Содержание:
Введение
Глава I. Регрессия с ранговой зависимой переменной
1. Введение в регрессионный анализ
2. Классическая линейная модель множественной регрессии (КЛММР)
3. Метод наименьших квадратов
4. Обобщенный метод наименьших квадратов (ОМНК)
5. Введение «манекенов» (фиктивных переменных) в линейную модель регрессии
Глава II. Практическая часть: решение задачи с ранговой независимой переменной
Заключение
Список литературы
Введение.
«Эконометрика» вместе с микро- и макроэкономикой является дисциплиной, образующей фундамент современного университетского экономического образования. Это связано, прежде всего, с признанием того, что овладение методами эмпирических исследований является не просто желательной, но весьма существенной частью базовой подготовки экономиста.
В своей курсовой работе я ознакомлюсь с регрессионным анализом, рассмотрю классическую линейную модель множественной регрессии, метод наименьших квадратов
обобщенную линейная модель множественной регрессии и обобщенный метод наименьших квадратов, попытаюсь решить практическую задачу, рассмотренную далее с помощью введения фиктивных переменных в линейную модель регрессии.
Особенностью многих реальных социально-экономических процессов является то, что с течением времени могут меняться не только их характеристики, учитываемые в модели в виде коэффициентов и параметров распределений, но и структура самих уравнений, описывающих процесс. Для создания адекватных моделей таких процессов необходимо использовать более сложные модели, учитывающие регулярные (не случайные) или случайные изменения коэффициентов. В настоящее время существует множество методов построения и оценивания моделей с переменными параметрами (переменной структурой). Данные модели находят широкое применение на практике, в частности при моделировании и анализе финансовых рынков.
Целью данной курсовой работы является: ознакомление с основами регрессионного анализа, овладение методологией построения эконометрических моделей и научиться, при помощи программных пакетов Microsoft Exеl, решать практические задачи. В ходе написания данной работы постараться решить следующие задачи при построении регрессионных моделей: определение вида функциональной связи между зависимой и независимыми (объясняющими) переменными с точностью до параметров; проверка адекватности моделей, т.е. ее соответствие наблюдаемым данным и т.д.
Данный теоретический материал курса должен закрепляться компьютерным практикумом с использованием как специализированных эконометрических и статистических пакетов, а так же универсальных пакетов типа Microsoft Exеl. А так же во время практикума студенты овладевают навыками решения практических задач по схеме: анализ проблемной ситуации и формулировка проблемы — выбор эффективного метода решения — построение эконометрической модели — анализ и интерпретация результатов моделирования — формулировка выводов и практических рекомендаций, то решим в практической части курсовой работы, задачу с фиктивными переменными, при помощи Exеl.