- •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
5.4. Оцшювання параметр1в багатофакторноУ регресшноУ модел1 на основ1 узагальненого методу найменших квадралв
Розглянемо детaльнiше загальний випадок оцшювання пaрaметрiв моделi з гетероскедастичними залишками.
Запишемо узагальнену багатофакторну регресшну модель у матричному вигляд.
y — Ха + u, (5.i6)
де у — вектор-стовпець залежно! змшно! розм.рносп (n х i);
X — матриця незалежних змшних розм.рносп (n х (m + i));
а — вектор-стовпець невгдомих параметр.в розм.рносп ((m + i) х i);
u — вектор-стовпець випадкових помилок розм.рносп (n х i).
Нехай виконуються Bci припущення класично! лшшно! багато-факторно! модел., за винятком припущення про гомоскедастичшсть похибок. Якщо до модел. (5.i6) застосувати звичайний МНК, от-римана оцшка параметр.в буде незмщеною, обгрунтованою, однак не ефективною (не мае найменшо! дисперси серед незмпцених ош-нок).
За наявносп гетероскедастичносп для оцшювання параметр.в модел. дощ'льно застосувати узагальнений метод найменших квад-рапв (метод Ейткена), вектор оцшювання якого мае вигляд
а — (X 'S-i X)-i X'S-iY. (5.i7)
Вектор а мютить незмщену лшшну оцшку параметр.в модел., яка мае найменшу диспераю i матрицю ковар.ацш:
о2(а) — ou (X 'S-iX
Зауваження. Для отримання УМНК-оцшок необхщно знати ковар.ацшну матрицю S вектора похибок, яка на практищ дуже ргдко вгдома. Тому природно спершу оцшити матрицю S, а попм застосувати !! оцшку у формул. (5.i7). Цей шдхгд е суть узагальненого методу найменших квадрапв.
Визначення матриц! S. Оскшьки явище гетероскедастичносп пов'язане лише з тим, що змшюються дисперси залишюв, а коваpiairiH м1ж ними вщсутня, то матриця S мае бути д1агональною, а саме
S
Ху
Х2
.. 0 .. 0
00
1
Зазначимо, що матриця S залежить вiд специфiчноI форми гетероскедастичност й може бути розрахована виходячи з припу-щень про залежшсть похибок ввд одше'1 i3 незалежних змiнних (випадки 1-3).
У матрищ S значення Xi, i = 1, 2, n, можна обчислити, користу-ючись гшотезами:
M(uu') = <з2иХц, тобто диспеpсiя залишкiв пpопоpцiйна до змш пояснюючо! змiнно'l x;
M(uu') = <32ux2j, тобто змша дисперсй пpопоpцiйна до змши квадрата пояснюючо'1 змiнноl x2;
M(uu') =a2l{| u |}2, тобто дисперая залишкiв пропорщйна до змiни квадрата залишкiв за модулем.
1
Для першо'1 гiпотези Х; = —.
xij
Для друго'1 гiпотези Х; = — .
Для третьо'1 гiпотези Xi = {| u |}2, або Хi = (a0 - ахx{j)2, або
Хi = (ао - а1x-1)2.
Oскiльки матриця S симетрична i додатно визначена, то при S = PP1 матриця Р мае вигляд
0
0
P =
0
0
V?4 0
о 7^2
0
0
0
0
0
Зауваження. Коефщдент детермшацп не може бути задов!льною м!рою якост! модел! в раз! застосування УМНК (на в!дм!ну в!д кла-сично! модел!). У загальному випадку значення коеф!ц!ента детерм!-нац!! нав!ть не повинно перебувати в интервал! [0,1], а додавання чи вилучення незалежно! змшно! (фактора) не обов'язково зумовлюе його зб!лынення або зменшення.
Основы висновки щодо наявност гетероскедастичносп в регресшнш модел1
Якщо виявлено гетероскедастичн!сть, а дисперси нев!дом!, не-обх!дно трансформувати початкову модель з метою усунення гетеро-скедастичност!.
Якщо ом. в!дом! (що, взагал!, р!дк!сть), то нев!дом! параметри регрес!йно! модел! розраховуються за МНК.
22
Якщо ом. нев!дом!, але в!домий вигляд залежност! м!ж ом. та одн!ею !з незалежних зм!нних %{, то параметри регрес!йно! модел! розраховуються за УМНК.
Важливим е припущення про нормальний закон розпод!лу ви-падково! зм!нно! и. Якщо це припущення порушуеться (або, як часто бувае на практиц!, !гноруеться), то оц!нки параметр!в залинають-ся найкращими, однак ми не можемо визначити !х статистичну значущ!сть (над!йн!сть) за допомогою класичних тест!в значущост! (t, F тощо), оск!льки ц! тести базуються на нормальному закон! роз-под!лу.