- •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
3.2.3. Оцшювання за методом найменших квадралв та штерпретащя результалв
Нехай ввдомо n спостережень незалежних змiнних x^, Х'2,xm i n спостережень залежно! змшно! y. Необхвдно за МНК oцiнити параметри <a>, а1, а2,ат лшшно! мoделi (3.1).
Якщо виконуються зазначеш ранiше передумови, то оцшки пара-метрiв можна отримати за таким алгоритмом.
1. Незалежш змшш записати у виглядi матрицi
X ={xo, Х1, x2, Хт\,
де xo — вектор, складений з n одиниць; xb x22,xm — вектори спостережень незалежних змшних.
2. Обчислити матрицю XTX i вектор XTy , де XT — транспоно- вана матриця X, y — вектор спостережень залежно! змшно!.
Зауваження. Транспонована матриця утворюеться з вшадно! пе-ретворенням рядкiв у cтoвпцi•
3. Обчислити обернену матрицю (XTX) 1.
Зауваження. Матриця A- називаеться оберненою до A, якщо ви-
1 1
конуеться сшвввдношення A A = AA = E, де E — одинична мат-риця.
4. Обчислити параметри мoделi за формулою
а = (X TX X Ty), (3.2)
де а — вектор параметрiв, а = (а0, а1, а2,ат)T.
Зауваження. Для визначення оцшок параметрiв можна скориста-тися будь-яким методом розв'язання системи лшшних рiвнянь вiднocнo вектора невiдoмих змшних:
(X TX )а = X Ty.
Приклад [3]. Шдприемство, що складаеться з багатьох фшш, дос-лiджуе залежнicть свого рiчнoгo тoварooбiгу y (млн у. о.) ввд торго-во'1 площд сво!х фiлiй x1 (тис. кв. м) i середньоденно! iнтенcивнocтi потоку покупщв (тис. чол./день). Прocтoрoвi даш за фiлiями наведено в табл. 3.1.
Для ввдображення залежноет мiж цими показниками обирають лшшну рeгрeеiйну модель
y = ао + а1 x-1 + а2 Х2 + u •
Таблиця 3.1
Номер |
Значення y |
Значення x1 |
Значення x2 |
фпш |
(y) |
(x1i) |
(x2i) |
1 |
2,93 |
0,31 |
10,24 |
2 |
5,27 |
0,98 |
7,15 |
3 |
6,85 |
1,21 |
10,81 |
4 |
7,01 |
1,29 |
9,89 |
5 |
7,02 |
1,12 |
13,72 |
6 |
8,35 |
1,49 |
13,92 |
7 |
4,33 |
0,78 |
8,54 |
8 |
5,77 |
0,94 |
12,36 |
9 |
7,68 |
1,29 |
12,27 |
10 |
3,16 |
0,48 |
11,01 |
11 |
1,52 |
0,24 |
8,25 |
12 |
3,15 |
0,55 |
9,31 |
У результат оцiнювання парамeтрiв за методом найменших квад-ратiв отримано таю оцшки: а0 =-0,832; аг1 = 4,743; аг2 = 0,175.
Оцшки штерпретуютьея таким чином. Коефщдент а1 = 4,743 озна-чае, що за шших нeзмiнниx умов змшна Х1 збiльшитьея (зменшить-ея) на одиницю, залежна змшна y збшыпитьея (зменшитьея) вцщоввд-но на 4,743 одиниць Зокрема, у наведеному прикладi збiльшeння (зменшення) торгово! площи на 1 тие. кв. м збшьшить (зменшить) рiчний товарообiг на 4,743 млн у. о. Аналопчно, збшьшення (зменшення) еередньоденно! штенеивноеп покупцiв на 1 тие. чол./день збшьшить (зменшить) рiчний товарообiг на 0,175 млн у. о.
3.3. Вериф^а^я модeлi 3.3.1. Показники якоcтi модeлi
У клаеичному рeгрeеiйному аналiзi вважаетьея, що функцiя рег-рееп вiдома до оцiнювання парамeтрiв, тобто регреешна модель епе-цифiкована правильно. Однак в емшричних eкономiчниx i еоцiальних дослвдженнях не завжди ввдомо, скшыси факторйв мае бути введено в модель i яка форма залежносп краще описуе реальш зв'язки. Щоб забезпечити найбiльш адекватне вщтворення дослщжува-ного явища чи процесу, необхiдно вибрати регресiйну функщю серед багатьох варiантiв, використовуючи спещальш критерп якостi мо-делi.
Для перевiрки коректностi побудови моделi визначають насампе-ред:
стандартну похибку рГвняння;
коефiцiент детермшацп;
коефнцент множинно! кореляцп;
стандартну похибку параметрiв.
Зауважимо, що зазначеш показники отримують на nidcmaei конк-ретних статистичних даних, тобто кожна з цих характеристик б ви-бхрковою характеристикою i тому маб бути перевхрена на значущсть за допомогою спецшльних статистичних критерив.
Стандартна похибка рiвняння (точкова ощ'нка емшрично! дис-персп залиипав) характеризуе абсолютну величину розкиду випад-ково! складово! ргвняння i обчислюеться за формулою
ni=l
Поправка на число ступешв свободи дае незмiщену оцшку дис-персп залишкiв:
л n
n - m -1 {=i
Зрозумшо, що перевага вiддаеться моделям, у яких стандартна похибка ргвняння менша поргвняно з шшими моделями. Однак така оцiнка якосп мае суттевий недолпс: через те що для не! не визначено верхню межу, поргвняння ргзних моделей за цим критерiем досить проблематичне.
Коефщбнт детермтаци R2 показуе, яка частина руху залежно! змшно! описуеться даним регресшним ргвнянням, i обчислюеться за формулою
R2 = 1 -
1 n
де S2. = — У (y; - y)2; y — середне значения залежно! зм1нно!, n i=1
1 n
y = - У yi •
ni=1
На значення коефппента детерм1нац1! впливае к1льк1сть фактор1в, що враховано в модель Уведення в модель кожно! ново! зм1нно! зб1льшуе значення коефнцента детермшацй. Тому щоб запобпти не-виправданому розширенню модел1 й мати змогу пор1внювати модел1 з р1зною к1льк1стю фактор1в, уводять спец1альний оцшений ко-еф1ц1ент детерм1нацй
R2 = 1 -4 ■
2 2
де о„ — незмпцена оц1нка дисперсп залишк1в; о y — незм1щена оц1н-
1 n
ка дисперс1! залежно! зм1нно!, оУ = У (yi - y)2
n -1 i=1
Неважко пом1тити, що обидва коеф1ц1енти пов'язан1 такою залеж-н1стю.
R2
=
1
-(1
-R2)
n
-1
•
n - m -1
Обчислений у такий спос1б коеф1ц1ент детерм1нац1! називаеться скоригованим за Тейлом 1 позначаеться RT. Кр1м того застосовують також коригування за Амем1ею, яке виконуеться за формулою
R2 = 1 - (1 - R2) .
n-m-1
Обчислений у такий спос1б коеф1ц1ент детерм1нац1! називаеться скоригованим за Амем1ею 1 позначаеться •
Обидва коефнценти RT 1 R| враховують той факт, що уведення в модель кожного нового регресора зменшуе число ступен1в свободи. А для застосування статистичних критер1!в перев1рки якост1 отрима-них результат1в ступен1в свободи бажано мати якомога б1льше.
Очевидно, для кожного RT 1 виконуеться нер1вн1сть R2 < R, тобто з1 зб1льшенням к1лькост1 фактор1в модел1 оц1нен1 коеф1ц1енти детермшацп зростають повшьшше, шж R2. КрГм того, якщо R2 = 1, то i R2 = 1. Якщо R2 прямуе до нуля, оцшеш коефiцiенти стають вiд'емними. Така властивiсть скоригованих коефiцiентiв детермiнацi'i дае змогу бшын об'ективно оцiнювати яюсть моделей з ргзною
кшьюстю факторiв, причому в разi застосування коефщента RA (скоригованого за Aмемiею) перевага однозначно вщдаеться рГвнян-ню з меншою кшьюстю регресорiв.
Зауваження. Коефппент детермшацп мае ще два рГвнощ'нних оз-начення. За першим, коефщдент детермшацп R дорiвнюе квадрату емшричного коефiцiента кореляцп мГж двома рядами спостережень (теоретичними значеннями регресанда y( та його розрахунковими значеннями yi, i = 1, 2,n) i обчислюеться за формулою
R2 = (Е (yi- y)(y - y))2
Е (уг - y) Е (yi - y)
За другим, коефщдент детермшацп R2 дорГвнюе вщношенню суми квадрапв вщхилень розрахункових значень регресанда вщ його середнього значення до суми квадрапв вщхилень спостережених значень регресанда вщ того самого середнього значення:
R2
Е (У - У)2 Е (Уг - У)2
В обох випадках сума Е обчислюеться за всгма спостереження-ми i = 1, 2,n.
Коеф^бнт множинног кореляци R (R) визначае мГру зв'язку за-лежно! змшно! з уома незалежними факторами i е коренем квадрат-ним з вщповщного коефщдента детермшацп: R = л/R2 ( R = VR2 ).
Стандартна похибка рГвняння, коефщент детермшацп та множин-но! кореляцп е характеристиками, за якими перевгряеться пра-вильшсть вибору незалежних змшних моделГ. При порГвнянш регре-сшних рГвнянь з рГзною кшьюстю незалежних змшних вирппальними критерГями е стандартна похибка рГвняння (найменша) та коефщдент детермшацп (якомога ближчий до одинищ i з бгльшим числом сту-пешв свободи).