- •ОГЛАВЛЕНИЕ
- •ПРЕДИСЛОВИЕ
- •МЕТОДИЧЕСКИЕ МАТЕРИАЛЫ
- •РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ
- •РЕКОМЕНДАЦИИ ПО САМОСТОЯТЕЛЬНОЙ РАБОТЕ СТУДЕНТА
- •ТЕОРЕТИЧЕСКИЕ МАТЕРИАЛЫ
- •ГЛАВА 1. СТАТИСТИЧЕСКИЕ ПОНЯТИЯ И РАСПРЕДЕЛЕНИЯ
- •§ 1. Введение
- •§ 2. Суть регрессионного анализа
- •§ 3. Некоторые статистические определения
- •§ 4. Нормальное (гауссовское) распределение
- •§ 5. (хи-квадрат)-распределение
- •§ 6. Распределение Стьюдента (t-распределение)
- •§ 7. F-распределение (распределение дисперсионного отношения)
- •§ 8. Статистическая проверка гипотез
- •§ 9. Определение критических значений распределений Стьюдента и Фишера с использованием программы Microsoft Office Excel
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 2. ПАРНАЯ ЛИНЕЙНАЯ РЕГРЕССИЯ. УСЛОВИЯ ГАУССА–МАРКОВА
- •§ 1. Основные понятия
- •§ 2. Метод наименьших квадратов
- •§ 3. Предпосылки метода наименьших квадратов
- •§ 4. Анализ точности определения оценок коэффициентов регрессии
- •§ 5. Проверка статистической значимости коэффициентов парной линейной регрессии
- •§ 6. Интервальные оценки коэффициентов линейного уравнения регрессии
- •§ 7. Доверительные интервалы для зависимой переменной
- •§ 8. Проверка общего качества уравнения регрессии. Коэффициент детерминации
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 3. МНОЖЕСТВЕННАЯ ЛИНЕЙНАЯ РЕГРЕССИЯ
- •§ 1. Определение параметров уравнения регрессии
- •§ 2. Расчет коэффициентов множественной линейной регрессии
- •§ 3. Дисперсии и стандартные ошибки коэффициентов
- •§ 4. Проверка статистической значимости коэффициентов уравнения регрессии
- •§ 5. Интервальные оценки коэффициентов теоретического уравнения регрессии
- •§ 6. Проверка общего качества уравнения регрессии
- •§ 7. Проверка равенства двух коэффициентов детерминации
- •§ 8. Проверка гипотезы о совпадении уравнений регрессии для двух выборок
- •§ 10. Частные уравнения регрессии
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 4. АВТОКОРРЕЛЯЦИЯ СЛУЧАЙНЫХ ВОЗМУЩЕНИЙ
- •§ 1. Суть и причины автокорреляции
- •§ 2. Последствия автокорреляции
- •§ 3. Обнаружение автокорреляции. Критерий Дарбина–Уотсона
- •§ 4. Методы устранения автокорреляции
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 5. ГЕТЕРОСКЕДАСТИЧНОСТЬ СЛУЧАЙНЫХ ВОЗМУЩЕНИЙ
- •§ 1. Общие понятия
- •§ 2. Последствия гетероскедастичности
- •§ 3. Обнаружение гетероскедастичности
- •§ 4. Методы смягчения проблемы гетероскедастичности
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 6. МУЛЬТИКОЛЛИНЕАРНОСТЬ
- •§ 1. Общие понятия и последствия мультиколлнеарности
- •§ 2. Определение мультиколлинеарности
- •§ 3. Методы устранения мультиколлинеарности
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 7. ФИКТИВНЫЕ ПЕРЕМЕННЫЕ В РЕГРЕССИОННЫХ МОДЕЛЯХ
- •§ 1. Модель с одной фиктивной (бинарной) переменной
- •§ 3. Сравнение двух регрессий
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 8. НЕЛИНЕЙНАЯ РЕГРЕССИЯ
- •§ 1. Общие понятия
- •§ 2. Степенные модели (логарифмические)
- •§ 3. Обратная модель (гиперболическая)
- •§ 4. Полиномиальная модель
- •§ 5. Показательная модель (лог-линейная)
- •§ 6. Выбор формы модели
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 9. ВРЕМЕННЫЕ РЯДЫ
- •§ 1. Общие понятия
- •§ 2. Моделирование тренда временного ряда
- •§ 4. Стационарные ряды
- •§ 5. Процесс авторегрессии AR(p)
- •§ 6. Процессы скользящего среднего MA(q)
- •§ 7. Комбинированные процессы авторегрессии-скользящего среднего ARMA(p, q)
- •§ 8. Модели ARMA, учитывающие наличие сезонности
- •§ 9. Нестационарные временные ряды. Процессы авторегрессии и проинтегрированного скользящего среднего ARIMA(p, k, q)
- •§ 10. Регрессионные модели с распределенными лагами
- •§ 11. Полиномиально распределенные лаги Ш. Алмон
- •Резюме
- •Вопросы для самопроверки
- •ГЛАВА 10. СИСТЕМЫ ОДНОВРЕМЕННЫХ УРАВНЕНИЙ
- •§ 1. Общие понятия
- •§ 2. Идентификация структурной формы модели
- •§ 3. Косвенный метод наименьших квадратов
- •§ 4. Двухшаговый метод наименьших квадратов
- •§ 5. Трехшаговый метод наименьших квадратов
- •Резюме
- •Вопросы для самопроверки
- •ЗАКЛЮЧЕНИЕ
- •ЗАДАНИЯ ДЛЯ КОНТРОЛЯ
- •Тесты для самоконтроля
- •Ключи к тестам для самоконтроля
- •Контрольная работа
- •Вопросы к зачету (экзамену)
- •ГЛОССАРИЙ
- •СПИСОК ЛИТЕРАТУРЫ
|
12754,3 |
|
−1 |
|
|
|
|
|
|
|
372,034 |
|
|
−5 |
|
||||
=0,0079 |
× |
11 |
|
|
=4,6 |
×10 |
−0,0016 . |
||
|
372,034 |
|
|
|
−0,0016 |
0,05339 |
|
||
Стандартные ошибки равны: |
|
|
|
|
|
|
|
||
Sb23 = |
4,6 ×10−5 = 0,00678, |
|
Sc20 |
= |
0,05339 = 0,231. |
|
|||
|
|
|
|
|
|
|
|
|
|
§ 5. Трехшаговый метод наименьших квадратов
Метод применяется для оценки параметров системы одновременных уравнений в целом. Сначала к каждому уравнению применяется двухшаговый метод для определения оценок коэффициентов и оценок дисперсий случайных ошибок. Затем с использованием найденных оценок дисперсий возмущений строится оценка ковариационной матрицы. После этого для оценивания коэффициентов всей системы применяется обобщенный метод наименьших квадратов. Трехшаговый метод в случае, когда возмущения, входящие в различные структурные уравнения, коррелируют друг с другом, оказывается асимптотически эффективнее двухшагового.
При практическом использовании 3МНК требуется иметь в виду, что:
1)каждое уравнение, являющееся определением (тождество), необходимо исключить из системы прежде, чем приступать к вычислениям;
2)каждое неидентифицируемое уравнение также исключается;
3)в системе остаются только точно идентифицируемые и сверхидентифицируемые уравнения, причем с вычислительной точки зрения целесообразно применять трехшаговую процедуру к каждой из этих групп уравнений отдельно;
4)если матрица ковариаций для структурных возмущений блочно-диагональная, то вся процедура трехшагового оценивания может быть применена отдельно к каждой группе уравнений, соответствующих одному блоку.
Резюме
Системы одновременных уравнений могут быть трех видов: 1) система невзаимосвязанных уравнений;
228
2)рекурсивная система уравнений;
3)система взаимозависимых уравнений.
Первые два вида моделей могут быть оценены обычным методом наименьших квадратов.
Для взаимозависимых уравнений возникает проблема идентификации параметров структурной модели. Если все уравнения системы идентифицируемы однозначно, то применяют косвенный метод наименьших квадратов.
Двухшаговый метод наименьших квадратов применяется к системам, содержащим однозначно и неоднозначно идентифицируемые уравнения. Он применяется отдельно ккаждомууравнению системы.
Трехшаговый метод наименьших квадратов применяется для оценки всех вместе однозначно и неоднозначно идентифицируемых уравнений модели.
Вопросы для самопроверки
1.Что называется структурной формой модели системы одновременных уравнений?
2.Что называется приведенной формой системы одновременных уравнений?
3.Каковы необходимые и достаточные условия идентификации отдельного уравнения системы?
4.Когда применяется косвенный метод наименьших квадратов? Каков порядок его применения?
5.Какой метод применим для оценки параметров, если уравнения структурной формы модели не взаимосвязаны?
6.Каждое следующее уравнение структурной формы модели содержит новую эндогенную переменную и эндогенные переменные из предыдущих уравнений. Как называется такая модель? Как оценивают ее параметры?
7.Какими свойствами должны обладать инструментальные переменные?
8.Когда применяется двухшаговыйметоднаименьших квадратов?
9.Что называется рангом матрицы? Как его определить?
10.Какие переменные называются эндогенными?
11.Какие переменные называются экзогенными?
229
