- •Понятие эконометрики и ее место в экономических исследованиях
- •Основные этапы регрессионного анализа
- •Парная линейная регрессия
- •Коэффициенты эластичности
- •2.3. Предпосылки мнк (условия Маркова-Гаусса)
- •Анализ точности определения параметров регрессии
- •Проверка выполнимости предпосылок мнк. Статистика Дарбин-Уотсона
- •Модели парной нелинейной регрессии
- •Нелинейные однофакторные регрессионные модели. Линеаризация
- •Гиперболическая модель
- •Степенная модель
- •Показательная модель
- •Экспоненциальная модель
- •Полиномы разных степеней
- •В таблице 4.1.1 приведены преобразования, с помощью которых нелинейные функции становятся линейными с новыми переменными и коэффициентами.
- •Линеаризация для различных видов моделей
- •4.2 Оценка качества нелинейной связи
- •Зависимость расходов от среднедневной заработной платы
- •Расчетная таблица для линейной модели
- •Расчетная таблица для степенной модели
- •Расчетная таблица для гиперболической модели
- •Множественная регрессия Специфика уравнения множественной регрессии
- •Оценка параметров уравнения множественной линейной регрессии
- •Фиктивные и нефиктивные переменные
- •Статистические данные к примеру 2
- •Расчет параметров уравнения регрессии
- •Отклонение реальных значений от теоретических
- •Модели временных рядов Одномерный временной ряд
- •Автокорреляция уровней временного ряда и выявление его структуры.
- •Статистические данные к примеру 3
- •Расчет коэффициента автокорреляции первого порядка
- •Расчет коэффициента автокорреляции второго порядка
- •Корреляционная функция временного ряда потребления электроэнергии
- •Моделирование тенденции временного ряда
- •Моделироание сезонных колебаний временного ряда
- •Расчет сезонной компоненты в аддитивной модели
- •Расчет оценок сезонной компоненты в аддитивной модели
- •Расчет оценок сезонной компоненты в аддитивной модели
- •Взаимосвязь временных рядов
- •11.1. Методы исключения тенденции.
- •Статистические данные к примеру 5
- •Расчетные значения и отклонения для временных рядов расходов на конечное потребление и совокупного дохода
- •Расчетные значения и отклонения для временных рядов расходов на конечное потребление и совокупного дохода
Фиктивные и нефиктивные переменные
В регрессионных моделях в качестве объясняющих переменных часто приходится использовать не только количественные (определяемые численно), но и качественные переменные. Например, спрос на некоторое благо может определяться ценой данного блага, ценой на заменители данного блага, ценой дополняющих благ, доходом потребителей и т.д. (эти показатели определяются количественно). Но спрос может также зависеть от вкусов потребителей, их ожиданий, национальных и религиозных особенностей и т.д. А эти показатели представить в численном виде нельзя. Возникает проблема отражения в модели влияния таких переменных на исследуемую величину. Чтобы ввести такие переменные в регрессионную модель, им должны быть присвоены те или иные цифровые метки, то есть качественные переменные преобразованы в количественные. Такого рода сконструированные переменные в эконометрике называют фиктивными.
Обычно в моделях влияние качественного фактора выражается в виде фиктивной (искусственной) переменной, которая отражает два противоположных состояния качественного фактора. Например, «фактор действует» — «фактор не действует», «курс валюты фиксированный» — «курс валюты плавающий»,, «сезон летний» — «сезон зимний» и т.д. В этом случае фиктивная переменная может выражаться в двоичной форме:
(6.1)
Например, Z = О, если потребитель не имеет высшего образования, Z = 1, если потребитель имеет высшее образование; Z = 0, если в обществе имеются инфляционные ожидания, Z = 1, если инфляционных ожиданий нет.
Регрессионные модели, содержащие лишь качественные объясняющие переменные, называются ANOVА-моделями (моделями дисперсионного анализа).
Например, пусть у – начальная заработная плата сотрудника.
Тогда зависимость можно выразить моделью парной регрессии
тогда,
При этом коэффициент а определяет среднюю начальную заработную плату при отсутствии высшего образования. Коэффициент b указывает, на какую величину отличаются средние начальные заработные платы при наличии и при отсутствии высшего образования у претендента. Проверяя статистическую значимость коэффициента b с помощью t-статистики либо значимость коэффициента детерминации R2 с помощью F-статистики, можно определить, влияет или нет наличие высшего образования на начальную заработную плату.
Нетрудно заметить, что ANOVA-модели представляют собой кусочно-постоянные функции. Однако такие модели в экономике крайне редки. Гораздо чаще встречаются модели, содержащие как качественные, так и количественные переменные
Пример 2. Анализируется объем S сбережений домохозяйства за 11 лет. Предполагается, что его размер st в текущем году t зависит от величины yt-1 располагаемого дохода Y в предыдущем году и от величины zt реальной процентной ставки Z в текущем году. Статистические данные представлены в таблице 7.5.1:
Таблица 7.5.1
Статистические данные к примеру 2
Год |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
Y, тыс. у.е. |
100 |
110 |
140 |
150 |
160 |
160 |
180 |
200 |
230 |
250 |
260 |
Z, % |
2 |
2 |
3 |
2 |
3 |
4 |
4 |
3 |
4 |
5 |
5 |
S, тыс. у.е. |
20 |
25 |
30 |
30 |
35 |
38 |
40 |
38 |
44 |
50 |
55 |
Требуется:
1. По МНК оценить коэффициенты линейной регрессии S=а+b1 Υ+b2 Ζ.
2. Оценить статистическую значимость найденных эмпирических коэффициентов регрессии a, b1, b2.
3. Построить 95%-е доверительные интервалы для найденных коэффициентов.
4. Вычислить коэффициент детерминации R2 и оценить его статистическую значимость при α = 0,05.
5. Вычислить статистику Дарбина-Уотсона и оценить наличие автокорреляции.
6. Определить, увеличивается или уменьшается объем сбережений с ростом процентной ставки; будет ли ответ статистически обоснованным.
Решение:
Для наглядности изложения приведем таблицу промежуточных вычислений (табл. 7.5.2):
Таблица 7.5.2