- •М1жрегюналына академ1я управл1ння персоналом
- •О. Л. Лещинський, в. В. Рязанцева, о. О. Юнькова
- •Об'скт, предмет, мета I завдання економетрп
- •Основнi етапи економетричного аналiзу
- •Економiчнi задачу якi розв'язують за допомогою економетричних методiв
- •МНсце курсу серед дисциплiн фундаментально! шдготовки бакалаврiв з економiчних спецiальностей
- •Структура курсу
- •Коротка юторична довщка
- •Контрольнзапитання
- •1.1. Загальнi принципи моделювання в економщ
- •1.1.1. Поняття математично! моделi
- •1.1.2. Етапи побудови еконогшчно! модел1
- •1.1.3. Класифшащя моделей
- •1.2. Кореляцшно-регресшний анал1з в економМ
- •2) Визначення тГсноти зв'язку (задача кореляцшного аналГзу).
- •1.3. Економетрична модель та и елементи
- •1.4. Статистична база економетричних дослщжень
- •1.5. Особливост математичного моделювання економ1чних систем
- •Контрольш запитання
- •2.1. Приклади парних зв'язмв в економщ
- •2.2. Лшшна модель з двома зм1нними
- •2.3. Метод найменших квадралв
- •Властивост оцшок параметр1в
- •Контрольнзапитання
- •Вправи та завдання
- •3.1. Багатофакторш економетричш модел1 та Ух специфшащя
- •3.2. Метод найменших квадралв 3.2.1. Основн1 припущення
- •3.2.3. Оцшювання за методом найменших квадралв та штерпретащя результалв
- •3.3.2. Перев1рка значущосп та flOBipni штервали
- •3.4. Прогнозування за лшшною моделлю
- •3.5. Методи побудови багатофакторноУ регресшноУ модел1
- •3.6. Етапи дослщження загальноУ лшшноУ модел1 множинноУ регресп
- •3. Перевiрити статистичну значупцсть отриманих результапв:
- •Приклад параметризацм та дослщження багатофакторноУ регресшноУ модел1
- •Контрольш запитання
- •Вправи та завдання
- •4.1. Поняття про мультиколшеаршсть та и вплив на оцшку параметр1в модел1
- •4.2. Тестування наявност мультиколшеарносп
- •4.3. Алгоритм Фаррара — Глобера
- •Приклад дослщження наявност мультиколшеарносп на основ1 алгоритму Фаррара — Глобера
- •4.4. Засоби усунення мультиколшеарностч. Метод головних компонент1в
- •Алгоритм методу головних компонешчв
- •Контрольш запитання
- •Вправи та завдання
- •5.1. Виявлення гетероскедастичност та и природа
- •5.2. Тестування наявност гетероскедастичност
- •5.2.1. Параметричний тест Гольдфельда — Квандта
- •5.2.2. Непараметричний тест Гольдфельда — Квандта
- •5.2.3. Тест Глейсера
- •5.3. Трансформування початковоУ модел1
- •VXVX VX VX
- •5.4. Оцшювання параметр1в багатофакторноУ регресшноУ модел1 на основ1 узагальненого методу найменших квадралв
- •Контрольш запитання
- •6.1. Природа автокореляцм та и наслщки
- •6.2. Тестування наявност автокореляцм
- •6.2.1. Критерш Дарбша — Уотсона
- •6.2.2. Критерш фон Неймана
- •6.2.3. Коефщ1енти автокореляцм та IX застосування
- •6.3. Параметризащя модел1
- •6.3.1. Метод Ейткена
- •X UtUt-1
- •X utut-I
- •6.3.2. Метод Кочрена - Оркатта
- •6.4. Приклад оцшювання параметр1в модел1 з автокорельованими залишками
- •Контрольш запитання
- •7.1. Поняття лага та лагових моделей в економщ
- •7.2. Оцшювання параметр1в
- •7.3. Оцшювання параметр1в авторегрес1йних моделей
- •Контрольн1запитання
- •8.1. Поняття про системи одночасних р1внянь
- •8.2. Приклади систем одночасних р1внянь
- •1. Модель "попит — пропозищя".
- •3. Модель р1вноваги на ринку грошей (модель lm).
- •8.3. Структурна та зведена (прогнозна) форми системи р1внянь
- •1. Структурна форма економетрично! мoделi.
- •3. Зеедена форма економетрично! модель
- •8.4. Поняття щентифшацм (ототожнення) системи р1внянь
- •Необхщш й достатн умови щентифшованосп
- •Необхщна I достатня умова щентифшованосп
- •8.5. Методи оцшювання паpаметpiв систем piвнянь
- •8.5.1. Непрямий метод найменших квадралв оцшювання параметр1в точно щентифшованих систем
- •8.5.2. Метод шструментальних змшних
- •8.5.3. Двокроковий метод найменших квадралв оцшювання параметр1в надщентифшованих систем
- •8.5.4. Трикроковий метод найменших квадралв
- •8.5.5. Мнк для рекурсивних моделей
- •8.6. Прогноз I загальн flOBipni штервали
- •Контрольш запитання
- •Вправи та завдання
- •5.Нехай модель "прибуток — споживання" мае такий вигляд:
- •14. Розглядаеться модель попиту та пропозицп для грошей:
- •9.1. Ямсш економ1чн1 показники
- •9.2. Регресшш модел1 з бшарними незалежними змшними
- •9.3. Регресшш модел1 з бшарними залежними змшними
- •Контрольш запитання
- •Tectobi завдання 3 економетрп' BapiaHt 1
- •7. Критерий ф!шера застосовуеться для перев!рки значущост!:
- •BapiaHt 2
- •6. Критерий ф1шера застосовують для перев1рки значущост1:
- •BapiaHt 3
- •7. Наявшсть мультиколГнеарност! перевгряеться за допомогою:
- •BapiaHt 4
- •4. Дисперс!йно-ковар!ац!йна матриця визначаеться на п!дстав!:
- •7. Критерий Дарб!на - Уотсона застосовуеться для виявлення:
- •BapiaHt 6
- •BapiaHt 8
- •6. Метод Фаррара — Глобера застосовуеться для виявлення:
- •BapiaHt 10
- •5. Критер!й ф!шера застосовують для перев!рки значущост!:
- •Робота 3 таблицями стандартизованого нормального ро3под1лу
- •Список використано! та рекомендовано! л1тератури
- •Економетрш
- •Econometrics
2.3. Метод найменших квадралв
Нехай за вибipкoю (xi, yi), i = 1,2,n, пoтpiбнo визначити оцш-ки С0 i clx емпipичнoгo piвняння регресп (2.2), тобто пiдiбpати таю значення коефшденпв piвняння, щоб сума квадраив вiдхилень була мiнiмальнoю (рис. 2.2).
Y = Oq + йуХ
"5 i
*
9
i
"з ! i.
i Щ
«2
%2
*3
Ч
Рис. 2.2
*5
X
n
Щ e квадратичною функщею двох параметр1в а0
i=1
i , оскшьки x{, y{(i = 1, 2,n) — в1дом1 даш спостережень:
nn n
i=1i=1i=1
Неважко помггити, що квадратична функцiя Q неперервна, опук-ла та обмежена знизу (Q > 0), тобто мае мппмум.
Необхiдною умовою iснування мнпмуму неперервно диференщ-йовано'' функцп двох змшних е рiвнiсть нулю i'i частинних похiдних:
= -2S (yi - ао - aixi) = 0;
1
= -2S (yi - ао - аЛ)xi = 0;
(2.8)
1а0 S xi + а1 S x2 = S xiyi •
Подiливши обидва рiвняння системи (2.8) на n, отримаемо
j + а x = y; [а?0 x + а x2 = xy
22
x2- x2
xy - x ■ y ;
d0 = y - а^.
(2.9)
Тут x = - S xi , x2 = 1S xi2> y = 1S yi - xy = 1S xiyi ^
У наступних формулах для спрощення знаки сум ( S ) запи-
n=1
суватимемо без шдекив, допускаючи, що додавання виконуеться ввд i = 1 до i = n. Також для змшних з шдексом i розумiтимемо, що
i = 1, 2,n (якщо не зазначено iнше)•
Отже, згiдно з МНК оцiнки параметрiв а0 та ог1 визначаються за формулами (2.9).
Неважко помггити, що at можна обчислити за формулою
1
2
(2.10)
1
е S = cov(x, y) = — У (x; - x)(y; - y) — виб1рковий корелящйний y n
момент випадкових величин X i Y; Sx = — У (x; - x) = — У
n n
вибiркова дисперсiя X; Sx = yJS2 — стандартне вiдхилення X.
a = Sx^ = Sxy Sy = r Sy (2.11)
c2 SS S xy S ' Sx SxSy Sx Sx
де rxy — вибiрковий коефiцieнт кореляцп; Sy — стандартне вщхилен-ня Y. Отже, коефiцieнт регресп пропорщйний коефiцieнту кореляцп, а коефiцieнти пропорщйносп використовують для зiставлення рiзних величин X i Y.
Таким чином, якщо коефпдент кореляцп rxy уже розрахований, то за формулою (2.11) неважко знайти коефiцieнт аг1 парно! регресп.
Якщо окрiм рiвняння регресп Y на X (Y = a + <21X) для тих самих емшричних даних знайдено рiвняння регресi! X на Y
(X = b0 + b1Y), то добуток коефшденпв аг1 та b1 дорiвнюe rxy:
y
Зазначимо, що коефiцieнти b0 i b обчислюються за формулами, аналогiчними формулам (2.9):
y2- y2 (2.12)
0 = x - b1y.
Властивост оцшок параметр1в
Отриманi результати, зокрема формули (2.9) i (2.12), дають змо-гу зробити ряд висновюв.
Оцiнки МНК е функщями вiд вибiрки•
Оцiнки МНК е точковими оцшками теоретичних коефщденпв регресп
Biдповiдно до друго'' формули спiввiдношення (2.9) емшрич-на пряма регресп обов'язково проходить через точку ( x, y ).
Eмпiричне рiвняння регресп побудоване в такий споиб, що
n
сума ввдхилень S Щ, а також середне значення ввдхилення i=1
1n
U = — S Щ Дорiвнюють нулю (показати самостiйно)•
n i=1
5. Bипадковi ввдхилення щ некорельованi зi спостереженими зна- ченнями yi залежно'' змiнноi Y.
Для пiдтвердження цього висновку необхвдно показати, що кова-рiацiя мiж Y i и дорiвнюe нулю, тобто SyU = 0.
6. Bипадковi вiдхилення ui некорельованi зi спостереженими зна- ченнями xi незалежно'' змiнноi X i з оцшеними за лiнiйною регре- сiйною моделлю значеннями залежно'' змiнноi Y.
Щоб шдтвердити даний висновок, необхiдно показати, що коварь ацiя мiж X i и дорiвнюe нулю, тобто Sxu = 0, Syyu = 0. (Доведення пп. 5 i 6 виконати самостийно.)
Зауважимо, що в класичшй лiнiйнiй економетричнiй моделi змiнна и розглядаеться як випадкова змшна з нульовим математич-ним сподiванням i сталою дисперсieю• Осюльки и охоплюе вплив багатьох неврахованих факторiв, якi можна вважати незалежними, то на пiдставi центрально'' гранично'' теореми теорп ймовiрностей роб-лять висновок, що ця випадкова величина шдпорядкована нормальному закону розподдлу (закону Гаусса).
Доведено (теорема Гаусса), що застосування методу найменших квадрапв можливе лише тод^ коли залишки розподшеш нормально
з параметрами M(U) = 0, D [U] = оЩ = const.
Для шюстрацп МНК розглянемо такий приклад.
Приклад. Для анал1зу залежносп обсягу споживання Y (у. о.) до-могосподарства ввд наявного прибутку X (у. о.) обрано виб1рку обсягу n = 12 (щомюячно впродовж року), результати яко! наведен! в табл. 2.1. Необхвдно визначити вид залежносп; за МНК оцшити па-раметри р1вняння регресп Y i X; оцшити силу лшшно! залежносп м1ж X i Y ; а також спрогнозувати споживання при прибутку X = 160.
Таблиця 2.1
i |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
yi |
107 102 |
109 105 |
110 108 |
113 110 |
120 115 |
122 117 |
123 119 |
128 125 |
136 132 |
140 130 |
145 141 |
150 144 |
144
141
132
130
125
119
117 115
О 107 НО ИЗ 120 123
128 136 140 145 150 X
Рис.
2.3
За
розм!щенням точок на корелящйному пол!
припускаемо, що залежшсть м!ж X i
Y
лшпша: Y
= а0
+ сг1
X; а0,
сг1
— оцшки неввдомих параметр!в модел!.
Для
наочносп розрахунк!в за МНК складемо
табл. 2.2.
Зпдно
з МНК маемо
\
ХУ - x
•
y
15298,08
- 125,25 • 120,67 184,1625 nnoon
a
= -z= —
= — = = 0,9339;
• 1
x2
-
x2
15884,75 - (125,25)2
197,1875 a0
= y
- b1
Х
= 120,67 = 0,9339 • 125,25 = 3,699.
Отже, рiвняння парно'' лппйно'' регресп мае вигляд Y = 3,699 + 0,9339X. Зобразимо цю пряму регресп на корелящйному поль За наведеним рiвнянням розрахуемо yi, а також ui = yi - yi.
Для аналiзу сили лiнiйноi залежностi обчислимо коефщент ко-реляцп:
xy
-
x
■
y
184,1625
rxy
=
) —i = ; =
0,9914.
Отримане значення коефiцieнта кореляцп дае змогу зробити висновок про сильну (пряму) лппйну залежшсть мiж змiнними X i Y. Це також шдтверджуеться розмiщенням точок на корелящйному поль
Таблица 2.2
|
xi |
|
xi2 |
xiyi |
у,2 |
y |
|
ei2 |
|
107 |
102 |
11449 |
10914 |
10404 |
103,63 |
-1,36 |
2,66 |
2 |
109 |
105 |
11881 |
11445 |
11025 |
105,49 |
-0,49 |
0,24 |
3 |
110 |
108 |
12100 |
11880 |
11664 |
106,43 |
1,57 |
2,46 |
4 |
113 |
110 |
12769 |
12430 |
12100 |
109,23 |
0,77 |
0,59 |
5 |
120 |
115 |
14400 |
13800 |
13225 |
115,77 |
-0,77 |
0,59 |
6 |
122 |
117 |
14884 |
14274 |
13689 |
117,63 |
-0,63 |
0,40 |
7 |
123 |
119 |
15129 |
14637 |
14161 |
118,57 |
0,43 |
0,18 |
8 |
128 |
125 |
16384 |
16000 |
15625 |
123,24 |
1,76 |
3,10 |
9 |
136 |
132 |
18496 |
17952 |
17424 |
130,71 |
1,29 |
1,66 |
10 |
140 |
130 |
19600 |
18200 |
16900 |
134,45 |
-4,45 |
19,8 |
11 |
145 |
141 |
21025 |
20445 |
19881 |
139,11 |
1,89 |
3,57 |
12 |
150 |
144 |
22500 |
21600 |
20736 |
143,78 |
0,22 |
0,05 |
Сума |
1503 |
1448 |
190617 |
183577 |
176834 |
— |
= 0** |
35,3 |
Середне* |
125,25 |
120,67 |
15884,75 |
15298,08 |
14736,17 |
|
|
|
Значення округлюються до сотих. Ураховуються похибки округлень.
Прогнозоване споживання при доступному доходi X = 160 за да-ною моделлю становить y(160) ~ 153,12.
Побудоване рiвняння регресй в будь-якому разi потребуе певно'' iнтерпретацii та аналiзу•
1нтерпретащя, тобто словесний опис отриманих результапв, необ-хвдна для того, щоб побудована залежшсть набула яюсного економ!ч-ного змюту.
У нашому приклад! коефпцент щ може розглядатися як гранична схильшсть до споживання. Фактично вш показуе, на яку величину змшиться обсяг споживання, якщо доступний дохвд зб!лыпиться на одиницю. На графшу (рис. 2.3) коефпцент щ визначае тангенс кута нахилу прямо! регресп ввдносно додатного напрямку ос! абсцис (пояснюючо! змшно'!). Тому часто вш називаеться кутовим коефщен-том.
Вшьний член щ р!вняння регрес!! визначае прогнозоване значення Y при величин! наявного прибутку X, що дор!внюе нулю (тобто автономне споживання). Однак тут необхцща певна обережшсть. Важливо, наскшьки ввддалеш дан! спостережень за пояснюючою змшною в!д ос! ординат (залежно! змшно!), тому що навиъ при вда-лому вибор! р!вняння регрес!! для досл!джуваного !нтервалу немае гарант!!, що вона залишиться такою самою й в!ддал!к в!д виб!рки. У нашому випадку значення а0 = 3,699 (у. о.). Цей факт можна пояс-нити для окремого домогосподарства (воно може витрачати накопи-чен! або позичен! кошти), однак для комплексу домогосподарств в!н втрачае сенс. У будь-якому раз! значення коефпцента щ визначае точку перетину прямо! з в!ссю ординат ! характеризуе зсув л!н!! регрес!! вздовж ос! Y.
Необхцщо пам'ятати, що емшричш коефпценти регрес!! щ ! щ е лише оц!нками теоретичних коеф!ц!ент!в а0 та а1, а саме р!вняння в!дображае лише загальну тенденц!ю в повед!нц! розглянутих зм!нних. 1ндиввдуальш значення змшних з р!зних причин можуть ввдхилятися в!д модельних значень. У нашому приклад! ц! в!дхилення виражен! через значення ui, як! е оцшками вцщоввдних ввдхилень для генераль-но! сукупност!.
Однак за певних умов р!вняння регрес!! е незам!нним ! дуже як!с-ним !нструментом анал!зу та прогнозування. Ц! теми обговорювати-муться в наступних розд!лах.