3498
.pdf1.Определите структурные параметры первого уравнения, если это возможно.
2.Определите структурные параметры второго уравнения, если это возможно.
Задача 10. Имеются условные данные, представленные в таблице.
Период |
|
|
Темп прироста |
|
|
% |
|
времени |
заработной |
цен, |
дохода, |
|
цен на |
экономически |
безработных, |
|
платы, |
|
|
|
импорт, |
активного |
|
|
|
|
|
|
|
населения, |
|
|
|
|
|
|
|
1 |
|
1 |
2 |
6 |
10 |
|
2 |
1 |
|
|
|
|
|
|
|
2 |
|
2 |
3 |
7 |
12 |
|
3 |
2 |
|
|
|
|
|
|
|
5 |
|
3 |
4 |
8 |
11 |
|
1 |
3 |
|
4 |
5 |
5 |
15 |
|
4 |
3 |
2 |
|
|
|
|
|
|
3 |
|
5 |
6 |
4 |
14 |
|
2 |
3 |
|
|
|
|
|
|
|
4 |
|
6 |
7 |
9 |
16 |
|
2 |
4 |
|
|
|
|
|
|
|
4 |
|
7 |
8 |
10 |
18 |
|
3 |
5 |
Определите параметры структурной модели следующего вида:
,
,
.
4. ВРЕМЕННЫЕ РЯДЫ В ЭКОНОМЕТРИЧЕСКИХ ИССЛЕДОВАНИЯХ
Краткие теоретические сведения
Модели, построенные по данным, характеризующим один объект за ряд последовательных моментов (периодов), называются моделями временных рядов.
Временной ряд – это совокупность значений какого-либо показателя за несколько последовательных моментов или периодов времени.
Каждый уровень временного ряда формируется из трендовой (T), циклической (S) и случайной (E) компонент.
Модель, в которой временной ряд представлен как сумма перечисленных компонент, называют аддитивной моделью временного ряда, как произведение –
мультипликативной моделью временного ряда.
Построение аддитивной и мультипликативной модели сводится к расчету значений T, S и E для каждого уровня ряда.
Построение модели включает следующие шаги:
1.Выравнивание исходного ряда методом скользящей средней.
2.Расчет значений сезонной компоненты S.
31
3.Устранение сезонной компоненты из исходных уровней ряда и получение выравненных данных (T + S) в аддитивной или (T·S) в мультипликативной модели.
4.Аналитическое выравнивание уровней (T + E) или (T·E) и расчет значений T с использованием полученного уравнения тренда.
5.Расчет полученных по модели значений (T + S) или (T·S).
6.Расчет абсолютных и/или относительных ошибок.
Автокорреляция уровней ряда – это корреляционная зависимость между последовательными уровнями временного ряда:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
r1 |
= |
∑(yt − y1 )(yt −1 − y2 ) |
|||
|
|
|
|
|
|
|
|
|
|
|
|
t =2 |
− y1 )2 ∑(yt −1 − y2 )2 , |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
∑(yt |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t =2 |
t =2 |
|
|
|
|
n |
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
y |
= |
∑ yt |
|
|
|
|
|
|
∑ yt −1 |
|
|
|||||
где |
t = 2 |
; |
y |
2 |
= |
t =2 |
|
|
|
– коэффициенты автокорреляции уровней ряда первого |
|||||||
|
|
|
|
|
|
|
|||||||||||
1 |
|
n − 1 |
|
|
|
|
n − 1 |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||||
порядка; |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
r2 |
= |
|
∑(yt − y3 )(yt − 2 − y4 ) |
||
|
|
|
|
|
|
|
|
|
|
|
|
|
t =3 |
− y3 )2 ∑(yt − 2 − y4 )2 , |
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
∑(yt |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t =3 |
t =3 |
|
|
|
|
n |
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
∑ yt |
|
|
|
y4 |
= |
∑yt−2 |
|
|
|||||
где |
y3 |
= |
|
t =3 |
|
; |
|
t=3 |
|
|
|
– коэффициенты автокорреляции уровней ряда второго |
|||||
|
|
|
n − |
2 |
|
|
|||||||||||
|
n − 2 |
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
порядка.
Формулы для расчета коэффициентов автокорреляции старших порядков легко получить из формулы линейного коэффициента корреляции.
Последовательность коэффициентов автокорреляции уровней первого, второго и т.д. порядков называют автокорреляционной функцией временного ряда, а график зависимости ее значений от величины лага (порядка коэффициента автокорреляции) –
коррелограммой.
Построение аналитической функции для моделирования тенденции (тренда)
временного ряда называют аналитическим выравниванием временного ряда. Для этого чаще всего применяют следующие функции:
- линейная yˆt = a + b t ; - гипербола yˆt = a + bt ; - экспонента yˆt = ea+ b t ;
32
- степенная yˆt = a tb ;
- парабола второго и более высоких порядков yˆt = a + b1t + b2t 2 + K+ bk t k . Параметры трендов определяются обычным методом наименьших квадратов, в
качестве независимой переменной выступает время t = 1, 2,…, n, а в качестве зависимой переменной – фактические уровни временной ряда yt .
Критерием отбора наилучшей формы тренда является наибольшее значение скорректированного коэффициента детерминации .
При построении моделей регрессии по временным рядам для устранения тенденции используются следующие методы.
Метод отклонений от тренда предполагает вычисление трендовых значений для
каждого временного ряда модели, например |
и , и расчет отклонений от трендов: |
|
и |
. Для дальнейшего анализа |
используют не исходные данные, а |
отклонения от тренда.
Метод последовательных разностей заключается в следующем: если ряд содержит линейный тренд, тогда исходные данные заменяются первыми разностями:
вторыми разностями: |
|
|
если параболический тренд – ∆ |
; |
|
В случае экспоненциального |
и2·степенного2·тренда метод. |
последовательных |
разностей применяется к логарифмам исходных данных.
Модель, включающая фактор времени, имеет вид
·· .
Параметры и этой модели определяются обычным МНК.
Автокорреляция в остатках – корреляционная зависимость между значениями остатков за текущий и предыдущий моменты времени.
Для определения автокорреляции остатков используют критерий Дарбина – Уотсона и расчет величины:
d = |
∑n (εt − εt −1 )2 |
, |
0 ≤ d ≤ 4. |
|
t= 2 |
|
|||
|
n |
|||
|
|
∑εt2 |
|
|
t =1
Коэффициент автокорреляции остатков первого порядка определяется по формуле
|
n |
εt−1 |
|
|
|
∑εt |
|
||
rε = |
t=2 |
|
, |
− 1 ≤ rt ≤ 1. |
n |
|
|||
1 |
|
|
1 |
|
|
∑εt2 |
|
t=2
33
Критерий Дарбина – Уотсона и коэффициент автокорреляции остатков первого
порядка связаны соотношением |
d = 2(1− r1ε ). |
|
|
|
|
Эконометрические модели, содержащие не только текущие, но и лаговые значения |
||
факторных переменных, называются моделями с распределенным лагом. |
||
Модель с распределенным лагом в предположении, что максимальная величина |
||
лага конечна, имеет вид |
·при переменной· |
характеризует· . среднее абсолютное |
Коэффициент регрессии |
||
изменение при изменении |
на 1 ед. своего измерения в некоторый фиксированный |
момент времени t, без учета воздействия лаговых значений фактора x. Этот коэффициент называют краткосрочным мультипликатором.
|
В момент (t + 1) воздействие факторной переменной на результат составит |
|
( |
условных единиц; в момент времени (t + 2) воздействие можно |
|
охарактеризовать суммой ( |
и т.д. Эти суммы называют промежуточными |
мультипликаторами. Для максимального лага (t + l) воздействие фактора на результат
описывается |
суммой |
( |
|
|
, которая |
|
называется долгосрочным |
||
мультипликатором. |
|
|
|
|
|
|
|||
Величины |
|
|
|
называются относительными коэффициентами |
|||||
модели с |
распределенным лагом. Если все коэффициенты |
|
имеют одинаковые знаки, то |
||||||
|
|
β |
, |
0,1 |
0 β |
1 и |
β |
||
для любого j |
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
β1.
Величина среднего лага модели множественной регрессии определяется по формуле средней арифметической взвешенной
·β
и представляет собой средний период, в течение которого будет происходить изменение результата под воздействием изменения фактора в момент t.
Медианный лаг – это период, в течение которого с момента времени t будет реализована половина общего воздействия фактора на результат
β0,5,
где – медианный лаг.
34
Оценку параметров моделей с распределенными лагами можно проводить согласно одному из двух методов: Койка или методу Алмон.
В распределении Койка делается предположение, что коэффициенты при лаговых значениях объясняющей переменной убывают в геометрической прогрессии:
|
Уравнение регрессии преобразуется· , |
к виду0,1,2,…,0 |
1. |
|
||||
|
После несложных преобразований· · · |
получаем· |
уравнение· |
, оценки. |
параметров |
|||
которого приводят к оценкам параметров исходного уравнения. |
|
|
||||||
|
В методе Алмон предполагается, что веса текущих и лаговых значений |
|||||||
объясняющих переменных подчиняются полиномиальному распределению |
|
|||||||
|
Уравнение регрессии имеет вид |
· |
|
· |
|
. |
, |
|
где |
· |
|
; |
· |
|
|||
|
· |
, |
|
1,…, |
1,…, . |
|
Расчет параметров модели с распределенным лагом методом Алмон проводится по схеме:
1)устанавливается максимальная величина лага l;
2)определяется степень полинома k, описывающего структуру лага;
3) |
рассчитываются значения переменных |
|
; |
|
4) |
определяются параметры уравнения |
линейной регрессии от ; |
||
|
,…, |
|
||
5) |
рассчитываются параметры исходной модели с распределенным лагом. |
Модели, содержащие в качестве факторов лаговые значения зависимой
переменной, называются моделями авторегрессии, |
например: |
|
|
|||
Как в модели с распределенным· |
лагом· |
, |
в этой. |
модели |
характеризует |
|
краткосрочное изменение |
под воздействием изменения |
на 1 ед. |
Долгосрочный |
мультипликатор в модели авторегрессии рассчитывается как сумма краткосрочного и промежуточных мультипликаторов:
· · · 1 1 .
Отметим, что такая интерпретация коэффициентов модели авторегрессии и расчет долгосрочного мультипликатора основаны на предпосылке о наличии бесконечного лага в воздействии текущего значения зависимой переменной на ее будущие значения.
35
Задачи для самостоятельной работы
Задача 1. Имеются данные об объеме экспорта РФ (млрд $, цены Фондовой общероссийской биржи ФОБ) за 6 лет
№ квартала |
Экспорт, млрд $ |
№ квартала |
Экспорт, млрд $ |
№ квартала |
Экспорт, млрд $ |
1 |
4087 |
9 |
5741 |
17 |
5875 |
2 |
4737 |
10 |
7087 |
18 |
6140 |
3 |
5768 |
11 |
7310 |
19 |
6248 |
4 |
6005 |
12 |
8600 |
20 |
6041 |
5 |
5639 |
13 |
6975 |
21 |
4626 |
6 |
6745 |
14 |
6891 |
22 |
6501 |
7 |
6311 |
15 |
7527 |
23 |
6284 |
8 |
7107 |
16 |
7971 |
24 |
6707 |
Требуется:
1.Построить график временного ряда.
2.Построить аддитивную модель этого ряда.
3.Построить мультипликативную модель ряда.
4.Оценить качество модели через показатели средней абсолютной ошибки.
5.Выберете наилучшую модель.
Задача 2. Сезонные компоненты в аддитивной модели для 3-х кварталов соответственно равны: S1 = 0,7; S2 = –1,3; S3 = –1,9. Определить сезонную компоненту для 4-го квартала.
Задача 3. Сезонные компоненты в мультипликативной модели для 3-х кварталов соответственно равны: S1 = 0,79; S2 = 1,3; S3 = 1,2. Определить сезонную компоненту для 4-го квартала.
Задача 4. По данным таблицы проверить гипотезу о наличии автокорреляции в остатках для аддитивной модели временного ряда.
t |
|
–0,483ε |
t |
|
0,273ε |
t |
|
0,280ε |
1 |
6,0 |
7 |
6,0 |
13 |
9,0 |
|||
2 |
4,4 |
0,289 |
8 |
10,0 |
0,104 |
14 |
6,6 |
0,252 |
3 |
5,0 |
0,019 |
9 |
8,0 |
0,026 |
15 |
7,0 |
–0,218 |
4 |
9,0 |
–0,151 |
10 |
5,6 |
–0,030 |
16 |
10,8 |
–0,588 |
5 |
7,2 |
–0,029 |
11 |
6,4 |
–0,072 |
|
|
|
6 |
4,8 |
–0,057 |
12 |
11,0 |
0,358 |
|
|
|
36
Задача 5. По данным таблицы проверить гипотезу о наличии автокорреляции в остатках для мультипликативной модели временного ряда.
t |
|
–8,17ε |
t |
|
2,99ε |
t |
|
2,21ε |
1 |
72 |
7 |
80 |
13 |
52 |
|||
2 |
100 |
–2,3 |
8 |
58 |
3,14 |
14 |
60 |
–2,27 |
3 |
90 |
0,98 |
9 |
62 |
2,08 |
5 |
50 |
–3,01 |
4 |
64 |
0,25 |
10 |
80 |
4,39 |
16 |
30 |
–6,03 |
5 |
70 |
–0,05 |
11 |
68 |
2,99 |
|
|
|
6 |
92 |
3,04 |
12 |
48 |
2,04 |
|
|
|
Задача 6. Проверить гипотезу о наличии автокорреляции в остатках для аддитивной и мультипликативной моделей по данным задачи 1.
Задача 7. По данным за 18 месяцев построено уравнение регрессии зависимости прибыли предприятия y (млн руб.) от цен на сырье x1 (тыс. руб. за 1 т) и производительности труда x2 (ед. продукции на 1 работника)
При анализе остаточных |
величин были использованы значения, |
приведенные в |
|||||||||
200 |
1,5· |
4,0· . |
|
|
|
||||||
таблице |
|
|
|
|
|
|
|
|
|
|
|
|
№ |
|
y |
|
|
x1 |
|
x2 |
|
|
|
|
1 |
|
210 |
|
|
800 |
|
300 |
|
|
|
|
2 |
|
720 |
|
|
1000 |
|
500 |
|
|
|
|
3 |
|
300 |
|
|
1500 |
|
600 |
|
|
|
|
|
|
… |
|
|
… |
|
… |
|
|
|
Требуется: |
ε |
|
10500, |
|
ε |
ε |
|
40000. |
|
|
|
1. По трем позициям рассчитать |
, ε , ε |
,ε , ε |
ε |
. |
|
|
2.Рассчитать критерий Дарбина – Уотсона.
3.Оценить полученный результат при 5 %-м уровне значимости.
4.Указать, пригодно ли уравнение для прогноза.
37
Библиографический список
1.Эконометрика : учебник / И.И. Елисеева, С.В. Курышева, Т.В. Костеева и др.; под ред. И.И. Елисеевой. – 2-е изд., перераб. и доп. – М.: Финансы и статистика, 2005. – 576 с.
2.Тихомиров Н.П., Дорохина Е.Ю. Эконометрика : учебник / Н.П. Тихомиров, Е.Ю. Дорохина. – М.: Экзамен, 2003. – 512 с.
3.Плохотников К.Э. Основы эконометрики в пакете STATISTICA : учеб. пособие.
–М.: Вузовский учебник, 2010. – 298 с.
4.Эконометрика : учебник / под ред. И.И. Елисеевой. – М.: Проспект, 2011. – 288 с.
5.Практикум по эконометрике : учебное пособие / И.И. Елисеева, С.В. Курышева, Н.М. Гордиенко и др.; под ред. И.И. Елисеевой. – 2-е изд., перераб. и доп. – М.: Финансы и статистика, 2007. – 344 с.
38