- •Тема 1 Методы и модели регрессионного анализа 7
- •Тема 2. Системы эконометрических уравнений 50
- •Тема 3. Анализ временных рядов 60
- •Предисловие
- •Введение. Эконометрическая модель и проблемы эконометрического моделирования
- •Общие понятия
- •Экономическая модель
- •Эконометрическая модель
- •Элементы эконометрической модели и их свойства
- •Задачи эконометрики
- •Эконометрика и её место в ряду математических и экономических дисциплин
- •Тема 1 Методы и модели регрессионного анализа
- •1.1 Основные понятия регрессионного анализа
- •1.1.1 Спецификация модели
- •1.2 Парная регрессия и корреляция
- •1.2.1 Линейная модель парной регрессии и корреляции
- •Оценка тесноты связи
- •Оценка качества подбора уравнения
- •Проверка статистической значимости эконометрической модели
- •Оценка значимости параметров эконометрической модели
- •1.2.2 Нелинейные модели парной регрессии и корреляции Виды нелинейных уравнений регрессии
- •Линеаризация нелинейных моделей регрессии
- •Оценка тесноты связи нелинейной регрессии
- •Оценка качества нелинейных уравнений регрессии
- •1.3 Множественная регрессия и корреляция
- •Отбор факторов, включаемых в модель множественной регрессии
- •1.3.1 Линейное уравнение множественной регрессии
- •Оценка параметров линейных уравнений регрессии
- •1.3.2 Линейное уравнение множественной регрессии с стандартизированном масштабе
- •1.3.2 Частные уравнения регрессии
- •1.3.3 Свойства оценок параметров эконометрической модели, получаемых при помощи мнк
- •1.3.4 Предпосылки мнк, методы их проверки
- •Обобщенный метод наименьших квадратов (омнк)
- •1.3.5 Проверка существенности факторов и показатели качества регрессии
- •Оценка тесноты связи
- •Проверка статистической значимости эконометрической модели
- •Оценка значимости параметров эконометрической модели
- •1.3.6 Фиктивные переменные во множественной регрессии
- •1.4 Резюме по теме.
- •Вопросы для повторения
- •Тема 2. Системы эконометрических уравнений
- •2.1. Классификация систем эконометрических уравнений
- •2.2 Структурная и приведенная формы модели
- •2.3 Проблема идентификации систем одновременных уравнений
- •2.4. Методы оценки параметров структурной формы модели (систем одновременных уравнений): косвенный метод наименьших квадратов (кмнк) и двухшаговый метод наименьших квадратов (дмнк)
- •2.5. Модель спроса и предложения
- •2.5.1 Структурная и приведённая форма системы
- •2.6. Вопросы для повторения
- •2.7. Резюме по теме
- •Тема 3. Анализ временных рядов
- •3.1. Структура временного ряда
- •3.2. Автокорреляция уровней временного ряда
- •Проверка гипотезы о наличии тренда во временном ряде
- •3.2. Моделирование тенденции временного ряда
- •3.3. Моделирование сезонных колебаний
- •3.3.1 Аддитивная и мультипликативная модели временных рядов
- •3.4. Автокорреляция в остатках. Критерий Дарбина-Уотсона
- •3.5 Модели стационарных и нестационарных временных рядов и их идентификация
- •3.6 Эргодичность
- •3.7 Особые случаи
- •3.8 Нестационарные временные ряды
- •3.9 Метод разностей и интегрируемость
- •3.10 Адаптивные методы краткосрочного прогнозирования временных рядов
- •3.10.1 Понятие адаптивной модели
- •3.10.2 Экспоненциальное сглаживание
- •3.10.3 Модели линейного роста
- •3.10.4 Стохастический процесс Тейла и Вейджа
- •3.10.5 Сезонные модели
- •Аддитивная модель сезонных явлений
- •3.10.6 Модели авторегрессии — скользящего среднего (метод Бокса —Дженкинса)
- •3.10.7 Авторегрессионная модель.
- •3.10.8 Модель скользящего среднего.
- •3.11 Специфика изучения взаимосвязей по временным рядам. Исключение сезонных колебаний. Исключение тенденции.
- •3.11.1. Метод отклонений от тренда
- •3.11.2. Метод последовательных разностей
- •3.12 Резюме по теме.
- •3.13 Вопросы для повторения
Проверка статистической значимости эконометрической модели
Значимость уравнения множественной регрессии в целом, так же как и в парной регрессии, оценивается с помощью -критерия Фишера:
, (1.55)
где – факторная сумма квадратов на одну степень свободы;– остаточная сумма квадратов на одну степень свободы;– коэффициент (индекс) множественной детерминации;– число параметров при переменных(в линейной регрессии совпадает с числом включенных в модель факторов);– число наблюдений.
Оценка значимости параметров эконометрической модели
Оценивается значимость не только уравнения в целом, но и фактора, дополнительно включенного в регрессионную модель. Необходимость такой оценки связана с тем, что не каждый фактор, вошедший в модель, может существенно увеличивать долю объясненной вариации результативного признака. Кроме того, при наличии в модели нескольких факторов они могут вводиться в модель в разной последовательности. Ввиду корреляции между факторами значимость одного и того же фактора может быть разной в зависимости от последовательности его введения в модель. Мерой для оценки включения фактора в модель служит частный -критерий, т.е. .
Частный -критерий построен на сравнении прироста факторной дисперсии, обусловленного влиянием дополнительно включенного фактора, с остаточной дисперсией на одну степень свободы по регрессионной модели в целом. В общем виде для факторачастный-критерий определится как
, (1.56)
где – коэффициент множественной детерминации для модели с полным набором факторов,– тот же показатель, но без включения в модель фактора,– число наблюдений,– число параметров в модели (без свободного члена).
Фактическое значение частного -критерия сравнивается с табличным при уровне значимостии числе степеней свободы: 1 и. Если фактическое значение превышает, то дополнительное включение факторав модель статистически оправданно и коэффициент чистой регрессиипри факторестатистически значим. Если же фактическое значениеменьше табличного, то дополнительное включение в модель факторане увеличивает существенно долю объясненной вариации признака, следовательно, нецелесообразно его включение в модель; коэффициент регрессии при данном факторе в этом случае статистически незначим.
Для двухфакторного уравнения частные -критерии имеют вид:
, . (1.56а)
С помощью частного -критерия можно проверить значимость всех коэффициентов регрессии в предположении, что каждый соответствующий факторвводился в уравнение множественной регрессии последним.
Частный -критерий оценивает значимость коэффициентов чистой регрессии. Зная величину, можно определить и-критерий для коэффициента регрессии при-м факторе,, а именно:
. (1.57)
Оценка значимости коэффициентов чистой регрессии по -критерию Стьюдента может быть проведена и без расчета частных-критериев. В этом случае, как и в парной регрессии, для каждого фактора используется формула:
, (1.58)
где – коэффициент чистой регрессии при факторе,– средняя квадратическая (стандартная) ошибка коэффициента регрессии.
Для уравнения множественной регрессии средняя квадратическая ошибка коэффициента регрессии может быть определена по следующей формуле:
, (1.59)
где – среднее квадратическое отклонение для признака,– среднее квадратическое отклонение для признака, – коэффициент детерминации для уравнения множественной регрессии,– коэффициент детерминации для зависимости факторасо всеми другими факторами уравнения множественной регрессии;– число степеней свободы для остаточной суммы квадратов отклонений.