- •Специальность менеджмент
- •Тема 1. Спецификация эконометрической модели.
- •Определение эконометрики
- •Пример решения эконометрической задачи
- •Спецификация эконометрической модели
- •Тема 2. Отбор факторов, включаемых в модель множественной регрессии.
- •2.2. Мультиколлинеарность
- •2.3. Методы включения факторов в модель
- •4. Если коэффициент корреляции равен 0, то это означает, что между х и у нет линейной зависимости, но может быть нелинейная зависимость.
- •5. Корреляционным полем называется график совместного распределения х и у.
- •2.4. Метод шагового включения
- •3.1. Определение фиктивной переменной
- •3.2. Определение модели с переменной структурой
- •Тема 3. Фиктивные переменные.
- •3.3. Область использования фиктивной переменной
- •3.4.Пример использования фиктивной переменной
- •2. Отрицательное значение r(X,y) означает, что при увеличении х наблюдается тенденция уменьшения у,
- •Тема 3. Фиктивные переменные.
- •3.4. Пример использования фиктивной переменной
- •Тема 4.Линейное уравнение множественной регрессии .
- •4.1. Общий вид уравнения множественной регрессии
- •4.3. Экономическая интерпретация коэффициентов линейного уравнения
- •4.4. Примеры экономической интерпретации коэффициентов линейного уравнения
- •Тема 5. Оценка параметров линейных уравнений регрессии
- •Тема 6. Предпосылки мнк, методы их проверки
- •6.1. Предпосылки мнк
- •6.2. Проверка первой, второй предпосылок мнк
- •6.3. Проверка третьей, четвертой предпосылок мнк
- •6.4. Проверка пятой предпосылки мнк
- •Тема 7. Свойства оценок параметров эконометрической модели, получаемых при помощи мнк
- •Тема 8. Обобщенный метод наименьших квадратов (омнк)
- •8.2. Анализ третьей и четвертой предпосылок мнк
- •8.3. Использование омнк при гетероскедастичных остатках
- •8.4. Использование омнк при наличии автокорреляции остатков
- •Тема 9. Оценка тесноты связи
- •9.4.2. Ложная корреляция временных рядов
- •Тема 9. Оценка тесноты связи
- •9.2. Свойства коэффициента корреляции
- •2. Отрицательное значение r(X,y) означает, что при увеличении X наблюдается тенденция уменьшения y,
- •4. Если коэффициент корреляции равен 0, то это означает, что между х и у нет линейной зависимости, но может быть нелинейная зависимость.
- •5. Корреляционным полем называется график совместного распределения х и у.
- •9.3. Предпосылки коэффициента корреляции
- •9.4. Виды ложной корреляции
- •9.5. Проверка статистической значимости коэффициента корреляции
- •Тема 10. Оценка качества подбора уравнения
- •10.1. Перечень показателей качества модели
- •10.2. Ошибка модели, выраженная в процентах, вычисляется по формуле:
- •10.3. Дисперсионный анализ регрессионной модели
- •Тема 11. Проверка статистической значимости эконометрической модели
- •Тема 12. Оценка значимости параметров эконометрической модели
- •12.1. Проверка статистической значимости параметров эконометрической модели
- •Шаг 3. Вычисляются фактические значения критерия Стьюдента
- •12.2. Прогнозирование
- •12.3. Доверительный интервал функции регрессии.
- •Тема 13. Нелинейные зависимости в экономике
- •Тема 14. Виды нелинейных уравнений регрессии
- •14.1Ограничения применения мнк
- •14.2Линейная относительно коэффициентов, переменных аддитивная модель
- •14.3Классификация нелинейных моделей
- •14.4Нелинейные модели, которые являются внутренне линейными
- •Тема 15. Линеаризация нелинейных моделей регрессии
- •15.4. Метод обращения и разложения в ряд Тейлора
- •Тема 16. Оценка качества нелинейных уравнений регрессии
- •Тема 17. Временные ряды данных: характеристики и общие понятия Определение временного ряда
- •Основные свойства экономического временного ряда
- •1). Текущее состояние экономической системы зависит от прошлых, настоящих и будущих значений переменных этой системы, влияет на будущие значения и не влияет на прошлые значения см. Рис.
- •Статистические характеристики временного ряда
- •Периодограмма
- •Тема 18. Структура временного ряда Структура временного ряда
- •Сезонная составляющая
- •Циклическая составляющая
- •Тема 19. Аддитивная и мультипликативная модели временных рядов Два вида моделей временных рядов
- •Правила выбора моделей временных рядов
- •Этапы построения модели временного ряда
- •Примеры построения моделей временных рядов
- •Тема 20. Модели стационарных и нестационарных временных рядов и их идентификация
- •20.1.Определение строго стационарных временных рядов
- •20.2.Проверка стационарности временных рядов
- •20.3.Модели стационарных временных рядов
- •1) Модели авторегрессии;
- •2) Модели скользящего среднего;
- •3) Модели авторегрессии и скользящего среднего.
- •2) |Φ|‹1 – условие, обеспечивающее обратимость смешанной модели.
- •20.4. Модели нестационарных временных рядов
- •Если линейная модель
- •Эконометристами были предложены несколько методов определения
- •- Вычисляются остатки модели
- •Тема 21. Общие понятия о системах уравнений, используемых в эконометрике Определение эндогенных переменных.
- •Тема 22. Классификация систем уравнений
- •Тема 23. Идентификация систем эконометрических уравнений
- •Тема 24. Методы оценки параметров систем одновременных уравнений: косвенный метод наименьших квадратов (кмнк) и двухшаговый метод наименьших квадратов (дмнк)
- •1) На основе структурной формы системы одновременных уравнений составляется её приведённая форма, все параметры которой выражены через структурные коэффициенты;
- •2) Приведённые коэффициенты каждого уравнения оцениваются обычным методом наименьших квадратов с помощью функции линейн;
- •3) На основе оценок приведённых коэффициентов системы одновременных уравнений определяются оценки структурных коэффициентов через приведённые уравнения.
- •Двухшаговый метод наименьших квадратов Расчет коэффициентов модели
- •На первом шаге устраняется зависимость у2t от еt с помощью уравнения приведенной системы одновременных уравнений
Тема 14. Виды нелинейных уравнений регрессии
14.1Ограничения применения мнк
Многие экономические процессы описываются нелинейными функциональными зависимостями.
Метод наименьших квадратов применим к линейным (относительно коэффициентов и параметров) аддитивным регрессионным уравнениям следующего вида:
У = а0 + а1*Х1 + а2*Х2 + … ак*Хк + е,
где - а0, а1, … -коэффициенты регрессии являются линейными и соединены аддитивно (сложением),
- Х1, Х2, … -переменные находятся в первой степени.
14.2Линейная относительно коэффициентов, переменных аддитивная модель
Приводим классификацию эконометрических моделей относительно коэффициентов, переменных и остатков.
Модель считается линейной по коэффициентам и переменным с аддитивными остатками и коэффициентами, если выполняются следующие условия:
- коэффициенты имеют первую степень;
- переменные имеют первую степень;
- коэффициенты связаны аддитивно;
- остатки включены в модель аддитивно.
Пример линейной модели по коэффициентам, переменным и аддитивным остаткам:
Уi = а0 + а1*Хi + еi – линейная однофакторная модель.
Уi= a0 + a1*Х1i + a2*Х2i + a3*Х3i + ei- многофакторная линейная модель,
где Х1, Х2, Х3- факторы, независимые переменные, оказывающие влияние на У.
14.3Классификация нелинейных моделей
Все нелинейные модели можно разделить на три вида: степенные, показательные и экспоненциальные.
Числа в степени, например, а0а1 имеют следующие названия а0- основание степени, а1 – показатель степени.
В зависимости от того где находится фактор Х в основании степени или является показателем степени, различают соответственно степенные и показательные виды нелинейных моделей:
- если фактор Х является основанием степени, то такие модели называются степенными, например:
Уi = a0*Xia1*ei – степенная модель
- если фактор Х является показателем степени, то такие модели называются показательными, например:
Уi = a0*a1xi*ei – показательная модель
- если в основании степени стоит е – основание натурального логарифма, то такие модели называются экспоненциальными, например:
Уi =а0ea1*Хi *еi – экспоненциальная модель, которая является разновидностью показательной модели, так как Х является показателем степени.
14.4Нелинейные модели, которые являются внутренне линейными
Нелинейные модели называются внутренне линейными, если после преобразований они могут быть к линейному виду.
Приводим нелинейные модели, которые являются внутренне линейными.
Модель считается нелинейной по коэффициентам, нелинейной по переменным и мультипликативным остаткам, если выполняются следующие условия:
- коэффициенты имеют первую степень, но некоторые входят в состав степени;
- переменные имеют степень, отличную от 1;
- коэффициенты связаны мультипликативно;
- остатки включены в модель мультипликативно.
Пример модели нелинейной по коэффициентам, нелинейной по переменным и мультипликативным остаткам:
Уi = a0*Xia1*ei – степенная модель
Модель считается нелинейной по коэффициентам, линейной по переменным и мультипликативным остаткам, если выполняются следующие условия:
- коэффициенты имеют степень, отличную от 1;
- переменные имеют первую степень;
- коэффициенты связаны мультипликативно;
- остатки включены в модель мультипликативно.
Пример модели нелинейной по коэффициентам, линейной по переменным и мультипликативным остаткам:
Уi = a0*a1xi*ei – показательная модель
У = 1/(а0+а1X + e) – модифицированная гипербола.
Модель считается нелинейной по коэффициентам, нелинейной по переменным и мультипликативным остаткам, если выполняются следующие условия:
- коэффициенты имеют первую степень и входят в состав степени;
- переменные имеют первую степень, но входят в состав степени;
- коэффициенты связаны аддитивно, но входят в состав степени;
- остатки включены в модель мультипликативно.
Пример модели нелинейной по коэффициентам, нелинейной по переменным и мультипликативным остаткам:
Уi = e a0+a1*Хi *еi – экспоненциальная модель.
Следующие виды нелинейных моделей:
Уi = a0*Xia1*ei – степенная модель
Уi = a0*a1Хi*ei – показательная модель
Уi = e a0+a1*Хi *еi – экспоненциальная модель
являются внутренне линейными, так как после преобразований могут быть приведены к линейному виду.
Например, степенную модель, отражающую зависимость спроса от цены:
Уi = a0*Xia1*ei
можно считать внутренне линейной, так как после логарифмирования получим линейную модель:
lnУi = ln(a0)+a1*ln(Xi)+ln(ei).
Коэффициенты линейных моделей можно рассчитать с помощью Метода Наименьших Квадратов (МНК).
Нелинейные модели, которые являются внутренне нелинейными
Нелинейные модели являются внутренне нелинейными, если их нельзя привести к линейному виду.
Внутренне нелинейными являются модели вида:
Уi = a0*Xia1 + ei
Коэффициенты нелинейных моделей, которые являются внутренне нелинейными (вообще любых моделей), рассчитываются с помощью интерактивных методов, например, с помощью программы Ехсе1 «Поиск решения»: необходимо найти такие коэффициенты, при которых сумма квадратов остатков (целевая функция) будет минимальной.
1. Линейная |
y=a+bx |
2. Парабола |
y=a+bx+cx2 |
3. Экспоненциальная |
y=aeвx |
4. Логарифмическая |
y=a+b·ln(x) |
5. Степенная функция |
y=а·xb |
6. Гипербола |
y=a+b/x |
7. Показательная |
у= авх |
8. Логистическая |
y=а/(в+сх) |
