- •Министерство сельского хозяйства рф
- •080200 "Менеджмент"
- •Содержание
- •Предисловие
- •Тема 1. Введение в эконометрику
- •Предмет эконометрики
- •Основные задачи эконометрики
- •3. Особенности эконометрического метода
- •Вопросы для самоконтроля:
- •4. Типы данных и моделей
- •Тема 2. Основы эконометрического анализа
- •Понятие о корреляции и регрессии
- •2. Сущность корреляционно-регрессионного анализа и моделирования
- •3. Общие принципы проверки статистических гипотез
- •Понятие о корреляции и регрессии
- •2. Сущность корреляционно-регрессионного анализа и моделирования
- •3. Общие принципы проверки статистических гипотез
- •Вопросы для самоконтроля:
- •Тема 3. Однофакторные корреляционно - регрессионные модели и возможности их применения для анализа и прогноза
- •1. Парная регрессия и корреляция в эконометрических исследованиях
- •2. Особенности оценки параметров нелинейных моделей
- •3. Методика построения модели парной регрессии
- •1. Парная регрессия и корреляция в эконометрических исследованиях
- •2. Особенности оценки параметров нелинейных моделей
- •3. Методика построения модели парной регрессии
- •Линейная модель.
- •Равносторонняя гипербола.
- •Степенная модель.
- •Вопросы для самоконтроля:
- •Тема 4: многофакторная корреляция и регрессия
- •Решение вопроса о спецификации модели
- •Описание методов устранения или уменьшения мультиколлинеарности:
- •2. Уравнение многофакторной регрессии, его построение и интерпретация
- •3. Система показателей тесноты многофакторной связи
- •4. Методика проведения анализа на основе построения уравнения многофакторной линейной регрессии
- •5. Предпосылки метода наименьших квадратов
- •Соблюдение требований, которым должен удовлетворять ряд остатков.
- •Вопросы для самоконтроля:
- •Тема 5. Системы эконометрических уравнений
- •1.Системы уравнений в эконометрике
- •2. Модели системы одновременных уравнений и их составляющие
- •3. Решение проблем идентификации
- •4. Методы решения систем одновременных уравнений
- •Косвенный метод наименьших квадратов
- •Вопросы для самоконтроля:
- •Тема 6. Временные ряды. Основные типы трендов
- •Виды и построение временных рядов
- •Основные этапы изучения, моделирования и прогнозирования временных рядов
- •2. Основные типы трендов
- •1. Метод разности средних двух частей одного и того же ряда.
- •Определение критерия Стьюдента и его сравнение с табличным значением.
- •Линейный тренд
- •Характеристика параметров линейного тренда.
- •Параболический тренд
- •Гиперболический тренд
- •Экспоненциальный тренд
- •Логарифмический тренд
- •Логарифмический тренд обладает следующими свойствами:
- •3. Методы распознавания типа тренда и оценки его параметров
- •4. Понятие сезонных колебаний и сезонной составляющей
- •Вопросы для самоконтроля:
- •Тема 7. Автокорреляция временных рядов
- •1. Автокорреляция и авторегрессия
- •Виды автокорреляции:
- •Свойства коэффициента автокорреляции:
- •2. Методы изучения автокорреляции
- •3. Принимают или отклоняют каждую гипотезу с вероятностью (1-α) на основе следующего рисунка:
- •Взаимосвязь временных рядов
- •Методы коррелирования:
- •4 Коинтеграция: понятие, методы проверки гипотезы о ее наличии
- •Методы проверки гипотезы о коинтеграции:
- •Вопросы для самоконтроля:
- •Глоссарий
- •Литература
- •Приложение 1.
- •Приложение 2. Функция стандартного нормального распределения
- •Приложение 5.
- •Вопросы для зачета
Равносторонняя гипербола.
Уравнение равносторонней гиперболы имеет вид:
Данная функция нелинейна относительно переменной, но линейна по параметрам. Прежде, чем проводить анализ необходимо перейти от нелинейной формы к линейной. В регрессиях нелинейных относительно переменных процедура лианеризации (анаморфоза) производится путем замены переменных.
Введем замену:
Вновь полученное
уравнение будет иметь вид:
Таблица 3.5. – Расчетные величины, необходимые для определения параметров уравнения
№ хозяйства |
|
|
|
|
|
1 |
0,5147 |
111,03 |
0,2649 |
12327,8885 |
57,1452 |
2 |
0,2901 |
128,90 |
0,0842 |
16614,7449 |
37,3925 |
3 |
0,5477 |
120,31 |
0,3000 |
14473,8934 |
65,8947 |
4 |
0,3592 |
112,54 |
0,1291 |
12666,1621 |
40,4304 |
… |
… |
… |
… |
… |
… |
15 |
0,4398 |
105,62 |
0,1934 |
11156,0468 |
46,4505 |
Итого |
5,7797 |
1812,68 |
2,3784 |
239812,3499 |
671,5538 |
Среднее |
0,3853 |
120,85 |
0,1586 |
15987,4900 |
44,7703 |
Найдем среднее квадратическое отклонение по Z:
Для расчета параметров уравнения регрессии воспользуемся готовыми формулами:
Уравнение принимает
вид:
Коэффициент эластичности рассчитывается по формуле:
С увеличением затрат труда в растениеводстве на 1 % от своего среднего значения валовой доход отрасли растениеводства увеличивается в среднем на 0,5 %.
Для нелинейной модели рассчитывается индекс корреляции:
Для его нахождения выполним вспомогательные расчеты (таблица 3.6).
Индекс корреляции показывает, что связь между затратами труда в растениеводстве и валовым доходом отрасли умеренная. По индексу корреляции нельзя судить о направлении связи.
Рисунок 3.2. – Влияние затрат труда в растениеводстве на валовой доход отрасли (гиперболическая модель).
Таблица 3.6. – Расчетные величины, необходимые для расчета индекса корреляции и определения показателей аппроксимации
№ |
Х, тыс. чел.-час./га |
У, (тыс. руб.) |
Расчетные величины |
||||
|
|
|
|
|
|||
1 |
1,94 |
111,03 |
97,9715 |
0,0167 |
96,3172 |
170,5524 |
11,7621 |
2 |
3,45 |
128,90 |
137,6860 |
0,0091 |
64,8514 |
77,2256 |
6,8176 |
3 |
1,83 |
120,31 |
92,1285 |
0,0264 |
0,2891 |
794,0583 |
23,4225 |
4 |
2,78 |
112,54 |
125,4583 |
0,0007 |
68,9085 |
166,7782 |
11,4749 |
… |
… |
… |
… |
… |
… |
… |
… |
15 |
2,27 |
105,62 |
111,2160 |
0,0030 |
231,7388 |
31,2905 |
5,2960 |
Итого |
41,48 |
1812,7 |
1812,712 |
0,1514 |
20759,07 |
15980,71 |
326,9739 |
Сред. |
2,77 |
120,85 |
120,8475 |
х |
х |
х |
21,7983 |
Коэффициент детерминации для нелинейных функций рассчитывается следующим образом:
Следовательно, вариация валового дохода отрасли растениеводства, на 23% объясняется вариацией затрат труда в растениеводстве, а остальные 77% вариации валового дохода обусловлены изменением других, не учтенных в модели факторов.
Средняя ошибка аппроксимации равна 21,8%. т.е. в среднем расчетные значения валового дохода отрасли растениеводства, приходящийся на 100 га пашни, отличаются от фактических на 22%, что не входит в допустимый предел. Значит аппроксимирующая функция выбрана неудачно.
Оценим модель через F-критерий Фишера. Выдвинем H0 о статистической незначимости полученного уравнения регрессии и показателя тесноты связи.
Сравним фактическое
значение F-критерия
с табличным. Для этого выпишем из таблицы
«Значения F-Фишера
при уровне значимости α=0,05» табличное
значение.
Так как Fфакт<Fтабл , то при заданном уровне вероятности α=0,05 следует принять нулевую гипотезу о статистической незначимости уравнения регрессии и показателя тесноты связи.
Так как уравнение регрессии является статистически незначимым, расчет прогнозируемого значения валового дохода, приходящегося на 100 га пашни, по данному уравнению не даст достоверного результата.
