Фиктивные переменные во множественной регрессии

В 1960-е годы эконометрические модели использовались для экономического прогнозирования. С тех пор структура экономики промышленно развитых стран и методы эконометрического анализа кардинально изменились. В то же время проблема прогнозирования будущей экономической ситуации остается нерешенной, что вызывает необходимость совершенствования эконометрических моделей.

---

Реферат по статистике на заказ не будет содержать "воды". Рефераты, которые пишут наши авторы, получают высокие оценки! Обращайтесь в Work5!

---

. Специалисты сосредоточены на исследованиях, связанных с коинтеграцией (метод определения долгосрочных отношений в группе переменных временных рядов); для прогнозирования и оценки параметров, которые меняются со временем. В частности, разработка проблемы коинтеграции американским экономистом Р. Инглом изменила подход экономистов-практиков к изучению временных рядов. Временной ряд - серия наблюдений за экономическими изменениями за одни и те же временные интервалы. Актуальность данной темы обусловлена тем, что анализ временных рядов - главный инструмент экономики и одна из самых плодородных областей анализа для экономистов. Временные ряды необходимы для анализа развития экономических и социальных отношений между переменными с течением времени (например, эконометрическая модель общего поведения безработицы на основе временных рядов может предоставить ценную информацию о его развитии с течением времени, хотя информации о структуре или продолжительности нет. безработицы обеспечивает). Большая часть используемых данных представлена в виде временных рядов, массив которых постоянно расширяется. Целью данной работы является изучение фиктивных переменных во множественной регрессии. При этом можно выделить следующие основные задачи: - рассмотреть понятие и сущность множественной регрессии; - рассмотреть применение фиктивных переменных в анализе временных рядов; - представить исходные данные для анализа - провести корреляционно-регрессионный анализ с применением фиктивных переменных. Объектом данного исследования выступают временные ряды динамики. Предметом - эконометрические методы анализа временных рядов. Применение фиктивных переменных в анализе временных рядов. В работе использовались общенаучные методы, такие как анализ, синтез. Линейный временной тренд используется при моделировании постепенных (плавных) структурных разрывов. Эта переменная отражает период времени, который проходит от определенного (нулевого) момента времени до момента времени, которому было присвоено это наблюдение (то есть координаты наблюдения на шкале времени). Если интервалы времени между последовательными наблюдениями одинаковы, временной тренд складывается из номеров наблюдений. Эти типы фиктивных переменных можно комбинировать для создания переменных взаимодействия для конкретных эффектов. Работа состоит из введения, двух глав, заключения, списка литературы.

В ходе выполнения данной работы была поставлена следующая основная цель: изучение фиктивных переменных во множественной регрессии. Для достижения данной цели были решены следующие основные задачи: - рассмотрено понятие и сущность множественной регрессии; - рассмотрено применение фиктивных переменных в анализе временных рядов; - представлены исходные данные для анализа - проведен корреляционно-регрессионный анализ с применением фиктивных переменных. По результатам выполнения данной работы можно сделать следующие основные выводы: В регрессионных моделях временных рядов используются три основных типа фиктивных переменных: 1) Переменные показатели для принадлежности наблюдения к определенному периоду - для моделирования резких структурных сдвигов. Пределы периода (моменты «скачков») следует определять заранее. 2) Сезонные переменные - для моделирования сезонности. Сезонные переменные принимают разные значения в зависимости от того, какому месяцу или кварталу года или какому дню недели соответствует наблюдение. 3) Линейный временной тренд - для моделирования постепенных плавных структурных сдвигов. Эта фиктивная переменная показывает, сколько времени прошло от определенного момента «ноль» до момента, которому принадлежит это наблюдение (координаты этого наблюдения на шкале времени). Таким образом, задачи данной работы можно считать решенными, цель достигнутой.

1. Адамов, В.Е. Экономика и статистика: Учебник / В.Е. Адамов, С.Д. Ильенкова, Т.П. Сиротина, С.А. Смирнов; Под ред. С.Д. Ильенковой. М.: Финансы и статистика, 2019. – 287с. 2. Борбодоев, М.М., Раимжанов, Н.К. Экономическое развитие торговли регионов на потребительском рынке / Наука, новые технологии и инновации. 2018. № 4. С. 87-89. 3. Ефимова, М.Р. Общая теория статистики – М.: ИНФРА-М, 2019 – 413с. 4. Иванова, Ю.Н. Экономическая статистика: Учебник / Под ред. Ю.Н. Иванова. М.: Инфра, 2020. – 355с. 5. Лаптева, Е.В., Портнова, Л.В. Статистика: теория статистики и экономическая статистика / Оренбург, 2019. – 412с. 6. Медведева, О.А., Федорова, К.В. Применение статистических методов в исследовании потребительского рынка / Социально-экономические явления и процессы. 2018. Т. 12. № 3. С. 117-130. 7. Мелкумов, Я.С. Социально – экономическая статистика: учебное пособие/ Я.С. Мелкумов.- М.: Инфра-М, 2019. – 234с. 8. Непомнящая, Н.В., Григорьева, Е.Г. Статистика: общая теория статистики, экономическая статистика / Практикум. Учебное пособие для вузов по направлению подготовки 38.03.01 «Экономика» / Красноярск, 2019. – 174с. 9. Панишко, Е.П. Статистика: курс лекций / Е.П. Панишко; СПб. фил. РТА, каф. эконом. теории.- СПб.: РИО СПб фил. РТА 2019. – 194с. 10. Салин, В.Н., Кудряшова, С.И. Система национальных счетов: Учеб. пособие. – М.: Финансы и статистика, 2019 – 167с. 11. Щипанов, Э.Ю., Щипанова, В.И. Практикум по статистике / Ростов-на-Дону, 2019 – 168с.