پاورپوینت فصل دوم 2 (رگرسیون ساده ) کتاب اقتصادسنجی (مقدماتی) همراه با کاربرد Eviews 8 و Srata 12 (جلد 1) مولف دکتر علی سوری ,

پاورپوینت فصل دوم 2 (رگرسیون ساده ) کتاب اقتصادسنجی (مقدماتی) همراه با کاربرد Eviews 8 و Srata 12 (جلد 1) مولف دکتر علی سوری

در قالب ppt و در 123 اسلاید و قابل ویرایش

فهرست مطالب
فصل دوم: رگرسیون ساده
مقدمه
امید ریاضی شرطی و رگرسیون
رگرسیون نرمال
جملۀ خطا و معادله رگرسیون
فروض معادله رگرسیون
تحلیل رگرسیون تجربی
تخمین معادله رگرسیون
خواص تخمین زننده های OLS
تخمین زنده خطی
بدون تورش بودن
سازگاری
حداقل واریانس
توزیع تخمین زننده های OLS
همبستگی 𝛼 ̂ و 𝛽 ̂
و ار تغییرات کل، تغییرات توضیح داده شده و تغییرات توضیح داده نشده
غریب تعیین (R2)
میانگین عطای تضمین با انحراف معیار رگرسیون (𝜎 ̂)
آزمون معنادار بودن ضرایب رگرسیون

تحلیل واریانس (آزمون معنادار بودن رگرسیون)
جمع بندی و تحلیل نتایج رگرسیون
پیش بینی و فاصله اطمینان پیش بینی
رگرسیون های غیر خطی
روابط معکوس
معادلات تمام لگاریتمی (log-log)
توابع نمایی
رگرسیون انحراف از میانگین
رگرسیون با متغیرهای استاندارد شده
-برآورد معادله روند
برآورد معادله نرخ رشد
تحلیل همبستگی
کوواریانس
ضریب همبستگی

1-2- مقدمه
در تحلیل رگرسیون ساده تبیین رابطه بین دو متغیر بررسی میشود. بر خلاف همبستگی، در اینجا میزان تأثیر یک متغیر بر دیگری اندازه گیری میشود به عنوان مثال رابطه بین تورم و رشد نقدینگی را می‌توان از طریق محاسبه ضریب همبستگی و یا از طریق رگرسیون بررسی نمود. ضریب همبستگی به بررسی وجود یا عدم وجود رابطه خطی می‌پردازد، اما در تحلیل رگرسیون، یک متغیر مانند (تورم را تابعی از متغیر دیگر مانند رشد نقدینگی در نظر می‌گیریم. بررسی ایــن موارد نیاز به روشهایی دارد که اصول آنها در این فصل بررسی میشود. بدین منظور در این فصل، ابتدا به مبانی نظری رگرسیون و سپس به روشهای کاربردی آن خواهیم پرداخت. مبنای تحلیل رگرسیون عمدتاً بر توزیع های چند متغیره و توزیع های شرطی است که معادله رگرسیون را به صورت میانگین شرطی ارائه می.کند .بدین منظور بحث را با امید ریاضی شرطی شروع می‌کنیم.
۲-۲ امید ریاضی شرطی و رگرسیون
در تحلیل رگرسیون معمولاً یکی از متغیرها را وابسته و دیگری را مستقل فرض می‌کنیم. در ابتدا باید توجه داشت که در تابع Y=f(x) به ازای X یک مقدار معین برای Y وجود دارد. به عبارت دیگر به ازای X = a همواره (Y = f(a خواهد بود اما در تحلیل رگرسیون به ازای X = a، الزاماً همواره (Y = f(a به دست نمی‌آید یعنی اگر X را در سطح a کنترل کنیم

الزاماً مقدار Y = f(a)به دست نمی‌آید زیرا عوامل دیگری (به جز X) وجود دارند که بر Y اثر گذارند. در واقع این بحث بیانگر تفاوت شرایط مطمئن با شرایط نامطمئن است. به همین دلیل وقتی به ازای هر X چندین Y وجود دارد بایستی از متوسطهای Y استفاده نمود که معروف به میانگینهای شرطی یا امید ریاضی شرطی است بنابراین ابتدا لازم است مفهوم امید ریاضی شرطی را بررسی کنیم.
بدین منظور، بحث را با تابع احتمال مشترک پیگیری میکنیم. فرض کنید تابع احتمال (چگالی) مشترک X و Y به صورت زیر باشد:

توزیع های حاشیه ای یا توزیع تکی هر یک از متغیرها و همچنین توزیع شرطی Y عبارت است از:

(f(x و (y)f به ترتیب تابع احتمال X و Y بوده و f(y|x) نیز تابع احتمال شرطی Y است. با استفاده از تابع احتمال شرطی میتوان رابطه بین دو متغیر X و Y را بررسی نمود. اگر شرط =f(y) f(y|x) برقرار باشد در این صورت این دو متغیر مستقل اند و هیچ رابطه ای با هم ندارند. اما در غیر این صورت متغیرهای مذکور مستقل نیستند در مثال فوق چون f(y|x) ≠𝑓(𝑦) است لذا X و Y مستقل نیستند.
اما سؤال این است که چگونه رابطه بین X و Y را به صورت کمی بررسی کنیم. یکی از راه های مناسب این است که امید ریاضی شرطی Y را حساب کنیم .بدیهی است که اگر Y مستقل از X باشد در این صورت E(Y|X)=E(Y), f(Y|x)=f(y)است و در نتیجه امید ریاضی شرطی Y تابعی از X نخواهد بود در مثال فوق امید ریاضی شرطی Y عبارت است از: