- •Глава 4. Предпосылки метода наименьших квадратов 88
- •Глава 5. Нелинейные модели регрессии. 112
- •Глава 6. Временные ряды в эконометрических исследованиях. 123
- •Глава 7. Системы экономических уравнений 166
- •1. Предмет и задачи курса.
- •1.1 Определение эконометрики. Взаимосвязь с другими науками. Эконометрика и экономическая теория. Эконометрика и статистика. Эконометрика и экономико-математические методы.
- •Чем собственно занимается эконометрист?
- •1.2 Области применения эконометрических моделей. Методологические вопросы построения эконометрических моделей: обзор используемых методов.
- •2.1. Эконометрические модели: общая характеристика, различия статистического и эконометрического подхода к моделированию.
- •2. Регрессионные модели с одним уравнением.
- •3. Системы одновременных уравнений.
- •2. Спецификация переменных в уравнениях регрессии.
- •2.2.Спецификация переменных в уравнение регрессии. Ошибки спецификации.
- •3. Парная и множественная регрессия.
- •3.1.Понятие о функциональной, статистической и корреляционных связях. Основные задачи корреляционно-регрессионного анализа.
- •3.2. Уравнение регрессии, его смысл и назначение. Выбор типа математической функции при построении уравнения регрессии.
- •3.3 Линейная модель парной регрессии. Метод наименьших квадратов (мнк). Свойство оценок мнк.
- •Статистические свойства оценок метода наименьших квадратов.
- •Дополнительное предположение о нормальном распределении ошибок
- •Свойства выборочных вариаций (дисперсий) и ковариаций.
- •Свойства остатков
- •Несмещенность мнк-оценок
- •Состоятельность оценок
- •Эффективность (оптимальность) оценок
- •Несмещённость.
- •Эффективность.
- •Противоречия между несмещённостью и минимальной дисперсией.
- •Влияние увеличения размера выборки на точность оценок.
- •Состоятельность.
- •3.4.Ковариация. Коэффициент ковариации. Показатели качества регрессии: линейный коэффициент регрессии, коэффициент детерминации.
- •3.5.Стандартная ошибка уравнения регрессии. Оценка статистической значимости показателей корреляции, параметров уравнения регрессии. Дисперсионный анализ. Критерии Фишера и Стьюдента.
- •Интервалы прогноза по линейному уравнению регрессии.
- •3.6. Понятие о множественной регрессии. Классическая линейная модель множественной регрессии (клммр). Определение параметров уравнения множественной регрессии методом наименьших квадратов.
- •Классическая модель множественной линейной регрессии.
- •Предпосылки классической многомерной линейной регрессионной модели.
- •Выбор формы уравнения регрессии.
- •Частные уравнения регрессии
- •Множественная корреляция
- •Частная корреляция
- •3.8. Оценка качества модели множественной регрессии: f-критерий Фишера, t-критерий Стьюдента. Мультиколлинеарность. Методы устранения мультиколлинеарности.
- •Глава 4. Предпосылки метода наименьших квадратов
- •4.1. Исследование остатков величин регрессии.
- •4.2. Проблема гетероскедастичности. Её экономические причины и методы выявления.
- •4.3. Линейные регрессионные модели с гетероскедастичными и автокоррелированными остатками.
- •4.4. Обобщенный метод наименьших квадратов. (омнк).
- •Глава 5. Нелинейные модели регрессии.
- •5.1. Нелинейные модели регрессии и их линеаризация.
- •5.2. Оценка степени тесноты связи между количественными переменными.
- •5.3. Индекс корреляции, теоретическое корреляционное отношение. Коэффициент детерминации для нелинейных моделей.
- •5.4. Применение мнк для нелинейных моделей.
- •Выбор функции. Тесты Бокса-Кокса.
- •Глава 6. Временные ряды в эконометрических исследованиях.
- •6.1. Специфика временных рядов как источника данных в эконометрическом моделировании.
- •6.2. Модели стационарных и нестационарных временных рядов и их идентификация.
- •6.3. Аналитическое выравнивание временных рядов. Оценка параметров уравнения тренда.
- •6.4. Автокорреляция в остатках, её измерение и интерпретация. Критерий Дарбина-Уотсона в оценке качества трендового уравнения регрессии.
- •6.5. Анализ временных рядов при наличии периодических колебаний: аддитивная и мультипликативная модели.
- •Глава 7. Системы экономических уравнений
- •7.1. Виды систем эконометрических уравнений. Независимые системы. Рекурсивные системы.
- •7.2 Система линейных одновременных уравнений. Структурная и приведенная формы эконометрической модели.
- •7.3 Проблемы идентификации
- •Косвенный метод наименьших квадратов (кмнк)
- •Двухшаговый метод наименьших квадратов (дмнк)
- •Применение систем эконометрических уравнений
Несмещённость.
Поскольку оценки являются случайными переменными, их значения лишь по случайному совпадению могут в точности равняться характеристикам генеральной совокупности. Обычно будет присутствовать определённая ошибка, которая может быть большой, или малой, положительной или отрицательной, в зависимости от чисто случайных составляющих величин х в выборке.
Желательно, чтобы оценка в среднем за достаточно длительный период была аккуратной. То есть математическое ожидание оценки = соответствующей характеристике генеральной совокупности. Такая оценка называется несмещённой. Если это не так, то оценка называется смещённой и разница, между её М. О. и соответствующей теоретической характеристикой генеральной совокупности называется смещением.
Полученная оценка – не единственно
возможная несмещённая оценка
.
Рассмотрим выборку из всего двух
наблюдений
и
.
Любое взвешенное среднее наблюдений
и
было бы несмещённой оценкой, если сумма
весов равна 1. Докажем, это. Рассмотрим
обобщённую форму оценки:
,
то
,
z – несмещенная оценка.
Эффективность.
Несмещённость – желательное свойство оценок, но не единственное свойство. Ещё одна их важная сторона – это надёжность. Конечно, немаловажно, чтобы оценка была точной в среднем за длительный период. Пусть имеем две оценки теоретического среднего, рассчитанных на основе одной и той же информации. Поскольку функция плотности вероятности для В более «сжата», чем для А, с её помощью мы скорее получим более точное значение. Таким образом оценка В более эффективна. Эффективна та оценка, дисперсия которой min.
Противоречия между несмещённостью и минимальной дисперсией.
Для оценки желательна несмещённость и наименьшая возможная дисперсия. Эти критерии совершенно различны, и иногда они могут противоречить друг другу.
А – несмещённая
у В меньшая дисперсия.
Данный выбор зависит от обстоятельств. Если возможные ошибки вас не очень тревожат при условии, что за длительный период они «погасят» друг друга, то тогда выбираем А.
С другой стороны, если для вас приемлемы малые ошибки, но неприемлемы большие, то вам следует выбрать В.
Выбор определяется функцией потерь, стоимостью сделанной ошибки как функции её размера. Обычно выбирают оценку, дающую наименьшее ожидание потерь, и делается это путём взвешивания функции потерь по функции плотности вероятности.
Влияние увеличения размера выборки на точность оценок.
При увеличении n оценка
становится более точной. В единичном
эксперименте большая по размеру выборка
необязательно даст более точную оценку,
всегда может присутствовать элемент
везения. Так как дисперсия
,
то она тем меньше, чем больше n.
Влияние увеличения размера выборки на распределение .
P =
предел
по вероятности.
Состоятельность.
Если предел по вероятности равен истинному значению характеристики генеральной совокупности, то эта оценка называется состоятельной. Таким образом, состоятельной называется такая оценка, которая даёт точное значение для большой выборки независимо от входящих в неё конкретных наблюдений.
Необходимо иметь в виду, что состоятельная оценка в принципе может на малых выборках работать хуже, чем состоятельная (иметь большее СКО) и поэтому требуется осторожность.
