Лекция для заочников
.pdfЭконометрика
Э к о н о м е т р и к а — это наука, в которой на основе реальных статистических данных строятся, анализируются и совершенствуются математические модели экономических процессов.
Этапы эконометрического исследования:
1.Сбор и предварительная обработка информации.
2.Выбор формы модели (спецификация).
3.Статистический анализ модели (параметризация).
4.Проверка модели на адекватность (верификация).
5.Практическое использование модели.
С б о р и п р е д в а р и т е л ь н а я о б р а б о т к а и н ф о р м а ц и и .
Сбор и обработка данных осуществляются методами математической и экономической статистики. Результатом предварительной обработки данных является вариационный ряд или выборка, содержащая набор значений одной или нескольких объясняющих (независимых) переменных X (X1, X2, … , Xp) и соответствующей ей (им) объясняемой (зависимой) переменной
Y:
xi |
x1 |
x2 |
... |
xn |
|
|
|
|
|
yi |
y1 |
y2 |
... |
yn |
или
xi1 |
x11 |
x21 |
... |
xn1 |
|
|
|
|
|
... |
... |
... |
... |
... |
|
|
|
|
|
xip |
x1p |
x2p |
... |
xnp |
|
|
|
|
|
yi |
y1 |
y2 |
... |
yp |
n — объем выборки
С п е ц и ф и к а ц и я
Р е г р е с с и о н н а я м о д е л ь y= f ( x)+ε парная регрессия
y= f ( x1 , x2 , ... , x p)+ε множественная регрессия p — количество объясняющих переменных в модели ε случайное отклонение
|
|
|
|
|
|
|
β0 +β1 x |
|||
|
|
|
|
|
|
|
β +β x+β x2 |
|||
|
|
f |
(x)= |
|
|
0 |
1 |
2 |
|
|
|
|
|
|
β0 +β1 ln x |
||||||
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
... |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
β0 +β1 x1 +β2 x2 +...+βp x p |
|||
f (x |
|
, x |
|
, ... , x |
|
)= |
β0 +β1 x1 +β2 x12 |
+β3 |
1 |
+...+βm ln x p |
|
|
p |
|
|||||||
|
1 |
|
2 |
|
|
|
|
x2 |
||
|
|
|
|
|
|
|
|
... |
|
|
|
|
|
|
|
|
|
|
|
|
|
В ы б о р в и д а ф у н к ц и и р е г р е с с и и
Для парной регрессии выбор осуществляется по виду корреляционного поля.
y |
y |
|
x |
x |
|
y=β |
+β x+ε |
y=β |
+β x+β x2 |
+ε |
|
0 |
1 |
0 |
1 |
2 |
|
К о э ф ф и ц и е н т к о р р е л я ц и и
Мерой линейной статистической связи двух случайных величин является коэффициент корреляции:
|
|
|
|
|
|
n |
|
|
i |
i |
|
|
n |
n |
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
∑ |
x |
|
|
∑ |
i ∑ |
y |
|
|
|
|
|
|||||
|
|
|
|
|
n |
|
|
y |
− |
|
|
x |
|
|
|
|
|
|
||||
|
|
|
r xy= |
|
|
i=1 |
|
|
|
|
|
i=1 |
i=1 |
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
n |
|
|
|
|
|
|
n |
|
|
n |
|
)2 |
|
||
|
|
|
|
|
n x2 |
−( |
∑ |
x |
)2 n y2−( |
∑ |
y |
|
||||||||||
|
|
|
|
√ |
∑ i |
|
i |
|
|
√ |
∑ i |
|
|
i |
|
|
|
|||||
|
|
|
|
i=1 |
|
i=1 |
|
|
|
i=1 |
|
|
i=1 |
|
|
|
|
|||||
Свойства коэффициента корреляции: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
−1 r x y 1 или |
rx y 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Если |
r x y |
→ 1 , то между переменными x и у присутствует тесная прямая линейная связь |
||||||||||||||||||||
Если |
r x y |
→ −1 , то между переменными x и у присутствует тесная обратная линейная |
||||||||||||||||||||
связь |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Если |
rx y → 0 , |
о между переменными |
|
x |
и у |
отсутствует линейная связь (вообще |
отсутствует связь или присутствует нелинейная связь)
К о р р е л я ц и о н н о е о т н о ш е н и е . К о э ф ф и ц и е н т д е т е р м и н а ц и и .
В случае нелинейной зависимости тесноту связи между величинами оценивают по величине
корреляционного отношения.
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
∑(yi |
−ỹi)2 |
|
|
|
|
|
|||||||
|
R= 1− |
i=1 |
|
|
|
|
|
, |
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
||||
|
|
∑ |
|
i |
|
̄ |
|
|
|
|
|
||||
|
|
|
( y |
|
− y)2 |
|
|
|
|
|
|||||
|
|
i 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
где yi |
наблюдаемые значения, ̃yi= f√(xi ) =расчетное значение. |
|
|
|
|
|
|||||||||
Интервал изменения корреляционного отношения |
|
0 R 1 |
|
|
|
|
|
||||||||
Величина R2 , называемая коэффициентом детерминации, показывает, какая часть общей |
|||||||||||||||
вариации Y обусловлена вариацией X. |
|
|
|
|
|
|
|
|
|
|
|
|
|||
Коэффициент детерминации статистически значим, если F= |
R2(n− p−1) |
> F |
таб |
=F |
α ,k1 |
,k2 |
|||||||||
(1−R2 ) p |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|||||
k1= p , |
k2=n− p−1 числа степеней свободы; |
α |
уровень значимости. |
|
|
|
|
|
|
|
|
|
П а р н а я л и н е й н а я р е г р е с с и я |
y=β0+β1 x+ε теоретическое уравнение парной линейной регрессии |
||||
β0 ; β1 |
параметры (коэффициенты) теоретического уравнения парной линейной |
|||
регрессии |
|
|
||
ε теоретическая величина случайного отклонения |
||||
y=b0 |
+b1 x+e эмпирическое уравнение парной линейной регрессии |
|||
y=b |
0 |
+b |
1 |
x расчетная часть уравнения регрессии |
̃ |
|
|
||
b0 ; |
b1 |
эмпирические оценки теоретических параметров уравнения регрессии |
e — эмпирическая оценка величины случайного отклонения
Эмпирические оценки параметров уравнения регрессии находятся по выборке с помощью метода наименьших квадратов (МНК)
М е т о д н а и м е н ь ш и х к в а д р а т о в ( М Н К )
n |
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ε2≈e2=∑( yi− ỹi)2=∑( yi−b0−b1 xi)2=S (b0 ;b1) → min |
|
|
|
|
||||||||||||||||||||||||||||
i=1 |
i=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Найдем минимум функции нескольких переменных: |
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
∂ S |
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
=−2 ( y |
−b |
−b x |
)=0 |
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
∂ b0 |
|
|
|
|
|
∑ |
|
i |
|
|
0 |
|
|
1 |
|
i |
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
i=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
∂ S |
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
=−2 x ( y |
−b |
0 |
−b x |
)=0 |
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
{∂ b1 |
|
|
|
|
|
∑ i |
|
i |
|
|
|
|
1 |
|
i |
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
i=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
Решение системы: |
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
xy− x y |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
b |
= |
|
|
̄ ̄ ̄ |
, |
b |
= y−b x |
, |
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
1 |
|
|
|
|
̄2 |
−(x) |
2 |
|
|
0 |
|
|
̄ |
1 |
̄ |
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
n |
|
̄ |
|
|
|
|
n |
|
|
|
|
|
|
|
n |
|||
|
|
|
∑ xi |
|
|
|
|
|
|
∑ yi |
|
|
|
|
∑ xi yi |
, |
̄2 |
|
∑ xi |
|||||||||||||
|
|
|
i=1 |
|
, |
|
|
|
|
|
|
i=1 |
, |
|
|
|
|
i=1 |
|
|
|
|
i=1 |
|||||||||
|
x |
= |
|
|
|
|
|
|
y |
= |
|
|
|
|
|
|
xy= |
|
|
|
|
|
|
|
x |
= |
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
̄ |
|
n |
|
|
|
|
̄ |
|
|
|
|
n |
|
|
|
̄ |
|
|
|
|
|
n |
|
|
|
|
|
n |
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
С т а т и с т и ч е с к а я з н а ч и м о с т ь у р а в н е н и я п а р н о й л и н е й н о й р е г р е с с и и
Оценка статистической значимости уравнения парной линейной регрессии осуществляется как оценка значимости коэффициента b1, с помощью критерия Стьюдента.
Если |
|
T |
расч |
= |
b1 |
>T |
таб |
=T α |
,k |
, то коэффициент b1, а значит и уравнение регрессии |
|||||||||
|
Sb1 |
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
||||||
статистически значимо. |
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Sb1= |
|
|
|
|
|
|
|
S |
2 |
|
отклонение коэффициента b1 |
||||||||
|
|
|
|
n |
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
( x |
−x)2 |
|
|
|
|
|
|
||||||
|
√∑i=1 |
|
i |
|
|
̄ |
|
|
|
|
|
|
|
|
|||||
|
|
|
n |
|
i |
|
|
|
|
n |
|
i |
̃i |
|
|
|
|
||
|
|
∑ |
|
|
|
|
∑ |
|
)2 |
|
|
|
|||||||
S2= |
|
|
|
|
e2 |
|
|
|
|
|
( y |
− y |
дисперсия случайного отклонения |
||||||
i=1 |
|
|
= |
i=1 |
|
|
|
|
|
||||||||||
n−2 |
|
|
n−2 |
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
k=n−2 число степеней свободы; α уровень значимости (α = 0,05; 0,01)