибка называется гетероскедастичной.
Описание слайда:
Гомоскедастичность ошибки Случайная ошибка называется гомоскедастичной, если условная дисперсия относительно постоянна для (т.е. . В частности, условная дисперсия относительно не зависит от . В противном случае ошибка называется гетероскедастичной.

Слайд 3


Теорема Гаусса-Маркова Если для всех выполняются условия Гаусса-Маркова (1)-(3) (1) (2) (3) то МНК-оценка является наилучшей (эффективной) линейной условно не смещенной оценкой (BLUE)
Описание слайда:
Теорема Гаусса-Маркова Если для всех выполняются условия Гаусса-Маркова (1)-(3) (1) (2) (3) то МНК-оценка является наилучшей (эффективной) линейной условно не смещенной оценкой (BLUE)

Слайд 4


Предположения МНК Предположение №1: условное распределение относительно имеет нулевое среднее: Предположение №2: , независимы и одинаково распределены (i.i.d.) Предположение №3: большие выбросы маловероятны: и имеют ненулевые конечные четвертые моменты
Описание слайда:
Предположения МНК Предположение №1: условное распределение относительно имеет нулевое среднее: Предположение №2: , независимы и одинаково распределены (i.i.d.) Предположение №3: большие выбросы маловероятны: и имеют ненулевые конечные четвертые моменты

Слайд 5


Связь условий Гаусса-Маркова и предположений МНК УГ-М (1) следует из предположений 1 и 2 УГ-М (2) следует из предположения 2 и предположения о гомоскедастичности ошибок УГ-М (3) следует из предположения 2
Описание слайда:
Связь условий Гаусса-Маркова и предположений МНК УГ-М (1) следует из предположений 1 и 2 УГ-М (2) следует из предположения 2 и предположения о гомоскедастичности ошибок УГ-М (3) следует из предположения 2

Слайд 6


Теорема Гаусса-Маркова □ Линейность: ⇨ ⇨ , где ⇨ линейность. Условная несмещенность: см. предыдущую лекцию.
Описание слайда:
Теорема Гаусса-Маркова □ Линейность: ⇨ ⇨ , где ⇨ линейность. Условная несмещенность: см. предыдущую лекцию.

Слайд 7


Теорема Гаусса-Маркова Эффективность: Пусть - любая линейная условно не смещенная оценка , т.е. . Тогда (покажите) ⇨ ⇨ Справочно:
Описание слайда:
Теорема Гаусса-Маркова Эффективность: Пусть - любая линейная условно не смещенная оценка , т.е. . Тогда (покажите) ⇨ ⇨ Справочно:

Слайд 8


Теорема Гаусса-Маркова Пусть ⇨ По определению (см. выше) ⇨ (покажите) ⇨ + ⇨ ⇨ Дисперсию любой линейной условной не смещенной оценки больше оценки МНК∎
Описание слайда:
Теорема Гаусса-Маркова Пусть ⇨ По определению (см. выше) ⇨ (покажите) ⇨ + ⇨ ⇨ Дисперсию любой линейной условной не смещенной оценки больше оценки МНК∎

Слайд 9


Тема 3: Проверка гипотез в модели парной линейной регрессии - Проверка статистических гипотез о коэффициентах регрессии и доверительные интервалы. - Нарушения предположений теоремы Гаусса-Маркова, их последствия и методы «борьбы» с ними. Использование оцененной модели для прогнозирования. - Регрессия без свободного члена
Описание слайда:
Тема 3: Проверка гипотез в модели парной линейной регрессии - Проверка статистических гипотез о коэффициентах регрессии и доверительные интервалы. - Нарушения предположений теоремы Гаусса-Маркова, их последствия и методы «борьбы» с ними. Использование оцененной модели для прогнозирования. - Регрессия без свободного члена

Слайд 10


Тестирование двусторонних гипотез относительно
Описание слайда:
Тестирование двусторонних гипотез относительно

Слайд 11


Тестирование двусторонних гипотез относительно Вычисляем стандартную ошибку - Вычисляем тестовую статистику Отвергаем нулевую гипотезу на уровне значимости 5%, если . Или, эквивалентно, отвергаем нулевую гипотезу, если р-значение меньше 0,05
Описание слайда:
Тестирование двусторонних гипотез относительно Вычисляем стандартную ошибку - Вычисляем тестовую статистику Отвергаем нулевую гипотезу на уровне значимости 5%, если . Или, эквивалентно, отвергаем нулевую гипотезу, если р-значение меньше 0,05

Слайд 12


1. Вычисление стандартной ошибки - оценка : , где ! !
Описание слайда:
1. Вычисление стандартной ошибки - оценка : , где ! !

Слайд 13


2. Вычисление тестовой статистики
Описание слайда:
2. Вычисление тестовой статистики

Слайд 14


3. Отвержение/ не отвержение нулевой гипотезы Способ 1: Сравнение и - > -отвергаем нулевую гипотезу на уровне значимости Способ 2: Вычисление р-значения: В больших выборках:
Описание слайда:
3. Отвержение/ не отвержение нулевой гипотезы Способ 1: Сравнение и - > -отвергаем нулевую гипотезу на уровне значимости Способ 2: Вычисление р-значения: В больших выборках:

Слайд 15


Р-значение р-значение или вероятность значимости – минимальная вероятность отвержения нулевой гипотезы на основе имеющейся выборки в предположении, что она (нулевая гипотеза) верна , т.е. это вероятность совершения ошибки первого рода
Описание слайда:
Р-значение р-значение или вероятность значимости – минимальная вероятность отвержения нулевой гипотезы на основе имеющейся выборки в предположении, что она (нулевая гипотеза) верна , т.е. это вероятность совершения ошибки первого рода

Слайд 16


Тестирование односторонних гипотез относительно Левосторонняя альтернатива: Правосторонняя альтернатива:
Описание слайда:
Тестирование односторонних гипотез относительно Левосторонняя альтернатива: Правосторонняя альтернатива:

Слайд 17


Тестирование односторонних гипотез относительно Вычисляем стандартную ошибку - Вычисляем тестовую статистику Отвергаем нулевую гипотезу на уровне значимости 5%, если . Или, эквивалентно, отвергаем нулевую гипотезу, если р-значение меньше 0,05 (!!!)
Описание слайда:
Тестирование односторонних гипотез относительно Вычисляем стандартную ошибку - Вычисляем тестовую статистику Отвергаем нулевую гипотезу на уровне значимости 5%, если . Или, эквивалентно, отвергаем нулевую гипотезу, если р-значение меньше 0,05 (!!!)

Слайд 18


3. Отвержение/ не отвержение нулевой гипотезы Способ 1: Сравнение и Способ 2: Вычисление р-значения в больших выборках: Левосторонний тест: Правосторонний тест:
Описание слайда:
3. Отвержение/ не отвержение нулевой гипотезы Способ 1: Сравнение и Способ 2: Вычисление р-значения в больших выборках: Левосторонний тест: Правосторонний тест:

Слайд 19


Тестирование двусторонних гипотез относительно Далее – аналогично процедуре для Различие: где ! где !
Описание слайда:
Тестирование двусторонних гипотез относительно Далее – аналогично процедуре для Различие: где ! где !

Слайд 20


Пример: размер класса и результаты тестов в Калифорнии (10,4) (0,52)
Описание слайда:
Пример: размер класса и результаты тестов в Калифорнии (10,4) (0,52)

Слайд 21


Построение доверительных интервалов для коэффициентов регрессии 95%-й двухсторонний доверительный интервал (в больших выборках): для для для односторонних гипотез – аналогично (с заменой 1,96 на 1,645)
Описание слайда:
Построение доверительных интервалов для коэффициентов регрессии 95%-й двухсторонний доверительный интервал (в больших выборках): для для для односторонних гипотез – аналогично (с заменой 1,96 на 1,645)

Слайд 22


Доверительные интервалы для оценки влияния изменения X Пусть X изменяется на Тогда Y изменится на Тогда 95%-й доверительный интервал для :
Описание слайда:
Доверительные интервалы для оценки влияния изменения X Пусть X изменяется на Тогда Y изменится на Тогда 95%-й доверительный интервал для :

Слайд 23


Регрессия с бинарной объясняющей переменной Рассмотрим переменную Регрессионная модель имеет вид: или
Описание слайда:
Регрессия с бинарной объясняющей переменной Рассмотрим переменную Регрессионная модель имеет вид: или

Слайд 24


Регрессия с бинарной объясняющей переменной и Тогда - коэффициент регрессии - разность между двумя условными средними
Описание слайда:
Регрессия с бинарной объясняющей переменной и Тогда - коэффициент регрессии - разность между двумя условными средними

Слайд 25


Степени свободы  Число степеней свободы – минимальное количество элементов варьирования, которые могут принимать произвольные значения, не изменяющие заданных характеристик.  Пример: Пусть дано 7 чисел со средней, равной 5 (т. е. в сумме 35). Задача: подобрать другие 7 чисел со средней, равной 5. Произвольно можем выбрать только 6 чисел. Число с. с. здесь равно 7 – 1 = 6, или в общем случае: n . При вычислении дисперсии по выборке из n наблюдений число степеней свободы равно n-1, т.к. 1 степень свободы мы уже использовали при расчете среднего.
Описание слайда:
Степени свободы  Число степеней свободы – минимальное количество элементов варьирования, которые могут принимать произвольные значения, не изменяющие заданных характеристик.  Пример: Пусть дано 7 чисел со средней, равной 5 (т. е. в сумме 35). Задача: подобрать другие 7 чисел со средней, равной 5. Произвольно можем выбрать только 6 чисел. Число с. с. здесь равно 7 – 1 = 6, или в общем случае: n . При вычислении дисперсии по выборке из n наблюдений число степеней свободы равно n-1, т.к. 1 степень свободы мы уже использовали при расчете среднего.

Скачать

Похожие презентации
Mypresentation.ru
Загрузить презентацию