- •Содержание
- •От автора
- •Введение
- •1. Базовые понятия теории вероятностей
- •2. Базовые понятия статистики
- •3. Статистические выводы: оценки и проверка гипотез
- •4. Парная линейная регрессия
- •5. Проверка качества уравнения регрессии
- •6. Множественная линейная регрессия
- •7. Нелинейная регрессия
- •8. Гетероскедастичность
- •9. Автокорреляция
- •10. Мультиколлинеарность
- •11. Фиктивные переменные в регрессионных моделях
- •12. Динамические модели
- •13. Системы одновременных уравнений
- •Статистические таблицы
- •Рекомендуемая литература
- •Предметный указатель
РЕКОМЕНДУЕМАЯ ЛИТЕРАТУРА
1.Грубер Й. Эконометрия. В 2 т. Т. 1: Введение в эконометрию. К., 1996. 397 с.
2.Доугерти К. Введение в эконометрику. М., 1997. 402 с.
3.Замков О. О., Толстопятенко А. В., Черемных Ю. Н. Математические методы в экономике. М., 1997. 248 с.
4.Магнус Я., Катышев П., Пересецкий А. Эконометрика. Начальный курс. М., 1997. 248 с.
5.Brennan M. J., Carrol T. M. Preface to Quantitative Economics аnd Econometrics. Cincinnati: South-Western Pub, 1987. 580 p.
6.Griffiths W. E., R. Carter Hill, Judge G. G. Learning and Practicing Econometrics. New York: John Wiley & Sons, Inc., 1993. 866 p.
7.Griffiths W. E., R. Carter Hill, Judge G. G. Undegraduate Econometrics. New York: John Wiley & Sons, Inc., 1997. 366 p.
8.Gujarati D. N. Essentials of Econometrics. New York: McGraw-Hill, 1992. 466 p.
9.Gujarati D. N. Basic Econometrics. New York: McGraw-Hill, 1995. 838 p.
10.Maddala G. S. Introduction to Econometrics. New York: Macmillian, 1992. 472 p.
11.Pindyck R. S., Rubinfeld D. L. Econometric Models and Econometric Forecasts. New York: McGraw-Hill, 1991. 596 p.
349
ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ
Автокорреляция (autocorrelation), 164−168, 227
авторегрессионая схема первого порядка AR(1) (first-order autoregressive scheme), 236−237 обнаружение (detection), 230−235
определение коэффициента корреляции
(estimation autocorrelation coefficient), 237−240 остатков (отклонений) (residual), 164−168 отрицательная (negative), 227
положительная (positive), 227 последствия (consequences), 230 причины (cause), 228−229
суть (nature), 227
устранение (смягчение) (remedial), 236−240
в авторегрессионых моделях (in autoregressive models), 235, 290
Алмон полиномиальные лаги, 287−289 Венна диаграмма, 131, 246
Верификация (verification), 11
Вероятность (probability), 15
совместная (multivariate probability), 34 Вероятностный эксперимент (probability experiment), 14
Временные ряды (time series data), 277 Выборка (sample), 46
Гаусса−Маркова условия (Gauss−Markov conditions), 113−114
Генеральная совокупность (population), 46
Гетероскедастичность (heteteroscedasticity), 113, 209
обнаружение (detection), 213−218 последствия (consequence), 212 смягчение (remedial measures), 219−222 суть (nature), 209−212
тесты на обнаружение (tests), 214−218
Глейзера (Glejser), 217
Голдфелда−Kвандта (Goldfeld−Quandt), 217−218 Парка (Park), 216 −217
ранговой корреляции Спирмена (Spearman’s rank correlation), 215−216 Гипотеза (hypothesis), 70
альтернативная (alternative), 71 нулевая (null), 70
ошибки I (II) родов (types I (II) errors), 71−72 статистическая (statistical), 70
проверка гипотезы (hypothesis testing), 72−86 Гомоскедастичность (homoscedasticity), 113, 209
350
Двухшаговый метод наименьших квадратов (two-stage least squares), 326−328
Дисперсия (variance), 21−22
выборочная (sample variance), 52−53
генеральной совокупности (population variance), 52
Доверительный интервал (confidence interval), 64−70
для зависимой переменной (for dependent variable), 125−130
Интервальные оценки коэффициентов регрессии
(interval estimators for regression coefficients), 123−125, 152−153 Качество уравнения регрессии (goodness of regression equation), 130−135 Ковариация (covarience), 36−37
выборочная (sample covariance), 54
Косвенный метод наименьших квадратов (indirect least squares), 315−317
Корхана−Оркатта процедура (Cochrane−Orcutt procedure), 238
Коэффициент детерминации R2 (coefficient of determination), 131−135, 155−159
исправленный (скорректированный) (adjusted), 155
Коэффициент корреляции (correlation coefficient), 37−38 выборочный (sample correlation coefficient), 54 Коэффициент регрессии (regression coefficient), 99, 141
статистическая значимость (statistical significance), 121−123, 153−154 Коэффициент вариации (coefficient of variation), 22
выборочный (sample coefficient of variation), 54 Лаг (lag), 277
Лаговая переменная (lagged variable), 277
Математическое ожидание (expected value), 20−21
условное (conditional), 94
Метод взвешенных наименьших квадратов (Method of weighted least squares), 219−222
Метод наименьших квадратов (ordinary least squares), 101−104 Модель (model)
адаптивных ожиданий (adaptive expectation model), 282−285 авторегрессионая (autoregressive), 282−287
ANCOVA (analysis of covariance), 260−263 ANOVA (analysis of variance), 258−260
двойная логарифмическая (log-log model, double-log model), 181−183 экспоненциальная (exponential), 187−188
динамическая (dynamic model), 277 линейная (linear model), 99
линейно-логарифмическая (lin-log), 185
лог-линейная (log-linear), 184 logit, 270−272
LPM (linear probability model), 268−270 обратная (reciprocal), 185−186 показательная (exponential), 187−188
полулогарифмическая (semilog), 183
351
регрессионная (см. регрессионная модель)
рекурсивная (recursive), 326 степенная (polinomial), 186−187
с распределенными лагами (distributed-lag model), 277 частичной корректировки (partial adjustment model), 285−287
Мультиколлинеарность (multicollinearity), 245−256 определение (detection), 248−251 последствия (consequences), 247−248
суть (nature), 245−247
устранение (смягчение) (remedies), 251−254
Мультипликатор (multiplier), 278
Наилучшие линейные несмещенные оценки (BLUE)
(the best linear unbiased estimators), 115
Отклонение (остаток, возмущение) (residual), 99
Оценки (estimators)
интервальные (interval), 64−66 линейные (linear), 63 несмещенные (unbiased), 61 смещенные (biased), 61 состоятельные (consistent), 62 точечные (point), 60 эффективные (efficient), 61
Параметры (parameters), 98, 141 Параметризация (parameterization), 11, 97
Переменная (variable)
зависимая (объясняемая) (dependent; explained), 94 инструментальная (instrumental), 317−319
независимая; объясняющая (independent; explanatory; regressor), 94 предопределенная (predetermined), 312
фиктивная (см. фиктивная переменная), 257
экзогенная (exogenous), 311 эндогенная (endogenous), 311
Поправка Прайса−Винстена (Prais−Winsten transformation), 237 Плотность вероятности (probability density function (PDF)), 19−20
совместная (multivariate probability density function), 34
Предпосылки МНК (классической линейной регрессионной модели)
(см. Гаусса−Маркова условия), 113−114, 143−144
Предсказание (prediction), 293−295 Преобразование (process), 279−282, 292−293
авторегрессионное AR (autoregressive process), 236−237, 291 ARIMA (autoregressive integrated moving process), 292 ARMA (autoregressive and moving average process), 292
методом скользящих средних (MA) (moving average process), 292 Койка (Koyck transformation), 279−282
Прогнозирование (forecasting), 293−295
352
Распределение СВ (distribution), 22 нормальное (normal), 23−26
Стьюдента; t-распределение (Student), 27−28 Фишера; F-распределение (Fisher), 28−29 Хи-квадрат; χ2-распределение (chi-square), 26−27
Регрессионная модель (regression model), 94
классическая линейная (classical linear (CLRM)), 112−115 линейная (linear), 99
множественная линейная (multiple linear), 141
нелинейная (nonlinear), 180 парная (two-variable), 98
функциональная форма (functional form), 189
Системы одновременных уравнений, 308 Случайная величина (СВ) (random variable), 16
дискретная (discrete), 17 непрерывная (continuous), 17
Спецификация (specification), 11 Спецификации ошибки (specification errors), 192
типы, виды (tapes of), 192−195 корректировка (adjustment), 195−197 обнаружение (detection), 195−197
Среднее (mean value) генеральное (population), 52 выборочное (sample), 52
Среднее квадратическое отклонение (standard deviation), 22
выборочное (sample standard deviation), 53 генеральное (population standard deviation), 52
Стандартная ошибка коэффициента регрессии
(standard error of regression coefficient), 118, 149−151
Стандартная ошибка уравнения регрессии
(standard error of regression equation), 117, 151 Статистика (statistic)
Дарбина−Уостона DW (Durbin−Watson statistic), 163−168 h-статистика Дарбина (Durbin h-statistic), 235, 290 F-статистика (F-statistic), 157−161
Статистическая оценка (statistical estimator), 59 Степени свободы (degrees of freedom), 26
Сумма квадратов отклонений (residual sum of squares), 101 остаточная (необъясненная) (residual sum of squares), 132 общая (total sum of squares), 132
объясненная (explained), 132
Таблицы распределений (distribution tables), 29−33 Тренд (trend), 266, 294
Тест на устойчивость Чоу (Chow stability test), 264, 296−297 Уравнение регрессии (regression equation), 98−99
353
идентифицируемое (identified), 319, 323−324 неидентифицируемое (underidentified), 319−322 приведенное (reduced), 312 сверхидентифицируемое (overidentified), 322−323 структурное (structural), 312
теоретическое (population), 98, 141 эмпирическое (sample), 99, 144
Уровень значимости α (significance level), 72
Фиктивные переменные (dummy variable), 257
зависимая переменная фиктивна (dependent variable as dummy), 267−272 сезонные (seasonal), 266−267
сравнение двух регрессий (comparing two regressions), 263−266 тест Чоу (test Chow), 264
Функция распределения случайной величины
(comulative distribution function), 17−18 Хилдрета−Лу метод (Hildret−Lu procedure), 238−239
Центральная предельная теорема (central limit theorem), 123
Эконометрика (Econometrics), 10 Эмпирический стандарт (Standard deviation), 64
354
глава 1
“ ” двух |
т. е. - - - |
- , , 1.14 |
глава 2
“ |
” |
+ |
|
|
|
|
|
|
|
глава 3 |
|
|
|
|
|
||||
|
|
1 |
|
e |
− |
( x − m)2 |
|
|
|
|
|
|
|
2у 2 |
(стр.60), |
α (с.65), , (с.73) ρxy ρxy ρxy rxy (с. 86) |
|||
|
|
|
|
|
|||||
|
|
2р у |
|
|
|
||||
1. |
, |
(с.87) |
, (с.90) |
|
глава 4
Если, кроме уравнения регрессии Y на X (Y = b0 + bx X) , для тех
же эмпирических данных найдено уравнение регрессии X на Y (с.103)
, , (с.108)
глава 5
уеiе j |
|
|
0, |
|
если i ≠ j; |
|
= cov(еi ,еj ) = |
|
2 |
, |
если i = j. |
||
|
|
у |
|
|||
уеi xi |
|
(с.114) |
|
|
|
|
β0 β1 |
εi b0 b1 β0 |
εi |
εj β0 (с.115) |
β1 уе2 σ2 (c. 116) |
σ2 (c. 117) |
εi (c. 118) β1 β1 tб |
(c. 118) |
|
|
|
|
|
,n−2 |
|
|
2 |
||
|
|
|
где α − требуемый уровень значимости. При невыполнении (5.15) (c. 121)
еi N(0,у2 ) |
M(еi ) = 0 , у2 (еi ) = у2 . |
(c. 123) |
|||||||||
β1 σ2 |
σ2 σ2 |
σ2 |
σ2 (c. 126) |
t б |
σ2 (c. 128) |
||||||
|
|
|
|
|
|
|
|
|
|
|
,n−2 |
t б |
|
t б |
|
t б |
(c. 129) |
2 |
|||||
|
|
|
|||||||||
|
|
|
|
|
|||||||
|
|
,n−2 |
|
|
,n−2 |
|
|
,n−2 |
|
|
|
2 |
2 |
2 |
|
|
|
||||||
|
|
|
|
|
|
||||||
с.131 |
|
т. е. |
|
|
|
|
|
|
глава 6
с. 143 |
|
|
|
|
уеiе j |
|
|
|
|
|
|
|
|
0, |
|
если i ≠ j; |
уеi xi = 0 |
||||||||||||
|
|
|
|
= cov(еi ,еj ) = |
2 |
, |
если i = j. |
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
у |
|
|
|
|
|||||||||
с. 153 |
tб |
,n−m |
−1 |
tб |
,n−m−1 |
tб |
,n−m |
−1 |
tб |
,n−m−1 |
tб |
,n−m−1 |
tб |
,n−m−1 |
|||||||||||||||
с. 154 |
|
2 |
|
2 |
|
2 |
|
2 |
|
2 |
|
2 |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
tб |
,n |
−m−1 |
|
|
tб |
,n−m |
−1 |
tб |
,n−m−1 |
|
|
|
|
|
|
||||||||||||||
|
|
2 |
|
|
|
2 |
|
2 |
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
с. 157 |
ν1 = m, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
с. 162 |
Fб;н ;н |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Некоторые причины необходимости использования различных уравнений регрессии для описания изменения одной и той же зависимой
c. 165 |
: |
. ei−1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
c. 168 |
|
Таблица 6.1 |
|
c. 171 t б |
,n−m−1 |
|
c. 175 |
|
4. |
|
|
|
|
|
|||||||
c. 178 |
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
c. 179 |
|
|
|
|
|
|
|
||||||
(t) |
= |
(1.9) |
|
(2.3) |
|
(3) |
179 |
|
|
|
|
|
|||||||||
глава 7 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
c. 190 “ |
|
” |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
с. 194 β2 |
β0 |
β1 |
|
γ0 |
γ1 |
|
γ2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
с. 195 |
|
|
|
|
|
S2 |
|
|
|
|
|
|
|
S2 |
|
|
|
||||
|
|
|
S |
2 |
= |
; |
S |
2 |
= |
|
|
|
|
. |
|||||||
|
|
|
|
∑ (x |
|
−x)2 |
|
∑ (x |
|
−x |
|
)2 |
(1−r2 |
) |
|||||||
|
|
|
|
b1 |
i |
|
|
|
g1 |
|
i1 |
1 |
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
12 |
|
|
Y = в0 + в1X1 + в2X2 + е
с. 196
Y = б + в X + е, в < 0;
ln Y = б + в lnX + е, в < 0; Y = б + в X1+ г + е, в > 0;
Y = б + aвx + е, в < 0
с.198
1.Тест Рамсея RESET (Regression specification error test).
2.Тест (критерий) максимального правдоподобия (The Likelihood Ratio test).
3.Тест Валда (The Wald test).
4.Тест множителя Лагранжа (The Lagrange multiplier test).
5.Тест Хаусмана (The Hausman test).
6.Box–Cox преобразование (Box−Cox trasformation).
с.201
До сих пор достаточно спорным является вопрос, как строить модели:
с.203 |
Y = |
1 |
|
+ е |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
в0 + в1X |
|
|
|
|
|
|
|
|
|
|
|
|
||
с.205 |
ен |
: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
c. 206 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Годы |
81 |
82 |
83 |
|
84 |
85 |
|
86 |
87 |
88 |
89 |
90 |
||||
|
Y |
65 |
68 |
72.5 |
77.5 |
82 |
85.5 |
88.5 |
91 |
95 |
100 |
||||||
|
X |
110 |
125 |
132 |
137 |
160 |
177 |
192 |
215 |
235 |
240 |
||||||
|
Годы |
91 |
92 |
93 |
|
94 |
|
95 |
|
96 |
|
97 |
|
|
|
||
|
Y |
106.5 |
112 |
115.5 |
118.5 |
120 |
120.5 |
121 |
|
|
|||||||
|
X |
245 |
250 |
275 |
|
285 |
295 |
320 |
344 |
|
|
с.208
Используя эти данные, оцените производственную функцию Кобба–Дугласа
Qt = A Kбt Lвt .
П
с.212 |
(см. параграф 6.2, (6.23)), |
||||||||||
с.215 |
|
на рис. 8.4, б − д, |
|
|
|||||||
с.217 |
|
|
|
в |
|
|
уi2 |
= у2 xi2 |
|||
|
|
|
Sв |
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
с.218 |
|
Fб ,н1 ,н2 |
|
|
|
|
|
|
|||
c.226 |
|
yi |
= b |
0 |
1 |
+ b |
xi |
+ |
ei |
|
|
|
|
|
|
|
|||||||
|
уi |
1 |
|
уi |
|||||||
|
|
|
уi |
уi |
|||||||
глава 9 |
|
|
|
|
|
|
|
||||
с.233 |
|
параграфе 6.7. |
|
ret et−1 |
|||||||
с.235 |
с с с |
с |
|
|
|
|
x1 = 1− с2 x1,
с.237
y1 = 1− с2 y1. с. 239 β1 β0 β1 υt
с.241 е) Авторегрессионная схема
глава 10
с. 245 β0 + β2
β1 + β2 c.249 “ ” c.254 “ ” “ ”
глава 11
c.257 |
0, |
фактор не действует, |
|
|
||||
1, |
фактор действует. |
|
|
|
||||
|
|
|
|
|||||
с.258 |
0 , если претендент не имеет высшего образования, |
|
||||||
1, если претендент имеет высшее образование, |
|
|||||||
|
|
|||||||
с. 259 |
Y = в0 + в1X + г1D1 + г2D2 + е |
|
|
|||||
c. 263 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Yt = в0 + в1Xt + г1Dt + г2Dt Xt + еt , |
(11.15) |
||
|
0, |
до изменения институциональных условий, |
|
|||||
где Dt = |
|
после изменения институциональных условий. |
|
|||||
|
1, |
|
||||||
c.264 |
M(Yt | Dt = 1) = (в0 + г1) + (в1 + г2 )Xt |
“ ” |
|
|||||
c.265 |
S1 + S2. |
ν1 |
ν2 |
Fб; m+1; n−2m−2 |
|
|
||
c.266 |
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
Υt = в0 + в1Χt |
+ г1D1t + г2D2t |
+ г3D3t + еt , |
(11.19) |
|
где |
D1t = |
1, |
если рассматривается II квартал, |
|
||||
|
0, |
в противном случае. |
|
|
||||
|
|
|
|
|
1, если рассматривается III квартал,
D2t = 0, в противном случае.
1, если рассматривается IV квартал, D3t = 0, в противном случае.
c.267 β0 + β1X |
(β0 + γ1) + β1X (β0 + γ2) + β1X (β0 + γ3) + β1X |
Yt = в0 + в1Xt + г1D1t + г2D2t + г3D3t + + г4D1t Xt + г5D2tXt + г6D3tXt + еt .
с.270
Однако данная проблема гетероскедастичности также преодолима (см. параграф 8.4).
с.271
|
|
|
|
pi |
= M(Y =1| xi ) = |
|
1 |
= |
|
1 |
, |
(11.26) |
|
|
|
|
|
+ e−(в0 +в1xi ) |
|
+ e−zi |
|||||
|
|
|
|
|
1 |
1 |
|
|
||||
где zi = в0 + в1xi . |
|
|
|
|
|
|
|
|
||||
с.276 |
) |
|
|
|
|
|
|
|
|
|||
уi2 |
|
|
|
|
|
|
|
|
||||
ln |
|
|
Pi |
= zi = в0 + в1xi |
|
|
|
|
|
|
||
1 |
− Pi |
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
глава 12
с.278 |
|
∑в j |
h |
|
|
||
|
∑в j |
|
|
||||
|
|
j |
j=0 |
|
|
||
с.279 |
“веса” |
|
|
|
|||
c.281 |
|
в0 |
|
|
в0 |
|
в0 |
|
(1− л) (1− л) |
|
(1− л) |
||||
|
|
|
|||||
c.285 |
регрессии |
|
|
|
|||
в = лв |
|
лб |
|
|
|
||
л |
|
л |
|
|
|
||
с.290 |
|
|
|
|
|
|
|
сс с
12.6.2.Преобразование методом скользящих средних
12.6.3.Преобразование ARMA
12.6.4.Преобразование ARIMA
с.294 |
уе2 |
уе2 |
|
|
уе2 |
|
с.295 |
tб |
, n−1 |
tб |
, n−1 |
||
|
|
2 |
|
2 |
||
|
|
|
||||
с.296 |
Fб, н1 , н2 |
|
|
|
||
с. 297 |
|
|
δt+p |
д′t +p |
с.300 |
|
параграф с. 304 |
|
|
|
Месяц |
|
|
|
|
|
Месяц |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
глава 13 с.308 |
|
|
|
|
qDt |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
Функция спроса: |
|
|
|
|
|
= б0 |
+ б1pt |
|
|
+ еt1, |
б1 < 0 , |
(13.11) |
|||||||||||||||||||||||||||||
Функция предложения: |
qSt |
= в0 |
+ в1pt |
|
+ еt2 , |
|
в1 < 0, |
(13.12) |
|||||||||||||||||||||||||||||||||
Условие равновесия: |
|
|
|
|
qDt = qSt . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(13.13) |
||||||||||||||||||||
с.309 |
|
|
|
|
|
|
qD |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Функция спроса: |
|
|
|
|
=б |
0 |
|
+б p |
+б |
|
y |
t |
+е , |
б <0, |
(13.21) |
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
t |
|
|
|
|
|
|
|
|
|
|
|
1 |
t |
|
|
|
|
|
2 |
|
|
|
|
t1 |
1 |
|
|||||||
Функция предложения: |
|
qS |
=в |
0 |
+в p |
t |
+е |
t2 |
, |
|
|
|
|
|
в <0, |
(13.22) |
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
t |
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
||||||||
Условие равновесия: |
|
|
|
|
qDt |
|
= qSt . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(13.23) |
||||||||||||||
с.310 |
|
|
|
|
|
|
|
yt = π0 + π1rt, |
|
|
|
|
|
|
|
|
|
|
|
|
(13.5) |
||||||||||||||||||||
|
|
в0 + б0в1 + г0 + g |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
где р0 |
= |
; |
|
|
|
р1 = |
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
. |
|
|
|
|
|
|
|
|
|
||||||
1 − в1 (1 − б1) |
|
|
|
1 − в1(1 − б1 ) |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
yt |
= л0 |
+ л1 |
|
|
+ л2rt . |
|
|
|
|
|
|
|
|
(13.7) |
||||||||||||||||||||||||
|
|
|
M |
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
с.311 |
значения |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
с.312 |
|
|
|
|
|
|
в0 |
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
еt |
|
|
|
|
|
|
|||
|
|
yt = |
|
|
|
|
|
+ |
|
|
|
|
|
|
|
|
it |
+ |
|
|
|
|
|
|
, |
|
|
(13.81) |
|||||||||||||
|
|
1 − в1 |
|
|
|
|
|
|
|
|
|
|
1 − в1 |
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
1 − в1 |
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
ct |
= |
|
|
|
в0 |
|
|
|
|
+ |
|
|
|
|
в1 |
|
|
it |
+ |
|
|
|
|
еt |
. |
|
|
(13.82) |
|||||||||||
|
|
1 |
− в1 |
|
|
1 |
|
|
|
1 |
|
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
− в1 |
|
|
− в1 |
|
|
|
|
||||||||||||||||||||||||||
Заметим, что коэффициент |
|
|
1 |
|
|
|
|
в (13.81) представляет собой |
|
||||||||||||||||||||||||||||||||
1 − в1 |
|
|
|
|
|||||||||||||||||||||||||||||||||||||
|
|
|
qS |
= б |
0 |
|
|
|
+ б i |
t |
+ б |
2 |
p |
t |
−1 |
+ е |
. |
|
|
(13.9) |
|||||||||||||||||||||
с.316 |
|
|
|
t |
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
t |
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
где qt, pt − эндогенные переменные − количество товара и цена в году t; yt − экзогенная переменная − доход потребителей; ε1t, ε2t − случайные отклонения.
где π |
= |
б0 − в0 |
, |
π = |
б2 |
, υ = |
е1t − е2t ; |
|||
|
|
|||||||||
|
|
10 |
|
в1 − б1 |
11 |
в1 − б1 |
1t |
в1 − б1 |
||
|
р |
|
|
|
) |
|
|
) |
) |
|
|
21 |
|
|
р |
|
|
||||
|
|
|
|
)21 |
|
р20 |
− b1р10 |
|
||
|
р11 |
|
|
|
||||||
|
|
р11 |
|
|
|
|
с.317
) |
= |
yp |
|
− y p |
= |
0.2 |
= 0.147, |
|||||||
р11 |
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
1.36 |
|||||
|
|
y2 |
|
− y2 |
|
|||||||||
|
|
|
|
|
|
|
|
|
||||||
) |
= p − |
) |
= 3 − 0.147 3.2 = 2.5296, |
|||||||||||
р10 |
|
р11y |
||||||||||||
|
|
|
|
|
|
− y q |
|
− 0.24 |
|
|||||
) |
= |
|
yq |
= |
= −0.1765, |
|||||||||
р21 |
|
|
|
|
|
|
|
|
|
1.36 |
||||
|
|
|
y2 |
|
− y2 |
|
||||||||
) |
= q − |
) |
|
|
|
|
|
|||||||
р20 |
|
р21y = 6.7648. |
|
с.318 |
|
у2x |
= cov(Z,Y) |
= cov(Z,в0 + в1X + е) = |
|
|
|
|
||||||||||||||||||||||||||||||||||||
|
|
bИП |
|
|
|
|
||||||||||||||||||||||||||||||||||||||
|
|
1 |
|
cov(Z, X) |
|
|
|
|
|
|
|
|
cov(Z, X) |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
= |
cov(Z,в0 ) |
|
+ |
cov(Z,в1X) |
+ |
cov(Z, е) |
= |
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
cov(Z, X) |
|
|
|
|
|
cov(Z, X) |
|
|
cov(Z, X) |
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
= в |
1 |
+ cov(Z, е) →в |
1 |
+ |
0 |
|
= в |
1 |
. |
|
(13.24) |
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
cov(Z, X) |
|
|
|
n→∞ |
|
|
|
|
|
уzx |
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
с.320 |
|
|
|
|
в0 |
− б0 |
|
|
|
|
|
еt2 |
|
− еt1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
где л0 |
= |
|
|
, ut |
= |
|
|
− случайный член. |
|
|||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||
|
|
|
|
|
б1 − в1 |
|
|
|
|
|
б1 − в1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
где л |
1 |
= |
б1в0 − б0в1 |
, |
х |
t |
= |
б1еt2 − в1еt1 |
|
|
− случайный член. |
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||
|
|
|
|
б1 − в1 |
|
|
|
|
|
|
|
|
б1 |
− в1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
л0 |
|
= |
|
|
в0 − б0 |
, |
|
|
|
|
|
|
|
(13.281) |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
б1 − в1 |
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
л |
|
= |
б1в0 − б0в1 |
. |
|
|
|
(13.282) |
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
б1 − в1 |
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
c.322 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
где л |
2 |
= |
б1в0 − б0в1 |
, |
л |
= − |
|
|
б2в1 |
, |
|
|
|
х |
t |
= |
б1еt2 − в1еt1 |
. |
(13.34) |
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||
|
|
|
|
б1 − в1 |
|
|
|
1 |
|
|
|
|
|
б1 |
− в1 |
|
|
|
|
|
|
|
|
б1 − в1 |
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
в |
1 |
|
= |
л3 |
|
, |
|
|
|
|
|
|
|
|
|
|
|
|
|
(13.351) |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
л |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
в0 = л2 − в1л0 . |
|
|
|
(13.352) |
|||||||||||||||||||
c.323 |
|
|
|
|
. Это |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
л0 |
= |
|
в0 − б0 |
; |
л1 |
= − |
|
б2 |
|
|
; |
|
л2 = − |
б3 |
|
; |
|||||||
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
б1 − |
|
|
|
|
|||||||||||||||
|
|
|
б1 − в1 |
|
|
|
|
|
|
|
в1 |
|
|
|
б1 − в1 |
||||||||
л3 |
= |
|
|
в2 |
|
; |
|
л4 |
= |
б1в0 − б0в1 |
; |
|
|
(13.39) |
|||||||||
|
б1 − в1 |
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
б1 − в1 |
|
|
|
|
|
|
|||||||
л5 |
= − |
б2в1 |
|
|
|
; л6 |
= − |
|
б3в1 |
; |
|
л7 = − |
|
б1в2 |
; |
||||||||
|
|
|
|
|
|
||||||||||||||||||
б1 − в1 |
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
б1 − в1 |
|
|
б1 − в1 |
||||||||||||
|
|
|
|
хt = |
б1еt2 |
− в1еt1 |
; |
ϖt = |
еt2 − еt1 |
. |
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
б1 |
− в1 |
|
|
|
|
|
|
б1 − в1 |
|
|
|
с. 325
N = 2, M = 1. Для обоих уравнений n = 2. Для первого уравнения m = 1, а для второго m = 0. Тогда для первого уравнения (N − n) + (M − m) = 0 < < 1 = N − 1. Первое необходимое условие не выполняется, и данное уравнение неидентифицируемо. Для второго уравнения системы (13.29) (N − n) + (M − m) = 1 = N − 1. Данное уравнение точно идентифицируемо. Следовательно, функция предложения может быть оп-
ределена однозначно. |
|
|
|
|
|
|
|
|
|
|
|
|||||||
с.326 |
параграфе 13.4 |
|
пара- |
графе 13.4 |
|
|
|
|
||||||||||
|
|
|
е |
2 |
− е |
|
|
|
|
) |
|
|
|
|
|
|
|
|
с.327 |
х = |
|
|
1 |
|
|
|
|
r = л |
0 |
+ л M + л |
2 |
G + л |
3 |
t |
|||
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
в1 − б1 |
|
|
|
|
|
1 |
|
|
|
||||||
с.330 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
qtD |
= б0 + б1pt + б2yt + б1pt −1 + еt , |
σ(εi, εj) = 0 при i ≠ j. |
|||||||||||||||
|
qS = в |
0 |
+ в |
p |
t |
+ х |
, |
|
|
|
σ(υ , υ ) = 0 при i ≠ j. |
|||||||
|
t |
|
|
|
1 |
|
t |
|
|
|
|
i |
j |
|
|
qDt = qSt .
с.332
+ υt.
с.335 Пример:
с.337
Пример:
при ν = 15 P(χ2 > 8.55) = 0.9, P(χ2 > 22.31) = 0.1;
при ν > 100 |
2ч 2 − 2н − 1 = U (U Ν(0,1)). |