- •В.А. Балаш, о.С. Балаш, а.И. Землянухин Эконометрика
- •Авторы:
- •Рецензенты:
- •Введение
- •Модели.
- •Типы моделей.
- •1.3. Типы данных.
- •1. Парная линейная регрессия
- •Р ис. 1.3. Поле корреляции
- •Множественное линейное уравнение регрессии
- •3. Эконометрические модели с переменной структурой. Фиктивные переменные
- •Данные по производительности работников
- •4. Тест Чоу
- •Решение
- •5. Сравнение «длинной» и «короткой» регрессии
- •Данные по странам
- •6. Гетероскедастичность
- •6.1. Тесты на гетероскедастичность
- •Тест Голдфелда-Квандта (Goldfeld-Quandt).
- •.Тест Бреуша-Пагана (Breus-Pagan).
- •.Тест Вайта (White).
- •6.1.1. Тест Голдфелда-Квандта (Goldfeld-Quandt)
- •6.1.2. Тест Бреуша-Пагана (Breus-Pagan)
- •6.1.3. Тест Вайта (White)
- •6.2. Коррекция на гетероскедастичность
- •Задачи для самостоятельного решения
- •Приложения
- •Основные экономические показатели за 2000г. Для 266 компаний сша
- •Распределение Фишера-Снедекора
- •Закон распределения Стьюдента (t- распределение)
3. Эконометрические модели с переменной структурой. Фиктивные переменные
Ранее рассматривались регрессионные модели с постоянными значениями коэффициентов на множестве исходных данных. Их также называют эконометрическими моделями с постоянной структурой. При построении таких моделей предполагается, что взаимосвязи между зависимой и независимыми переменными постоянны и не подвержены изменениям ни во времени, ни в пространстве.
Однако, кроме переменных, включенных в модель, на уровень анализируемого показателя обычно влияет большое число сопутствующих факторов. Обеспечить постоянство внешних условий для всех объектов, вошедших в выборку, удается достаточно редко.
При анализе реальных социально-экономические процессов часто приходится констатировать, что со временем под влиянием вновь появившихся условий, факторов и масштаба, взаимосвязи между качественными и количественными, зависимыми и независимыми факторами меняются. В таких случаях модели с постоянной структурой являются недостаточно точными для объяснения закономерностей меняющихся явлений и для их анализа прибегают к построению так называемых моделей с переменной структурой. Они позволяют учесть изменения значений коэффициентов в рамках одной эконометрической модели.
Если в ходе сбора статистических данных имеет место косвенное воздействие на них во времени или в пространстве некоторых качественных факторов - сопутствующих переменных, то линейные модели с переменной структурой учитывают скачкообразные сдвиги в значениях коэффициентов регрессии.
Использование моделей с переменной структурой позволяет решить ряд проблем, вызванных неполной спецификацией эконометрической модели: невключение по разным причинам в уравнение регрессии существенных факторов (из-за отсутствия исходных данных, слабости содержательного обоснования и т.д.), неверной функциональной формы модели.
Чаще всего предполагают, что сопутствующие переменные носят качественный характер. Например, на потребление населением газированной воды оказывает влияние качественная «сопутствующая переменная» – сезонность. За этой качественной переменной скрывается целый комплекс факторов: изменение длины светового дня, среднемесячной температуры, распределение праздничных дней по месяцам и т.д. При анализе расходов на продукты питания, очевидно, что существуют различия в образе жизни городского и сельского населения, которые можно попытаться учесть с помощью переменной «тип поселения»: областной центр, город, село.
Для того, чтобы учесть влияние сопутствующих переменных на структуру эконометрической модели, в регрессионную модель вводят фиктивные переменные или дамми-переменные (dummy-variables).
Под фиктивной переменной или дамми-переменной понимают переменную, которая равна единице для конкретной части выборочной совокупности, и нулю - для оставшейся части
Задача 3
Допустим, что исследователю необходимо изучить тест, который предсказывает будущую производительность труда работников. Восемь женщин и семь мужчин выполнили предусмотренные тестом задания. После чего была оценена производительность индексом, принимающим значение от 0 до 10. Данные приведены в таблице 3.1.
Таблица 3.1
