پاورپوینت فصل ششم 6 ( کاربردهای مدل رگرسیون دو متغیره) اقتصاد سنجی (ویژه رشته اقتصاد) مدرسان شریف دکتری مؤلفين یوسف محمدزاده - احمد رسولی ,

پاورپوینت فصل ششم 6 ( کاربردهای مدل رگرسیون دو متغیره) اقتصاد سنجی (ویژه رشته اقتصاد) مدرسان شریف دکتری مؤلفين یوسف محمدزاده - احمد رسولی

در قالب pptx و در 26 اسلاید و قابل ویرایش

فهرست مطالب
6-1- مدلهای خطی لگاریتمی (لگاریتمی مضاعف)
6-2- مدلهای نیمه لگاریتمی (متغیر وابسته لگاریتمی)
6-3-معادله نیمه لگاریتمی متغیر توضیحی لگاریتمی
6-4- مدلهای وارون.
6-5- مدلهای وارون .لگاریتمی
6-7- مدل لجستیک

OLS فقط قادر به تخمین مدلهای خطی است و مراد از مدلهای خطی مدلهایی است که نسبت به پارامترهای (β1وβ2) خطی روش باشد. پس روش OLS میتواند مدلهایی که نسبت به پارامترها خطی اما نسبت به متغیرها غیر خطی است را تخمین بزند. معادله ای را بر حسب پارامتر 𝛽 ̂_2 خطی میگویند که 𝛽 ̂_2 با توان یک در آن معادله وارد شده باشد و در پارامتر دیگری ،ضرب تقسیم و یا به توان عددی غیر یک نرسیده باشد.
اما خطی بودن پارامتر 𝛽 ̂_2 شرط لازم برای تخمین توسط روش حداقل مربعات معمولی است. در حالیکه قبل از خطی بودن لازم است ابتدا فروض کلاسیکی جزء خطا که در فصل دوم به آنها اشاره نمودیم نقض نشود.
سوالی که اکنون مهم به نظر میرسد آن است که آیا اگر بتوان با یک تبدیل معادله اولیه را که از نظر پارامترها خطی نبود را خطی نماییم آیا پارامترهای بدست آمده همچنان نااریب خواهند بود؟
در جواب باید بیان داشت اگر مثلاً یک فرم تابعی نمایی داشته باشیم و با لگاریتم گیری طبیعی آن را خطی ،نماییم در حالت لگاریتمی جدید ضرایب شیب برآورد شده همچنان نا اریب ،هستند هرچند مفهوم و تفسیر متفاوتی پیدا کرده اند اما عرض از مبدأ الگوی اصلی که با آنتی لگاریتم عرض از مبدأ برآورد شده برابر ،است در نتیجه تا اریب نیست.