- •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
5.2. Оценка степени тесноты связи между количественными переменными.
Среди нелинейных функций, которые могут быть приведены к линейному виду, степенная функция , связано это с тем, что параметр b имеет чёткое экономическое истолкование, то есть он является коэффициентом эластичности.
Это значит, что b показывает,
на сколько % изменится в среднем результат,
если фактор изменится на 1%. Рассмотрим
пример
Зависимость спроса от цен, с увеличением цен на 1% спрос снижается на 1,12%.
-
первая производная, характеризующая
соотношение приростов результата и
фактора для соответствующей формы
связи.
Для степенной функции
.
Коэффициент эластичности можно определить и для других форм связи, то только для степеней функции он представляет собой постоянную величину = b.
Для
.
В силу того, что коэффициент эластичности для линейной функции не является величиной постоянной, а зависит от соответствующего значения х, то рассчитываем средний показатель эластичности:
.
Для оценки применяется МНК
к уравнению
b – определяется из системы, а «а» - косвенным путем, после потенцирования величины ln a.
Например,
Поскольку а – экономически не интерпретируется, то нередко зависимость остаётся в виде логарифмически линейной. В виде степенной функции изучаем не только спрос, но и предложение.
Обычно эластичность спроса: b<0, а эластичность предложения: b>0.
Несмотря на широкое использование в эконометрике коэффициентов эластичности, возможны случаи, когда их расчёт экономического смысла не имеет. Например, тогда, когда для рассматриваемых признаков бессмысленно определение изменения значений в %. Вряд ли кто будет определять на сколько % может измениться зарплата с ростом стажа работы на 1%. Или на сколько % изменится урожайность пшеницы, если качество почвы измеряемое в баллах, изменится на 1%.
Изучая соотношение ставок межбанковского кредита (у) в % и срока его предоставления в днях (х), получено УР.
Э=0,352% лишён смысла ибо срок предоставления не изменяется в %.
При использовании для этой же задачи линейной зависимости
b=0,403 в % показывает изменение ставок кредита с увеличением срока их предоставления на 1 день.
Практическое применение экспоненты возможно, если результативный признак не имеет отрицательных значений. Поэтому, если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция не может быть использована.
Табл. Коэффициенты эластичности для ряда математических функций.
-
Вид функции,
у
Первая производная,
Коэффициент эластичности,
Линейная
b
Парабола второго порядка
b+2cx
Гипербола
Показательная
Степенная
Полулогарифмическая
Логистическая
Обратная
При исследовании взаимосвязей среди функций использующих ln y, в эконометрике преобладают степенные зависимости – это и кривые спроса и предложения, а также кривые Энгеля и производственные функции, и кривые освоения для характеристики связи между трудоёмкостью продукции и масштабами производства в период освоения нового вида изделий, и зависимость валового национального дохода от уровня занятости.
В отдельных случаях может использоваться и нелинейная модель , так называемая обратная модель, является разновидностью гиперболы.
внутренне нелинейна МНК для обратных величин.
МНК:
Данное уравнение отражает обратную
связь рассмотренных признаков, линейно
относительно
.
имеет экономический смысл, b
- интерпретируется как для линейной
зависимости средний прирост.
Уравнение вида
характеризует прямую зависимость
результативного признака от фактора.
Оно целесообразно при медленном повышении
уровней результативного признака с
ростом значений фактора. Возможно: 1)
логарифмирование
2) преобразование в обратные величины
Функция насыщения. Используется для анализа стат.данных о бюджетах потребителей и др.
Для показательной функции
,
доверительный интервал для параметра
b:
-
строят доверительные интервалы.
, для
и
,
а далее с помощью обратного преобразования
доверительные преобразования для а и
b.
Для степенной
строится
как в линейной.
