90415

Współczynnik determinacji (R²)- miara dopasowania modelu do materiału statystycznego (miernik stopnia wyjaśnienia zaobserwowanej zmienności zmiennej Y) Zachodzi relacja R²=1-wt, przy założeniu, że wr<=l

Generalna zasada: Dopasowanie modelu jest wystarczające jeśli współczynnik determinacji przekracza 90% (wyjątki, giełda, modele przyrodnicze, rolnicze) R²=0,7 jest duży.

3. Istotność zmiennych objaśniających Zmienna objaśniająca jest istotna, jeśli w wyraźny sposób wpływa na kształtowanie się zmiennej objaśnianej (jeśli jest w wyraźny sposób, powiązana ze zmienną objaśnianą, Y w wyraźny sposób zależy od X).

W celu oceny istotności poszczególnych pojedynczych zmiennych objaśniających stosowany jest test t-Studenta.

Sposób postępowania jest następujący:

•    Obliczyć empiryczną statystykę t-studneta dotyczącą danej zmiennej objaśniającej

•    Ustalić krytyczną wartość statystyki t-Studenta

•    Porównać moduł (bezwzględną wartość) empirycznej statystyki Studenta z wartością krytyczną

ltcmpl>-tKR należy uznać, ze zmierura X jest istotna ltcm_Pl<tKR należy uznać, że zmienna X jest nieistotna

Podział modeli ekonometrycznych:

Ze względu na interpretację zmiennych objaśruających:

-przvc/,vnv-skutkowc:

W modelu wszystkie zmienne objaśniające są traktowane jako przyczyny kształtowania się znriermej objaśnianej. Model opisuje teorię kształtowania się prognozowanego zjawiska. Nie zawsze udaje się taki model zbudować

-symptomatyczne:

W modelu występują zmienne, będące symptomami trudnych do obserwacji zmiennych lub zjawisk, wpływających na zmienną objaśnianą. Przykładem może być model opisujący czyruiiki wpływające na wielkość kolejowych przewozów pasażerskich. Wśród nich można np. wymienić ceny biletów kolejowych, a także poziom dochodów' oraz wykorzystanie samochodów osobowych w tego rodzaju przewozach. Ta ostatnia wielkość jest trudna do określenia, stąd można ją zastąpić np. liczbą zarejestrowanych samochodów osobowych. Ta