­ Reja: Korrelyatsion-regression tahlilda eng kichik kvadratlar usulining qo‘llanilishi

Ekenomerik modellar parametrlarini aniqlshga “Eng kichik kvadratlar usuli” dan foydalanish uslubiyoti
­
Reja:

1.Korrelyatsion-regression tahlilda eng kichik kvadratlar usulining qo‘llanilishi
2.Baholashning eng kichik kvadratlar usuli
3.Umumlashtirilgan va bevosita “eng kichik kvadratlar usuli”
Korrelyatsion-regression tahlilda eng kichik kvadratlar usulining qo‘llanilishi

Regression tahlil natijaviy belgiga ta’sir etuvchi omillarning samaradorligini aniqlab beradi. Regressiya so‘zi lotincha regressio so‘zidan olingan bo‘lib, orqaga harakatlanish degan ma’noga ega. Bu atama korrelyatsion tahlil asoschilari F.Galton va K.Pirson nomlari bilan bog‘liqdir. Regression tahlil natijaviy belgiga ta’sir etuvchi belgilarning samaradorligini amaliy jihatdan yetarli darajada aniqlik bilan baholash imkonini beradi. Regression tahlil yordamida ijtimoiy-iqtisodiy jarayonlarning kelgusi davrlar uchun prognoz qiymatlarini baholash va ularning ehtimollik chegaralarini aniqlash mumkin. Regression va korrelyatsion tahlilda bog‘lanishning regressiya tenglamasi aniqlanadi va u ma’lum ehtimol (ishonchlilik darajasi) bilan baholanadi, so‘ngra iqtisodiy-statistik tahlil qilinadi.

Funksiyalar parametrlari odatda “eng kichik kvadratlar” usuli bilan aniklanadi. Eng kichik kvadratlar usulini mazmuni quyidagicha: xaqiqiy miqdorlarning tekislangan miqdorlardan farqining kvadratlari yig‘indisi eng kam bo‘lishi zarur


_(2.15)

Bir omilli chiziqli bog‘lanishni olaylik:

(2.16)

Ekonometrik model tuzishda natijaviy ko‘rsatkich bilan unga ta’sir etuvchi omillar o‘rtasidagi aloqalarni ifodalovchi koeffisientlarni hisoblash uchun Markov teoremasiga binoan yuqoridagi formulalarga asosan normal tenglamalar tizimi yaratiladi va keyinchalik tenglamalar yechimi topiladi.
Regressiya kabi ekonometrik usullar to‘liq noaniqlik masalasini yechishga yordam beradi va rejalashtirish hamda qaror qabul qilishda asosiy yo‘nalishlarni ta’minlaydi¹. Albatta, modellarni yaratish oson masala emas. Modellar aniq bir mezonga mos kelishi (masalan, model avtokorrelyatsiyadan holi bo‘lishi kerak) va o‘rganilayotgan jarayonga mos kelishi lozim va yaxshi modelni yaratish uchun odatda katta ishlarni bajarish kerak. Bundan tashqari, modelga o‘zgaruvchilarni kiritish kerakmi yoki yo‘qmi degan savolga tegishli qaror qabul qilish kerak. Haddan ko‘p o‘zgaruvchilar modelda ayrim qiyinchiliklarga olib kelishi, yetarli bo‘lmagan o‘zgaruvchilar esa noto‘g‘ri funksional shakllarga olib kelishi mumkin