Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
ЭИЭММПР от Марины Кузнецовой.doc
Скачиваний:
1
Добавлен:
01.07.2025
Размер:
3 Мб
Скачать
☆

11. Аналитические и графические способы определения вида эконометрической модели (эм)

Один из этапов эконометрического исследования - это спецификация модели, в которую входит отбор фактора и выбор формы функции, о выборе формы функции и пойдет речь.

Парный регрессионный анализ рассматривает проблему для случая однофакторного признака. Пусть имеется набор значений двух переменных: yi и хi Между этими переменными существует объективная связь Y=f(x). Это истинное уравнение, которое нам не известно и не может быть известно. Необходимо по данным наблюдений подобрать функцию y =f(x) наилучшим образом описывающую истинную зависимость Y=f(x). Подобрать функцию – значит определить вид функциональной зависимости и значения входящих в нее параметров.

В эконометрике всегда отдается предпочтение простым функциям перед сложными. Поэтому самая популярная – самая простая – это линейная функция.

Способы выявления формы функции:

1. Графический способ. Это поле корреляции. Корреляционное поле – это точечный график в системе координат, каждая точка которого соответствует единице наблюдения. Положение каждой точки на графике определяется величиной двух признаков – факторного Х и результирующего Y.

Достоинство графического метода, во-первых, в его наглядности. Но этот метод подходит с трудом, если у нас много факторов, трехмерное пространство еще как-то можно изобразить, а четырехмерные модели не изобразить.

2. Теоретический (аналитический метод). Для исследователя это самый простой метод, потому что исследовать ничего не надо, а надо просто опереться на предыдущие знания, исследования, опыты, из них можно выявить форму функции. По аналитической форме модели (уравнения) выделяют линейные, нелинейные, степенные модели и др. Аналитический способ типа уравнений основан на изучении материальной природы связи исследуемых признаков.

Пример:

3. Экспериментальный метод, который заключается в том, что находят параметры разных функций (линейной, нелинейной и проч.) и по опре- деленным критериям выбирают наилучшую функцию, функцию кото- рая наилучшим образом отражает закономерность. Чем ближе функция подходит к нашим точкам, тем лучше.

12. Формы (способы) представления нелинейного влияния факторов на результативный показатель

Различают два класса нелинейных регрессий:

1 Регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам: •полиномы различных степеней , ; •равносторонняя гипербола ; •полулогарифмическая функция .

2 Регрессии, нелинейные по оцениваемым параметрам, например степенная – ; показательная – ; экспоненциальная – .

Регрессии нелинейные по включенным переменным приводятся к линейному виду простой заменой переменных (линеаризация), а дальнейшая оценка параметров производится с помощью метода наименьших квадратов. Рассмотрим некоторые функции.

Парабола второй степени приводится к линейному виду с помощью замены: . В результате приходим к двухфакторному уравнению , оценка параметров которого при помощи МНК, приводит к системе следующих нормальных уравнений:

после обратной замены переменных Парабола второй степени обычно применяется в случаях, когда для определенного интервала значений фактора меняется характер связи рассм-х признаков: прямая связь меняется на обратную или наоборот.

Равносторонняя гипербола приводится к линейному уравнению простой заменой: . Система линейных уравнений при применении МНК будет выглядеть следующим образом: Аналогичным образом приводятся к линейному виду зависимости , и другие.

Несколько иначе обстоит дело с регрессиями нелинейными по оцениваемым параметрам, которые делятся на два типа: нелинейные модели внутренне линейные (приводятся к линейному виду с помощью соответствующих преобразований, например, логарифмированием) и нелинейные модели внутренне нелинейные (к линейному виду не приводятся).

К внутренне линейным моделям относятся, например, степенная функция – , показательная – , экспоненциальная – , логистическая – , обратная – . К внутренне нелинейным моделям можно, например, отнести следующие модели: , . Среди нелинейных моделей наиболее часто используется степенная функция , которая приводится к линейному виду логарифмированием: , где . Т.е. МНК мы применяем для преобразованных данных: а затем потенцированием находим искомое уравнение.

Широкое использование степенной функции связано с тем, что параметр в ней имеет четкое экономическое истолкование – он является коэффициентом эластичности.

Коэффициент эластичности показывает, на сколько процентов измениться в среднем результат, если фактор изменится на 1%. Формула для расчета коэффициента эластичности имеет вид: .. Так как для остальных функций коэффициент эластичности не является постоянной величиной, а зависит от соответствующего значения фактора , то обычно рассчитывается средний коэффициент эластичности: .