- •Определение эконометрики, задачи эконометрики, этапы эконометрического исследования
- •Спецификация модели и метод выбора парной регрессии
- •Метод наименьших квадратов
- •Свойства оценок метода наименьших квадратов
- •Оценка существенности парной линейной регрессии
- •Оценка существенности параметров уравнения одинаковые
- •Линейный коэффициент корреляции. Коэффициент детерминации. Значимость линейного коэффициента корреляции
- •Степенная регрессия
- •Интервальный прогноз по линейному уравнению регрессии
- •Нелинейная регрессия. Классификация, примеры моделей
- •Показательная регрессия
- •Гиперболическая регрессия
- •Гиперболическая регрессия одинаковые
- •14. Средняя ошибка аппроксимации
- •15. Коэффициент эластичности
- •17. Спецификации модели и методы построения уравнения множественной регрессии
- •18. Оценка параметров уравнения множественной регрессии.
- •19. Стандартизованный коэффициент регрессии
- •20. Множественная корреляция
- •21. Выбор формы уравнения множественной регрессии
- •22. Частный коэффициент корреляции
- •23. Оценка надежности результатов множественной регрессии и корреляции.
- •24. Предпосылки мнк
- •25. Автокорреляция в остатках. Методы оценивания
- •26. Суть и последствия гетероскедастичности
- •27. Методы обнаружения гетероскедастичности
- •28. Омнк
- •29. Сущность и признаки мультиколлинеарности, ее последствия
- •30. Методы устранения мультиколлинеарности
- •31. Фиктивные переменные, их использование в сезонных исследованиях
- •32. Как интерпретируются коэффициенты при фиктивных переменных
- •33. Временные ряды. Классификация.
- •34. Компоненты временного ряда. Уровни временного ряда
- •35. Понятие тренда, его компоненты, анализ.
- •36. Моделирование сезонных и циклических колебаний
- •37. Автокорреляция временных рядов. Коэффициент корреляции. Лаг.
- •38. Методы обнаружения автокорреляции. Критерий Дарбина-Уотсона
- •Ограничения коэффициента ранговой корреляции
- •39. Методы обнаружения автокорреляции. Критерий Спирмена
- •Ограничения коэффициента ранговой корреляции
- •40.Системы эконометрических уравнений
- •41. Проблема идентификации
- •42. Структурная и приведенная формы модели.
- •43.Идентификация модели. Проблема идентификации.
- •44. Оценивание параметров структурной модели.
- •45. Косвенный метод наименьших квадратов
- •46. Двухшаговый метод наименьших квадратов
31. Фиктивные переменные, их использование в сезонных исследованиях
Фиктивная переменая (англ. dummy variable) — качественная переменная, принимающая значения 0 и 1,включаемая в эконометрическую модель для учёта влияния качественных признаков и событий наобъясняемую переменную. При этом фиктивные переменные позволяют учесть влияние не толькокачественных признаков принимающих два, но и несколько возможных значения. В этом случае добавляютсянесколько фиктивных переменных. Фиктивная переменная может быть также индикатором принадлежностинаблюдения к некоторой подвыборке. Последнее можно использовать для обнаружения структурныхизменений.
В регрессионных моделях с временными рядами используется три основных вида фиктивных переменных:
1) Переменные-индикаторы принадлежности наблюдения к определенному периоду — для моделирования скачкообразных структурных сдвигов. Границы периода (моменты “скачков”) должны быть установлены из априорных соображений. Например, 1, если наблюдение принадлежит периоду 1941-45 гг. и 0 в противном случае. Это пример использования для моделирования временного структурного сдвига. Постоянный структурный сдвиг моделируется переменной равной 0 до определенного момента времени и 1 для всех наблюдений после этого момента времени.
2) Сезонные переменные — для моделирования сезонности. Сезонные переменные принимают разные значения в зависимости от того, какому месяцу или кварталу года или какому дню недели соответствует наблюдение.
3) Линейный временной тренд — для моделирования постепенных плавных структурных сдвигов. Эта фиктивная переменная показывает, какой промежуток времени прошел от некоторого “нулевого” момента времени до того момента, к которому относится данное наблюдение (координаты данного наблюдения на временной шкале). Если промежутки времени между последовательными наблюдениями одинаковы, то временной тренд можно составить из номеров наблюдений.
Временной тренд отличается от бинарных фиктивных переменных тем, что имеет смысл использовать его степени: t2 , t3 и т. д. Они помогают моделировать гладкий, но нелинейный тренд. (Бинарную переменную нет смысла возводить в степень, потому что в результате получится та же самая переменная.)
Можно также комбинировать указанные виды фиктивных переменных, создавая переменные “взаимодействия” соответствующих эффектов.
Комбинация рассмотренных фиктивных переменных позволяет моделировать еще один эффект — изменение наклона тренда с определенного момента. Помимо тренда в регрессию следует тогда ввести следующую переменную: в начале выборки до некоторого момента времени она равна 0, а вторая ее часть представляет собой временной тренд (1, 2, 3 и т. д. в случае одинаковых интервалов между наблюдениями).
Использование фиктивных переменных имеет следующие преимущества:
1) Интервалы между наблюдениями не обязательно должны быть одинаковыми. В выборке могут быть пропущенные наблюдения.
2) Коэффициенты при фиктивных переменных легко интерпретировать, они наглядно представляют структуру динамического процесса.
3) Для оценивания модели не приходится выходить за рамки классического метода наименьших квадратов.
В сезонных исследованиях количество фиктивных переменных выбирается на 1 меньше числа периодов времени внутри одного целого колебания.
В этом случае каждая фиктивная переменная отражает сезонную компоненту временного ряда для одного периода. Она =1 для данного периода и 0 в остальных случаях.