- •1 Предмет, цели и задачи эконометрики. Особенности нхк как объекта моделирования.
- •2 Системный подход как методологическая основа эконометрического моделирования
- •3 Сущность и содержание эконометрической модели (эм)
- •4 Этапы построения эконометрической модели (эм) и их сущность
- •5 Методика выбора результативного и факторных показателей и признаков
- •6. Сбор данных и проверка их на достоверность
- •7. Основные характеристики соответствия данных требованиям закона нормального расп ределения (Гаусса)
- •8. Сущность закона «трех сигм» и его экономическое содержание
- •9. Методы и методики обоснования вида эконометрической модели (эм)
- •10. Экспертные оценки обоснования значимости качественных признаков – факторов эконометрической модели (эм)
- •11. Аналитические и графические способы определения вида эконометрической модели (эм)
- •12. Формы (способы) представления нелинейного влияния факторов на результативный показатель
- •13. Методика обоснования основных параметров эконометрической модели с помощью метода наименьших квадратов (мнк)
- •14. Критерии значимости в устойчивости эм
- •15. Сущность автокорреляции и методы ее устранения. Критерии Дорбина-Уотсона (dw)
- •16 Мультиколлинеарность факторов. Экономическая сущность
- •17. Методы и методики сглаживания мультиколлинеарности. Каскадный анализ
- •18. Методика использования эм при анализе эффективности ресурсов и факторов производства
- •19. Обоснование оптимальных параметров производства на базе эм
- •20. Эм в анализе эффективности региональной экономики. Одно- и двухэтапная схема экономики
- •21. Временные ряды. Методы сглаживания проявления неопределенностей
- •22. Методика построения пространственно-временных и трендовых эм
- •23. Трендовые и пространственно-временные эм в планировании экономики
- •24. Сущность и содержание эм: структурной и развернутой
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:
.
