Modelul regresiei simple

DOWNLOAD REFERAT

Preview referat: Modelul regresiei simple

Metode de identificare a formei functiei de regresie
Cum gasim cea mai potivita forma a functiei f(X)?
Cea mai importanta metoda de identificare - metoda norului de puncte.
In functie de numarul de factori a caror variatie se considera
in explicarea variatiei fenomenului efect, y, exista:
- regresie simpla: cand se considera variatia unui singur factor: y=f(x) si
- regresie multipla: cand se considera variatia mai multor variabile explicative: y=f(x1, x2, ..., xk).

Metoda regresiei analizeaza relatiile existente intre variabila explicata si variabilele explicative, pe baza datelor observate pentru aceste variabile.
Se poate stabili care din factori au o influenta semnificativa, gradul lor de esentialitate si cunoscand influenta variabilelor factoriale asupra variatiei fenomenului explicat, se pot face previziuni ale valorilor variabilei y pentru anumite valori date ale variabilelor x.
Regresia liniara simpla .

Inainte de a estima parametri - se emit ipoteze cu privire la variabilele din model
Ipoteze fundamentale ale modelului de regresie liniara simpla
H0 : Ipoteza de liniaritate: modelul este liniar in X;
relatia dintre Y si X este liniara, de forma Y = aX + b + ε
H1 : Ipoteze asupra variabilelor X si Y:
(i) xt si yt reprezinta valori numerice ale variabilelor X si Y rezultate prin observarea statistica, neafectate de erori sistematice;
(ii) Y este variabila endogena aleatoare, pentru ca este functie de ε

(iii) X, variabila explicativa, este considerata ca fiind o variabila determinista in model, nealeatoare;
H2 : Ipoteze asupra erorilor ε:
(i) ε are o distributie independenta de timp, de speranta matematica nula, respectiv:
E (εt) = 0, (") t = 0, 1, 2, ..., T
V (εt) = E[εt - E(εt)]2 = =
altfel spus, modelul este homoscedastic.
(ii) Independenta erorilor. Doua erori εt si εt' sunt independente liniar intre ele, adica « mai multe referate din Matematica