- •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
3.3.2. Перев1рка значущосп та flOBipni штервали
Розглянут1 показники якост1 модел1 побудован1 за даними спо-стережень, тобто е деякими виб1рковими характеристиками генераль-но! сукупност1. 3 математично! статистики в1домо, що будь-яка статистика (функц1я в1д елемент1в виб1рки) мае бути перев1рена на значущ1сть. 1ншими словами, за допомогою спец1альних критер1!в не-обх1дно встановити, чи зумовлено значення ц1е! функц1! лише похиб-ками вим1рювання, чи вона в1дображае якусь суттеву (значущу) 1нформац1ю. Неперев1рений статистичний результат е лише деякою г1потезою, яка може бути прийнята чи в1дхилена.
Нагадаемо, що перев1рка г1потез у загальному випадку виконуеть-ся в такому порядку. для кожно! задач1 добираеться деяка випадкова величина, що мае в1домий чи близький до в1домого закон розпод1лу. Функц1я в1д елемент1в виб1рки е конкретною реал1зац1ею ц1е! випадково! величини.
Зауваження. У задачах регрес1йного анал1зу важливе значення мае припущення про нормальний розпод1л випадкових величин, що зад1-ян1 в дан1й модел1. Певн1 перетворення нормально розпод1лених величин забезпечують !х розпод1л за законом Стьюдента чи за законом Ф1шера. на п1дстав1 першого з них визначаються дов1рч1 1нтервали, а другий дае змогу оц1нювати в1дношення двох випадкових величин.
Стосовно кожного статистичного результату висуваеться так звана нульова г1потеза (про р1вн1сть нулю деяко! випадково! величини) 1 альтернативна до не! г1потеза (про !! суттеву в1дм1нн1сть в1д нуля). У нульов1й г1потез1 формулюють результат, який бажано в1дхилити, а в альтернативн1й, яка 1накше називаеться експериментальною, — той, що його необх1дно п1дтвердити.
Зауваження. Р1вн1сть двох величин у загальному випадку може розглядатися як р1вн1сть нулю !х р1зниц1.
3а заданим р1внем значущост1 множина допустимих значень роз-биваеться на дв1 неперетинн1 множини. одна м1стить значення випад-ково! величини, 1мов1рн1сть досягнення яких перевищуе заданий р1вень значущост1, а 1нша — критична область — визначае т1 значен-ня, що досягаються р1дко (1мов1рн1сть потрапити до тако! област1 нижча в1д заданого р1вня), 1 розташована вона, як правило, на "хвостах розпод1лу".
3алежно в1д альтернативно! г1потези критична область може склада-тися з одного чи двох пром1жк1в на числов1й ос1. Це буде один пром1жок
(правий чи лГвий "хвют" розподшу), якщо зазначаеться напрямок не-рГвносп (бгльше або менше деяко! величини), i два промгжки (обидва "хвости" розподглу), якщо встановлюеться нерГвшсть (не доргвнюе певнш величиш).
За даними спостережень обчислюеться значення вгдповгдно! статистики — функцп вгд елементгв вибгрки. Якщо ця величина потрап-ляе до критично! обласп, це означае, що сталася практично немож-лива поддя, тобто подгя, що мае дуже малу ймовгршсть, а отже, вгд нульово! гшотези слвд ввдмовитися i вгддати перевагу альтернативнш. Якщо обчислене значення статистики не потрапило до критично! об-ласп, роблять висновок, що дана вибгрка не суперечить нульовш гшотеза тобто неправильною е експериментальна гшотеза.
При перевгрш гшотез може бути допущена помилка, наприклад може бути вгдхилена нульова гшотеза, хоча насправдГ вона правильна (помилка першого роду), або ж, навпаки, нульова гшотеза може бути прийнята, хоча вона неправильна (помилка другого роду). На це слгд зважати при формулюванш статистичного висновку.
Якщо значення R "близьке" до одинищ, вважаеться, що регресшне ргвняння досить правильно ввдбивае наявний зв'язок мГж залежною та незалежними змшними моделГ. Якщо значення R2 "близьке" до нуля, регресшна модель неправильна. Постае питання, як визначити цю "близькють"? Для цього необхгдно застосувати ввдповцщий статистич-ний критерш, який дасть змогу встановити, чи суттево вгдргзняеться R2 вгд нуля, чи ця ввдмшшсть пов'язана з особливостями конкретних даних, тобто зумовлена лише похибками вимгрювань.
Для перевгрки статистично! значущосп коефщента детермшацп R2 висуваеться нульова гшотеза Н) : R = 0. Це означае, що дослгджу-ване рГвняння не пояснюе змшювання регресанда шд впливом ввдго-вгдних регресорГв. У такому разГ вс коефщенти при незалежних змшних мають дорГвнювати нулю. При цьому нульову гшотезу можна подати у виглядг
Альтернативною до не! е Нд: значення хоча б одного параметра моделГ вгдмшне вгд нуля, тобто хоча б один гз факторГв впливае на змшювання залежно! змшно!.
Для перевгрки цих гшотез застосовують .Р-критерш Филера з m i n - m - 1 ступенями свободи. За отриманими в моделГ значеннями коефщдента детермшацп R2 обчислюють експериментальне значения ^-статистики:
_ = R2 n - m -1 1 - R2 m
яке пор1внюють з табличним значенням розподшу Фпнера при зада-ному р1вн1 значущост а (як правило, а = 0,05 або а = 0,01). Якщо -^табл < ^експ, нульова гшотеза вщхиляеться, тобто юнуе такий ко-ефщент у регресшному р1внянш, який суттево в1др1зняеться вщ нуля, а вщповщний фактор впливае на дослщжувану змшну. Вщхи-лення нуль-гшотези свщчить про адекватшсть побудовано! модель У протилежному випадку модель вважаеться неадекватною.
Коефпцент кореляцп, як виб1ркова характеристика, перев1ряеть-ся на значуицсть за допомогою ?-критер1ю Стьюдента. Фактичне значення t-статистики обчислюеться за формулою
, = R-4n - m - 1 V1 - R2
i пор1внюеться з табличним значенням £-розподдлу з n - m - 1 ступенями свободи та при заданому рiвнi значущост а/2 (такий рiвень зу-мовлений тим, що критична область складаеться з двох промiжкiв). Якщо абсолютна величина експериментального значення t-статисти-ки перевищуе табличне, тобто
можна зробити висновок, що коефпцент кореляцп достовiрний (зна-чущий), а зв'язок мiж залежною змiнною та всiма незалежними факторами суттевий.
Oкрiм загальних показникiв адекватност моделi iснують також оцiнки, що дають змогу встановити яюсть окремих частин рiвняння, зокрема одного чи кшькох коефiцiентiв регресп. Як i в попереднiх випадках, рiшення вщносно якостi коефiцiентiв приймають на основi вiдповiдних статистичних критерпв.
На пiдставi одного з найважливiших припущень МНК — припу-щення про нормальний розподш випадково! складово! рiвняння з нульовим математичним сподiванням i сталою диспераею — доведено, що кожний параметр лшшно! perpeci'i також мае нормальний розподгл. Причому математичне cподiвання параметра доpiвнюе зна-ченню параметра узагальнено! регресГ!, а дисперсГя — нeзмiщeнiй дис-персГ! випадково! складово! рГвняння, помножeнiй на вгдповщний дГа-
гональний елемент обернено! матpицi( X TX
Статистичну значущicть кожного параметра модeлi можна пере-вГрити за допомогою t-критерш. При цьому нульова гiпотeза мае вигляд
H0 : aj = 0,
альтернативна
ЯА : aj Ф 0.
Експериментальне значення t-статистики для кожного параметра моделГ обчислюеться за формулою
t
де Cjj — дгагональний елемент матрицГ (XT X) 1; Sa. — стандартизована похибка оцГнки параметра моделГ, Sa = ou^/Cj~.
Експериментальне значення tj -критерГю порГвнюеться з таблич-ним значенням з n - m - 1 ступенями свободи при заданому рГвнг значущостГ а/2 (критична область розбиваеться на два фрагмента, межГ яких задаються квантилем а/2). Якщо значення tj-статисти-ки потрапляе до критично! обласп (за абсолютним значенням пере-вищуе ^абл ), приймаеться альтернативна гшотеза про значущдсть вгдповгдного параметра. 1накше робиться висновок про статистичну незначущд'сть параметра aj, а це означае, що вгдповгдна незалежна змшна не впливае суттево на змшювання регресанда.
Зауваження. Оскшьки tj-статистика е вгдношенням вгдповгдного параметра моделГ до його стандартно! похибки (середньоквадратично-го вГдхилення), то на практицг частппе застосовують грубппу оцГнку, а саме допускають, щоб стандартнг похибки становили 45-50 % значення параметра, аби стверджувати про його статистичну значупцсть.
Дов1рч1 штервали для кожного окремого параметра обчислю-ються на основ1 його стандартно! похибки та критер1ю Стьюдента:
Табличне значення ?табл, як i рашше, мае n - m - 1 ступешв свободи i рiвень значущостi а/2 (^табл = ta/U (n - m -1)).
Обчислеш значення tj-статистик застосовують також для розра-
хунку часткових коефпценпв детермiнацi! ARj, як визначають гра-ничний внесок j-го регресора в загальний коефщент детермшацп. Ко-ефiцiент ARU показуе, на яку величину зменшиться коефпцент
детермшацп Ru, якщо j-й регресор (i лише вiн!) буде вилучений з гру-
пи регресорiв• Формула для розрахунку часткового коефпцента детермшацп мае вигляд
n-m
де RU — коефiцiент детермiнацi!, обчислений для моделi з m регресо-рами; tU — квадрат обчисленого значення t-статистики для j-го рег-ресiйного коефпцента; n — кiлькiсть спостережень, m — кiлькiсть рег-ресорiв•
Зауваження. Частковi коефiцiенти детермiнацi! ART i AR|, об-
численi за ввдговцшими значеннями RT та RA, можуть бути як до-датними, так i вiд'емними, що дае змогу бглын об'ективно оцiнювати моделi з ргзною юльюстю регресорiв•