پاورپوینت کامل مبانی اقتصاد سنجی دامودار گجراتی ترجمه حمید ابریشمی فصل دوم تحلیل رگرسیون دو متغیره ۲۰ اسلاید در PowerPoint

توجه : این فایل به صورت فایل power point (پاور پوینت) ارائه میگردد

 پاورپوینت کامل مبانی اقتصاد سنجی دامودار گجراتی ترجمه حمید ابریشمی فصل دوم تحلیل رگرسیون دو متغیره ۲۰ اسلاید در PowerPoint دارای ۲۰ اسلاید می باشد و دارای تنظیمات کامل در PowerPoint می باشد و آماده ارائه یا چاپ است

شما با استفاده ازاین پاورپوینت میتوانید یک ارائه بسیارعالی و با شکوهی داشته باشید و همه حاضرین با اشتیاق به مطالب شما گوش خواهند داد.

لطفا نگران مطالب داخل پاورپوینت نباشید، مطالب داخل اسلاید ها بسیار ساده و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی پاورپوینت کامل مبانی اقتصاد سنجی دامودار گجراتی ترجمه حمید ابریشمی فصل دوم تحلیل رگرسیون دو متغیره ۲۰ اسلاید در PowerPoint،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن پاورپوینت کامل مبانی اقتصاد سنجی دامودار گجراتی ترجمه حمید ابریشمی فصل دوم تحلیل رگرسیون دو متغیره ۲۰ اسلاید در PowerPoint :

فصل دوم: تحلیل رگرسیون دو متغیره

مقدمه

مثال مصرف – درآمد

مفهوم تابع رگرسیون جامعه (PRF)

مفهوم اصطلاح خطی بودن

تصریح استوکاستیک (تصادفی) تابع رگرسیون جامعه (PRF )

اهمیت و تعبیر جزء اخلال استوکاستیک

تابع رگرسیون نمونه (SRF)

خلاصه

فصل دوم
تحلیل رگرسیون دومتغیره

چکیده :
این فصل و ۳ فصل آتی به بیان ساده تحلیل رگرسیون دومتغیره می‌پردازد. به بیان دیگر چگونگی امکان کاربرد تحلیل رگرسیون جهت توصیف یک رابطه مورد بحث قرار می‌گیرد. تحلیل این حالت (وجود تنها دو متغیر) به تحلیل رگرسیون ساده موسوم است.
مثال ۱-۲: مصرف – درآمد
۶۰= N
مخارج مصرفی هفتگی خانوار= Y
درآمد هفتگی قابل تصرف= X

جدول ۱-۲- توزیع شرطی Y را به شرط یک مقدار X داده شده بیان می‌کند.
مثلاً برای ۸۰=X, پنج مقدار Y وجود دارد: ۵۵ دلار, ۶۰ دلار, ۶۵ دلار, ۷۰ دلار و ۷۵ دلار. احتمال به دست آوردن هر یک از این مخارج مصرفی۲/۰ است.
بنابراین می‌توان میانگین شرطی یا مقدار مورد انتظار Y بر حسب ۸۰ = X را بدست آورد:

حال می‌توان پراکندگی توزیع شرطی Y را برحسب مقادیر مختلف X نشان داد:

مفهوم تابع رگرسیون جامعه (PRF) Population Regression Function
چگونگی تغییر مقدار میانگین جامعه Y بر حسب X

: عرض از مبدأ
: شیب (ضرایب زاویه)

مفهوم اصطلاح خطی بودن

الف ) خطی بودن از نظر متغیرها

تابع خطی (۱
تابع غیرخطی (۲

ب ) خطی بودن از نظر پارامترها
تابع خطی (۱
تابع غیرخطی (۲

در این مباحث مقصود از خطی بودن رگرسیون ( LRM), رگرسیونی است که از نظر پارامترها یعنی βها خطی باشد.
تصریح استوکاستیک (تصادفی) تابع رگرسیون جامعه (PRF )
انحراف یک Yi خاص در اطراف امیدش: Ui= Yi – E (Y|Xi)
Ui: جزء اختلال تصادفی Yi = E (Y|Xi) + Ui
Yi: متغیر وابسته به ازاء متغیر مستقل مشخص.
E ( Y | Xi ): متوسط متغیر وابسته به ازاء متغیر مستقل مشخص.

خط رگرسیون از میانگین شرطی Y می‌گذردکه این خود بیانگر این مطلب است :
E (Ui | Xi)=0
اثبات:
اهمیت و تعبیر جزء اخلال استوکاستیک:
جزء اخلال Ui , نماینده‌ای برای تمامی متغیرهایی است که به دلایل ذیل از مدل حذف شده اما مجموعاً بر Y اثر می‌گذارند:
بی‌اطلاعی یا عدم اطمینان از وجود متغیر
عدم دسترسی به اطلاعات کمّی مربوط به متغیر
عدم بیان تاثیر مشترک تمامی یا بعضی از متغیرها به خاطر ملاحظات هزینه
تصادفی بودن ذاتی Y
خطای اندازه‌گیری در X و Y
ساده‌سازی مدل رگرسیون با تأسی به قاعده اکام
تابع رگرسیون نمونه (SRF) Regression Function ُُُSample

تخمین زن : E (Y/Xi)
تخمین زن :
تخمین زن :
مثال مصرف _ درآمد :
یک نمونه تصادفی از جدول ۱-۲ انتخاب نموده و خط رگرسیون نمونه را ترسیم می‌نماییم:

خلاصه :
PRF بصورت تئوریکی و ایده‌آل ساخته می‌شود و از آنجا که در عمل فقط نمونه‌هایی از جامعه‌ای مفروض را در دست داریم، بحث تابع رگرسیون نمونه (SRF) ضرورت پیدا می‌کند و این SRF است که ما را قادر به تخمین زدن PRF می‌نماید.