Ekonometrika1

Международный консорциум «Электронный университет»

Московский государственный университет экономики, статистики и информатики

Евразийский открытый институт

В.С. Мхитарян М.Ю. Архипова В.П. Сиротин

Эконометрика

Учебно-методический комплекс

Москва 2008

1

УДК 519.2 ББК 22.172

М936

Мхитарян В.С., Архипова М.Ю., Сиротин В.П. ЭКОНОМЕТРИКА: Учебно-

методический комплекс. – М.: Изд. центр ЕАОИ. 2008. – 144 с.

Рекомендовано Учебно-методическим объединением по образованию в области статистики в качестве учебного пособия для студентов высших учебных заведений, обучающихся по специальности 061700 «Статистика» и другим экономическим специальностям.

ISBN 978-5-374-00053-5	© Мхитарян В.С., 2008
	© Архипова М.Ю., 2008
	© Сиротин В.П., 2008
	© Евразийский открытый институт, 2008

2

Содержание

УЧЕБНОЕ ПОСОБИЕ .......................................................................................................		5
Введение ................................................................................................................................		6
1.	Корреляционный анализ ..................................................................................................	7
	1.1. Основы корреляционного анализа ......................................................................................	7
	1.2. Двумерная корреляционная модель ....................................................................................	8
	1.3. Проверка значимости параметров связи ............................................................................	10
	1.4. Интервальные оценки параметров связи ............................................................................	10
	1.5. Проверка значимости множественного коэффициента корреляции ...............................	11
	1.6. Задачи, решаемые при помощи статистики Фишера ........................................................	11
	1.7. Тренировочный пример .......................................................................................................	12
	1.8. Задание для самостоятельного решения ............................................................................	15
2.	Регрессионный анализ ......................................................................................................	16
	2.1. Основы регрессионного анализа .........................................................................................	16
	2.2. Проверка значимости уравнения регрессии ......................................................................	18
	2.3. Интервальное оценивание коэффициентов регрессии ......................................................	19
	2.4. Мультиколлинеарность ........................................................................................................	20
	2.5. Пример построения уравнения регрессий ..........................................................................	20
	2.6. Тренировочный пример .......................................................................................................	22
	2.7. Задание для самостоятельного решения ............................................................................	25
3.	Методы многомерной классификации. Кластерный анализ ........................................	27
	3.1. Основные понятия кластерного анализа ............................................................................	27
	3.2. Расстояние между объектами (кластерами) и мера близости ..........................................	29
	3.3. Функционалы качества разбиения ......................................................................................	32
	3.4. Иерархические кластер-процедуры ....................................................................................	33
	3.5. Тестовый пример ..................................................................................................................	33
	3.6. Задание для самостоятельного решения ............................................................................	37
4.	Производственные функции ............................................................................................	38
5.	Система одновременных эконометрических уравнений ..............................................	41
	5.1. Тренировочный пример .......................................................................................................	45
Выводы ..................................................................................................................................		47
6.	Список рекомендуемой литературы ...............................................................................	48
7.	Приложения .......................................................................................................................	49

РУКОВОДСТВО ПО ИЗУЧЕНИЮ ДИСЦИПЛИНЫ ................................................			65
1.	Цели, задачи изучения, сфера профессионального применения .................................		66
2.	Необходимый объем знаний для изучения курса .........................................................		66
3.	Основная информация о курсе и его структура ............................................................		67
4.	Перечень основных тем и подтем ...................................................................................		67
	Тема 1.	Корреляционный анализ ...............................................................................................	67
	Тема 2.	Регрессионный анализ ...................................................................................................	69
	Тема 3.	Методы многомерной классификации. Кластерный анализ ......................................	70
		3

	Тема 4. Производственные функции .........................................................................................	72
	Тема 5. Системы одновременных экономических уравнений ................................................	73
5.	Итоговый контроль знаний по курсу ..............................................................................	75
6.	Список рекомендуемой литературы ...............................................................................	76
	7.1. Основная ................................................................................................................................	76
	7.2. Дополнительная ....................................................................................................................	76
	7.3. INTERNET-ресурсы .............................................................................................................	77
7.	Глоссарий ..........................................................................................................................	79
МЕТОДИЧЕСКИЕ УКАЗАНИЯ И ЗАДАНИЯ
ДЛЯ СТУДЕНТОВ-ЗАОЧНИКОВ ..................................................................................		85
Введение ................................................................................................................................		86
1.	Цели, задачи изучения, сфера профессионального применения .................................	87
2.	Содержание курса .............................................................................................................	88
3.	Список рекомендуемой литературы ...............................................................................	89
4.	Примеры решения типовых задач ...................................................................................	90
	4.1. Корреляционный анализ ......................................................................................................	90
	4.2. Регрессионный анализ .........................................................................................................	94
	4.3. Нелинейные регрессионные модели ...................................................................................	97
	4.4. Методы многомерной классификации. Кластерный анализ ............................................	99
5.	Контрольные задания .......................................................................................................	106
6.	Варианты заданий .............................................................................................................	107
	Вариант 1.......................................................................................................................................	107
	Вариант 2.......................................................................................................................................	108
	Вариант 3.......................................................................................................................................	110
	Вариант 4.......................................................................................................................................	111
	Вариант 5.......................................................................................................................................	112
	Вариант 6.......................................................................................................................................	113
	Вариант 7.......................................................................................................................................	115
	Вариант 8.......................................................................................................................................	116
	Вариант 9.......................................................................................................................................	117
	Вариант 10.....................................................................................................................................	118
8.	Приложение .......................................................................................................................	120
Таблица 1 ...............................................................................................................................		120
ТЕСТЫ ПО ДИСЦИПЛИНЕ ...........................................................................................		123
УЧЕБНАЯ ПРОГРАММА ................................................................................................		141

4

Учебное пособие

5

ВВЕДЕНИЕ

Введение

Вусловиях перехода страны к рыночной экономике возрастает интерес и потребность в познании статистических методов анализа и прогнозирования, к количественным оценкам социально-экономических явлений. Как найти связи между переменными, как доказать их значимость и оценить их параметры? На эти вопросы можно ответить с помощью эконометрики, занимающейся применением методов математической статистики в экономическом анализе.

Эконометрика – это дисциплина, объединяющая совокупность теоретических результатов, методов и приемов, экономической теории, экономической статистики и мате- матико-статистического инструментария для количественного решения социальноэкономических задач. Курс эконометрики призван научить различным способам выражения связей и закономерностей через эконометрические модели и методы проверки их адекватности, основанные на данных наблюдений. Эконометрический подход характеризует также внимание, которое уделяется в нем вопросу соответствия выбранной модели изучаемому объекту, рассмотрению причин, приводящих к необходимости пересмотра модели на основе более точной системы представлений. Эконометрика занимается, по существу, статистическими выводами, т. е. использованием выборочной информации для получения некоторого представления о свойствах генеральной совокупности.

Вданном учебном пособии излагаются основные теоретические положения таких математико-статистических методов, как корреляционный, регрессионный, компонентный

икластерный анализы, а также такие распространенные эконометрические модели, как производственные функции и системы одновременных уравнений.

Значительное внимание в учебном пособии уделяется логическому анализу исходной информации и экономической интерпретации получаемых результатов. Пособие снабжено достаточным количеством экономических примеров и задач для самостоятельного решения.

6

КОРРЕЛЯЦИОННЫЙ АНАЛИЗ

1.Корреляционный анализ

1.1.Основы корреляционного анализа

Корреляционный анализ, разработанный К.Пирсоном и Дж.Юлом, является одним из методов статистического анализа взаимозависимости нескольких признаков – компонент случайного вектора x. Основная задача корреляционного анализа состоит в оценке степени зависимости между случайными величинами. Степень линейной зависимости между количественными переменными характеризуется с помощью парных, частных и множественных коэффициентов корреляции идетерминации.

Парный коэффициент корреляции характеризует тесноту линейной зависимости между двумя переменными на фоне действия всех остальных показателей, входящих в модель. Частный коэффициент корреляции характеризует тесноту линейной зависимости между двумя переменными при исключении влияния всех остальных показателей, входящих в модель. Данные коэффициенты корреляции изменяются в пределах от -1 до +1, причем чем ближе коэффициент корреляции к +1, тем сильнее зависимость между переменными. Если коэффициент корреляции больше 0, то связь положительная, а если меньше нуля – отрицательная.

Множественный коэффициент корреляции характеризует тесноту линейной связи между одной переменной (результативной) и остальными, входящими в модель; изменяется в пределах от 0 до 1. Квадрат множественного коэффициента корреляции называется множественным коэффициентом детерминации. Он характеризует долю дисперсии одной переменной (результативной), обусловленной влиянием всех остальных переменных (аргументов), входящих в модель.

Исходной для анализа является матрица:

			x1 j x1k
	x11
X=			xij xik
	xi1
			xnj xnk
	xn1

размерности (n x k), i-я строка которой характеризует i-е наблюдение (объект) по всем k-м показателям (j=1, 2, ..., k).

В корреляционном анализе матрицу X рассматривают как выборку объема n из k-мерной генеральной совокупности, подчиняющейся k-мерному нормальному закону распределения.

По выборке определяют оценки параметров генеральной совокупности, а именно:

вектор средних ( x ), вектор средне-квадратических отклонений s и корреляционную матрицу (R) порядка (k×k):

s1

x

1

x

2

s2

1

r12

. . r1k

= .

,

s = .

,

R= r21

1

. . r2k .

x

.

r

r

. . 1

.

.

k1

k 2

.

xk

sk

7

КОРРЕЛЯЦИОННЫЙ АНАЛИЗ

Матрица R является симметричной (rjl = rlj) и положительно определенной:

=

1 ∑xij , sj =

1

∑n (xij −

j )2 ,

(1.1)

x

x

n

n i=1

1

∑n (xij −

)(xil −

)

x j

xl

r jl =

n i=1

,

(1.2)

s j sl

где xij – значение i-го наблюдения j-го фактора; ril – выборочный парный коэффициент корреляции, характеризует тесноту линейной связи между показателями xj и xl. При этом rjl является оценкой генерального парного коэффициента корреляции.

Кроме того, находятся точечные оценки частных и множественных коэффициентов корреляции любого порядка. Например, частный коэффициент корреляции (k-2)-го порядка между факторами X1 и X2 равен:

	r12 / 3,4...,k =-	R12	,	(1.3)
		R11R22

где Rjl – алгебраическое дополнение элемента rjl корреляционной матрицы R. При

этом Rjl =(-1) j+l × Мjl, где Mjl – минор, определитель матрицы, получаемой из матрицы R путем вычеркивания j-й строки и l-го столбца.

Множественный коэффициент корреляции (k-1)-го порядка фактора (результативного признака) X1 определяется по формуле:

r1/ 2,3,...,k =r1 = 1−	R ,	(1.4)
	R11

где R – определитель матрицы R.

1.2. Двумерный нормальный закон распределения

Рассмотрим генеральную совокупность с двумя признаками x и y, совместное распределение которых задано плотностью двумерного нормального закона

f (x, y) =

2πσ σ

1

exp Q (x, y)

,

(1.5)

y

1−ρ2

{

2

}

x

где Q (x, y) =

−1

[(

x −

µ

x

)2

−

2ρ

x −µ

x

y −µy

+(

y −

µy

)2 ]

, определяемогопятьюпараметрами:

2

2 (1−ρ

2

σ

σ

σ

σ

)

x

x

y

y

M (x) = µ

x

,

D(x) = σ 2

,

x

M ( y) = µ

y

,

D( y) = σ 2

,

y

M [

x −

µ

x

y −µy

] = ρ,

σx

σy

ρ2 ≠ 1.

Имея эти параметры, можно получить уравнения линий регрессии, показывающих изменение условных математических ожиданий в зависимости от изменения соответствующих значений случайных аргументов:

8

КОРРЕЛЯЦИОННЫЙ АНАЛИЗ

M ( y / x) − My =βyx (x − Mx) – линейное уравнение регрессии y на x;

M ( y / x) − Mx =βxy ( y − My) – линейное уравнение регрессии x на y;

βyx		= ρ		σy			– коэффициент регрессии y на x;
				σ	x
β	xy	= ρ		σx			– коэффициент регрессии x на y.
				σ	y

Полезно вспомнить, что квадрат коэффициента корреляции ρ2, т.е. коэффициент детерминации, в рассматриваемой модели указывает долю дисперсии одной случайной величины, обусловленную вариацией другой. Коэффициент регрессии βyx показывает, на сколько единиц своего измерения увеличится (β>0) или уменьшится (β<0) в среднем y (M(y/x)), если x увеличить на единицу своего измерения.

Задача двумерного корреляционного анализа состоит, прежде всего, в оценке пяти параметров, определяющих генеральную совокупность.

В качестве точечных оценок неизвестных начальных моментов первого и второго порядка генеральной совокупности берутся соответствующие выборочные моменты.

Точечные же оценки неизвестных других параметров получают с помощью формул, аналогичных формулам вычисления самих параметров через генеральные начальные моменты. Таким образом, будем иметь:

x

– оценка для µx,

y

– оценка для µy,

2

– оценка для M(x2),

x

y 2

– оценка для M(y2),

xy

– оценка для M(xy).

Откуда

2

2

= x

2

− (x)

2

– оценка для

,

sx

σx

2

2

2

2

= y

− ( y)

– оценка для

σy ,

sy

− x y

r =

xy

– оценка для ρ.

SxS y

Оценки генеральных коэффициентов регрессии βyx и βxy получаются соответственно по формулам:

b	yx	= r	S y	,	b	= r	s	x	,
			Sx		xy		sy

откуда оценки уравнений регрессии имеют вид:

y / x

− y = byx (x − x),

x / y

− x = bxy ( y − y).

При этом y / x и x / y – обозначения оценок для условных математических ожиданий M(y/x) и M(x/y) генеральной совокупности.

9

КОРРЕЛЯЦИОННЫЙ АНАЛИЗ

Следует отметить, что вышеприведенные точечные оценки являются состоятельными, а x и y несмещенными и эффективными. Кроме того, распределение выборочных

средних ( x , y ) не зависит от распределения (sx2 , s2y ,r) . Наконец, выборочный коэффициент корреляции r по абсолютной величине не превосходит единицы.

1.3.Проверка значимости параметров связи

Вдвумерной модели параметрами связи являются коэффициент корреляции ρ (или его квадрат, называемый коэффициентом детерминации) и коэффициенты регрес-

сии βyx и βxy.

Заметим, что в двумерной модели достаточно проверить значимость только коэффициента корреляции. Если коэффициент корреляции незначим, то признаки х и y считаются независимыми в генеральной совокупности.

Значимость частных и парных коэффициентов корреляции, т. е. гипотеза H0: ρ = 0,

проверяется по t-критерию Стъюдента. Наблюдаемое значение критерия находится по формуле:

	tнабл =	r	n − l − 2	(1.6)
		1 − r 2

где r – соответственно оценка частного или парного коэффициента корреляции; l – порядок частного коэффициента корреляции, т. е. число фиксируемых факторов. Для парного коэффициента корреляции l=0.

Напомним, что проверяемый коэффициент корреляции считается значимым, т. е. гипотеза H0: ρ=0 отвергается с вероятностью ошибки α, если tнабл по модулю будет больше, чем tкр, определяемое по таблицам t-распределение (см. приложения) для заданного α и ν= n – l- 2.

Значимость коэффициентов корреляции можно также проверить с помощью таблиц Фишера-Иейтса (табл. 9 приложения).

1.4. Интервальные оценки параметров связи

Для значимых параметров связи имеет смысл найти интервальные оценки.

При определении с надежностью γ доверительного интервала для значимого парного или частного коэффициентов корреляции ρ используют Z-преобразование Фишера и предварительно устанавливают интервальную оценку для Z

	Z' – t γ	1		≤ Z ≤ Z′+tγ	1		,	(1.7)
		n −l	−3		n −l	−3

где tγ вычисляют по таблице интегральной функции Лапласа (табл. 1 приложения) из условия

Φ(tγ)=γ, z(r) = 12 ln11+− rr .

Значение Z' определяют по таблице Z – преобразования (табл. 6 приложения) по найденному значению r. Функция нечетная, т. е.

Z'(-r) = -Z'(r).

10