- •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
5.2.1. Параметричний тест Гольдфельда — Квандта
Зауваження. 1. Цей тест застосовуеться до великих виб!рок. 2. Тест припускае нормальний розпод!л ! незалежн!сть випадкових
величин u .
i
1-й крок:
спостереження (вих!дн! дан!) впорядкувати в!дпов!дно до величи-ни елемент!в вектора x{ , який може спричинити зм!ну дисперс!! за-лишк!в.
2-й крок:
в!дкинути с спостережень, як! розм!щен! всередин! вектор!в вих!д-4n
них даних, де c = 15, n - к!льк!сть елемент!в вектора x..
3-й крок:
побудувати дв1 модели на ochobI звичайного МНК за двома ство-
n - c
реними сукупностями спостережень обсягом —^— за умови, що
n-c
> m, де m — юльюсть змшних.
2
4-й крок:
знайти суму квадрапв залишюв St i S2 за першою i другою моделями:
де ut i u — залишки вiдповiдно за першою i другою моделями. 5-й крок:
розрахувати критерш F ——, який у разi виконання гiпотези
Si
(n - c - 2m)
про гомоскедастичшсть вiдповiдатиме F-розподшу з Yi — 2 ,
(n-c-2m) Y2 — 2 ступенями свободи;
значення критерию F порйвняти з табличним значенням F-кри-терiю при вибраному р.вш значущосп a i вщповщних ступенях свободи; якщо F < F^jj, то гетероскедaстичнiсть вщсутня.
Зауваження: чим бшыне значення F, тим бшына гетероскедастичшсть зaлишкiв.
5.2.2. Непараметричний тест Гольдфельда — Квандта
Цей тест базуеться на встановленш кшькосп ппав значень за-лшшав шсля впорядкування (ранжування) спостережень за %{.. Якщо для Bcix значень змшно! %{. залишки розподшяються приблизно од-наково, то дисперая 1х однорiднa i гетероскедaстичнiсть вщсутня. Якщо вона змiнюеться, то гетероскедастичшсть присутня.
Зазначимо, що цей тест не щлком нaдiйний для перевiрки на ге-тероскедaстичнiсть. Однак вш дуже простий i часто використовуеть-ся для першо! оцшки наявносп гетероскедaстичностi множини спостережень.
5.2.3. Тест Глейсера
Перев!рка на гетероскедастичн!сть базуеться на побудов! регре-с!йно! функц!!, що характеризуе залежн!сть величини залишк!в за модулем в!д пояснюючо! зм!нно! xj, яка може зумовити зм!ну дисперс!! залишк!в.
Анал!тична форма регрес!йних функц!й може мати вигляд
\u\ = а0 +а1 xj-1,
Ы = ап +а< x1/2 ! т. !н.
0 1 j
Р!шення про в!дсутн!сть гетероскедастичност! залишк!в прий-маеться на основ! значущост! коеф!ц!ент!в а0 ! а1. Перевага цього методу полягае в можливост! розр!зняти випадок чисто! = 0, а1 ф 0) ! зм!шано! ф 0, а1 ф 0) гетероскедастичност!. Залежно в!д цього по-тр!бно використовувати р!зн! матриц! S.
Оск!льки явище гетероскедастичност! пов'язане з тим, що зм!ню-ються дисперс!! залишк!в, а ковар!ац!я м!ж ними в!дсутня, то матри-ця Sу сп!вв!дношенн! M(uu) = c2lS мае бути додатно визначеною й д!агональною.
Приклад. Перев!рити гшотезу про в!дсутн!сть гетероскедастич-ност! для побудови модел!, яка характеризуе залежн!сть заощаджень в!д доход!в населення. Статистичн! дан! наведено в таблиц!.
Р!к |
Заощадження |
Дох!д |
1 |
1,36 |
14,87 |
2 |
1,2 |
14,4 |
3 |
1,7 |
13,8 |
4 |
1,84 |
15,6 |
5 |
2,1 |
15,94 |
6 |
1,12 |
16,9 |
7 |
1,89 |
17,7 |
8 |
2,3 |
18,67 |
9 |
2,5 |
18,04 |
10 |
1,17 |
19,5 |
11 |
1,9 |
21,4 |
12 |
1,95 |
22,7 |
13 |
2,87 |
25,7 |
14 |
2,6 |
27,18 |
15 |
1,75 |
28,9 |
16 |
1,96 |
29,45 |
17 |
1,4 |
30,07 |
18 |
2,99 |
30,2 |
Розв'язання. 1дентифгкуемо змшш: y — заощадження, x — дохгд. Cпецифiкуемо модель у вигляд.
y — а0 + + u,
y — а0+ai x,
де и — стохастична складова модел..
Для перевiрки гiпотези про вгдсутшсть гетероскедaстичностi за-лишюв моделi застосуемо параметричний тест Гольдфельда — Квандта.
1-й крок:
спостереження впорядкуемо за зростанням за величиною доходу (вектор x) , який може спричинити змшу дисперси залигшав.
Рпс |
Заощадження |
Дохщ |
i |
i,7 |
i3,8 |
2 |
i,2 |
i4,4 |
3 |
i,36 |
i4,87 |
4 |
i,84 |
i5,6 |
5 |
2,i |
i5,94 |
6 |
i,i2 |
i6,9 |
7 |
i,89 |
i7,7 |
8 |
2,5 |
i8,04 |
9 |
2,3 |
i8,67 |
i0 |
i,i7 |
i9,5 |
ii |
i,9 |
2i,4 |
i2 |
i,95 |
22,7 |
i3 |
2,87 |
25,7 |
i4 |
2,6 |
27,i8 |
i5 |
i,75 |
28,9 |
i6 |
i,96 |
29,45 |
i7 |
i,4 |
30,07 |
i8 |
2,99 |
30,2 |
2-й крок:
вгдкинемо с спостережень усерединi вектора вюадних даних, де — 4n
c — i5 , n — кшьюсть елементiв вектора x. Отже,
4 • i8 .
c — ~ 4.
i5
Отримаемо дв! сукупност! спостережень обсягом —2— = 7. Перша сукупн!сть спостережень:
1 |
1,7 |
13,8 |
2 |
1,2 |
14,4 |
3 |
1,36 |
14,87 |
4 |
1,84 |
15,6 |
5 |
2,1 |
15,94 |
6 |
1,12 |
16,9 |
7 |
1,89 |
17,7 |
Друга сукупн!сть спостережень: | ||
1 |
1,95 |
22,7 |
2 |
2,87 |
25,7 |
3 |
2,6 |
27,18 |
4 |
1,75 |
28,9 |
5 |
1,96 |
29,45 |
6 |
1,4 |
30,07 |
7 |
2,99 |
30,2 |
3-й крок:
побудуемо дв! модел! на основ! звичайного МНК за двома ство-реними сукупностями спостережень:
г/1 = 0,7411 + 0,05514x, y2 = 2,9371 - 0,02595x.
4-й крок:
знайдемо суму квадрат!в залишк!в S1 ! S2 за першою ! другою моделями:
S1 = щ% = 0,8149, S2 = u2tru2 = 2,1628,
де u1 ! u2 — залишки в!дпов!дно за першою ! другою моделями. 5-й крок:
. S2 2,1628
розрахуемо критерш F = — = ~ 2,654, який у раз! вико-
S1 0,8149
нання ппотези про гомоскедастичн!сть в!дпов!датиме F-розпод!лу
(n - c - 2m<) _ (n - c - 2тЛ з yi — 2 — 5, Y2 — 2 — 5 ступенями свободи;
m — m + i;
значення критерiю F порiвняемо з табличним значенням F-кри-терiю при р.вш знaчущостi а — 0,05 i вгдповгдних ступенях свободи:
F б — F(0,05; 5) — 5,05.
Осюльки F* < Fтaбл, то гетероскедaстичнiсть вгдсутня. Отже, МНК-оцшки пaрaметрiв регресшно! моделi можуть застосовуватися для подальших дослiджень.