- •«Российская таможенная академия»
- •План чтения лекции №1
- •«Российская таможенная академия»
- •Понятие «эконометрика»
- •Формулировки определений понятия «эконометрика»
- •Задачи эконометрики
- •Эконометрическая модель
- •Задачи эконометрическoго моделирования
- •Классы эконометрических моделей
- •Типы данных и виды переменных в эконометрическом моделировании Типы данных
- •Виды переменных
- •Этапы эконометрического моделирования
- •Модели парной регрессии
- •Множественная регрессия. Мультиколлинеарность данных
- •3.2. Отбор факторов при построении множественной регрессии
- •3.2.1. Требования к факторам
- •3.2.2. Мультиколлинеарность
- •3.3. Выбор формы уравнения регрессии
- •3.4. Оценка параметров уравнения линейной
- •3.5. Качество оценок мнк линейной множественной регрессии. Теорема Гаусса-Маркова
- •3.6. Проверка качества уравнения регрессии. F-критерий Фишера
- •3.7. Точность коэффициентов регрессии. Доверительные интервалы
- •3.8 Прогнозирование по модели множественной регрессии
- •3.9 Гетероскедастичность случайных остатков
- •3.10. Обобщенный метод наименьших квадратов
- •3.11. Фиктивные переменные
- •3.12. Тест Чоу
- •Системы одновременных уравнений
- •4.1. Структурная и приведённая форма модели
- •4.2. Оценивание параметров структурной модели
- •Методы оценивания структурных уравнений различных видов
- •1. Точная идентифицируемость
- •2.Сверхидентифицируемость
- •3.Неидентифицируемость
- •Порядковое условие идентификации
- •Ненулевое ограничение
- •3. Анализ методов оценивания
- •Моделирование изолированного динамического ряда
- •Компоненты динамического ряда
- •Выявление и характеристика основной тенденции развития
- •Экспоненциальное сглаживание.
- •Моделирование основной тенденции
- •Статистическое изучение сезонных колебаний
- •Автокорреляция уровней динамического ряда и характеристика его структуры
- •3; 1; 2; 1; 2; 1; 3; 3; 2; 3; 1; 2; 1; 1; 3; 3; 2; 2; 1; 3; 3; 2; 2; 3; 1; 2; 2; 1; 3; 1.
- •Специфика изучения взаимосвязей по рядам динамики
- •Методы исключения тенденции
- •Метод последовательных разностей
- •Метод отклонений от тренда
- •Включение в модель регрессии фактора времени
- •Обобщенный метод наименьших квадратов при построении модели регрессии по временным рядам
- •Модели с лаговыми переменными
- •Модели с распределенными лагами
- •Метод Койка
- •Модели авторегрессии
- •Интерпретация параметров модели авторегрессии
- •Инструментальные переменные как метод оценивания параметров модели авторегрессии
- •Оценка автокорреляции остатков по модели авторегрессии
- •Авторегрессионные процессы и их моделирование (общая характеристика) Авторегрессионные процессы
- •Модели скользящей средней
- •Модели arma
- •Модели arima
- •Методология построения модели arima для исследуемого временного ряда включает следующую последовательность шагов.
- •Кластерный анализ
3.7. Точность коэффициентов регрессии. Доверительные интервалы
Оценки коэффициентов регрессии зависят от используемой выборки значений переменных x иy и являются случайными величинами. Для характеристики точности полученных оценок можно использовать стандартные ошибки коэффициентов регрессии.
Под стандартной ошибкой коэффициента регрессии понимается оценка стандартного отклонения функции плотности вероятности данного коэффициента.
Стандартные ошибки коэффициентов регрессии определяются соотношениями:
(3.41)
где - остаточное среднеквадратическое отклонение;
диагональный элемент матрицы.
Величину можно вычислить по формуле:
(3.42)
где -алгебраическое дополнение к элементуjjматрицы.
Сопоставляя оценки параметров и их стандартные ошибки, можно сделать вывод о надежности (точности) полученных оценок.
Для оценки статистической значимости коэффициентов регрессии применяется t-критерий Стьюдента, основанный на том факте, что отношения
(3.43)
являются t-статистиками, т. е. случайными величинами, распределенными по закону Стьюдента с числом степеней свободыn-p-1. Черезобозначены точные значения коэффициентов регрессии.
Согласно t-критерию Стьюдента, выдвигается «нулевая» гипотезаH0о статистической незначимости коэффициента уравнения регрессии (т. е. о статистически незначимом отличии величиныилиот нуля). Эта гипотеза отвергается при выполнении условия>, гдеопределяется по таблицамt-критерия Стьюдента по числу степеней свободыk1 = n-p-1и заданному уровню значимости α.
t-критерий Стьюдента применяется в процедуре принятия решения о целесообразности включения фактора в модель. Если коэффициент при факторе в уравнении регрессии оказывается незначимым, то включать данный фактор в модель не рекомендуется. Отметим, что это правило не является абсолютным и бывают ситуации, когда включение в модель статистически незначимого фактора определяется экономической целесообразностью.
Доверительные интервалы для параметров уравнения линейной регрессии определяются соотношениями:
(3.44)
Если в границы доверительного интервала попадает ноль, т. е. нижняя граница отрицательна, а верхняя положительна, то оцениваемый параметр принимается равным нулю, так как он не может одновременно принимать и положительное, и отрицательное значения.
3.8 Прогнозирование по модели множественной регрессии
Прогнозирование по модели множественной линейной регрессии предполагает оценку ожидаемых значений зависимой переменной при заданных значениях независимых переменных, входящих в уравнение регрессии. Различают точечный и интервальный прогнозы.
Точечный прогноз— это расчетное значение зависимой переменной, полученное подстановкой в уравнение множественной линейной регрессии прогнозных (заданных исследователем) значений независимых переменных. Если заданы значения, то прогнозное значение зависимой переменной (точечный прогноз) будет равно
(3.45)
Интервальный прогноз— это минимальное и максимальное значения зависимой переменной, в промежуток между которыми она попадает с заданной долей вероятности и при заданных значениях независимых переменных.
Интервальный прогноз для линейной функции вычисляется по формуле
, (3.46)
где — стандартная ошибка прогноза, вычисляемая по формуле
, (3.47)
где Х— матрица исходных значений независимых переменных;Хпрогн— матрица-столбец прогнозных значений независимых переменных вида
(3.48)
Для сравнения роли различных факторов в формировании моделируемого показателя определяется коэффициент эластичности () или- коэффициент (). Частный коэффициент эластичности показывает, на сколько процентов в среднем изменяется результативный признаку с изменением признака-факторана 1%, и определяется по формуле
, (3.49)
где — коэффициент регрессии при- ом факторе.
-коэффициент показывает, на какую часть среднего квадратического отклонения изменится результативный показатель при изменении соответствующего факторана величину его среднего квадратического отклонения; его формула имеет вид:
(3.50)
Долю влияния фактора в суммарном влиянии всех факторов можно оценить по величине дельта – коэффициентов :
(3.52)
.
Пример
Имеются статистические данные о значениях четырех показателей в разрезе 48 субъектов РФ, которые приведены в табл. 3.3:
1. Поступление налогов, сборов и иных обязательных платежей в консолидированный бюджет РФ (без поступлений ЕСН) в 2009 г., млн. руб.
2. Количество занятых в Российской Федерации в 2009 г., тыс. человек.
3. Объем отгруженных товаров собственного производства, выполненных работ и оказанных услуг собственными силамипо виду экономической деятельности «Обрабатывающие производства» в Российской Федерации в 2009 г., млн руб.
4.Объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами по виду экономической деятельности «Производство и распределение электроэнергии, газа и воды» в Российской Федерации в 2009 г., млн. руб.
Предположим, что зависимой переменной ув данном случае является «поступление налогов, сборов и иных обязательных платежей в консолидированный бюджет РФ». Для краткости будем называть эту переменную «поступление налогов». Независимыми переменными являются остальные три переменные, которые будем называть и обозначать как «количество занятых»X1; «отгрузка в обрабатывающих производствах»X2,«производство энергии»X3. Допустим также, что связь между зависимой и независимыми переменными может быть выражена в виде линейной функции регрессии
(3.53)
Некоторые экономические показатели деятельности
субъектов РФ в 2009 г.
Таблица 3.3
№ п/п |
Субъект РФ |
Поступление налогов, млн. руб. |
Количество занятых, тыс. человек |
Отгрузка в обрабатывающих производствах, млн. руб. |
Производство энергии, млн руб. |
У |
X1 |
X2 |
X3 | ||
1 |
Республика Ингушетия |
1422,2 |
107,2 |
266 |
733 |
2 |
Еврейская автономная область |
2529,7 |
82,3 |
2865 |
2040 |
3 |
Республика Тыва |
2629,1 |
101,6 |
431 |
2023 |
4 |
Республика Алтай |
2764,3 |
87,6 |
1228 |
1176 |
5 |
Карачаево-Черкесская Республика |
3347,5 |
188,3 |
10 921 |
4275 |
6 |
Республика Калмыкия |
3914,2 |
121,9 |
928 |
1495 |
7 |
Республика Адыгея |
4400,8 |
187,1 |
12 565 |
3000 |
8 |
Республика Северная Осетия — Алания |
5904 |
326,5 |
11 088 |
3337 |
9 |
Магаданская область |
6956,7 |
97,1 |
2486 |
8305 |
10 |
Кабардино-Балкарская Республика |
7595,1 |
352,5 |
17 609 |
5790 |
11 |
Республика Хакасия |
9257,8 |
254,7 |
39 640 |
17 634 |
12 |
Чукотский автономный округ |
9317,1 |
30,5 |
531 |
6226 |
13 |
Республика Марий Эл |
9978,8 |
323,7 |
46 180 |
7489 |
14 |
Псковская область |
10 144,80 |
323,3 |
32 074 |
5640 |
15 |
Чеченская Республика |
10 215,40 |
357 |
579 |
6170 |
16 |
Республика Карелия |
11 349,50 |
337,8 |
39 962 |
14 684 |
17 |
Курганская область |
12 046,90 |
393 |
38 308 |
12 093 |
18 |
Республика Мордовия |
12 061,40 |
439 |
65 507 |
7312 |
19 |
Костромская область |
12 104,20 |
340,9 |
50 532 |
20 922 |
20 |
Камчатский край |
13 042,40 |
190 |
11 245 |
12 721 |
21 |
Орловская область |
13 104,30 |
375 |
38 089 |
9612 |
22 |
Ивановская область |
13 396,40 |
491,2 |
42 865 |
18 506 |
23 |
Республика Дагестан |
14 170,30 |
1104,1 |
21 031 |
12 573 |
24 |
Тамбовская область |
14 227,00 |
499,5 |
47 738 |
9522 |
25 |
Новгородская область |
16 868,50 |
322,5 |
80 915 |
8989 |
26 |
Республика Бурятия |
18 019,40 |
392,3 |
29 660 |
12 532 |
27 |
Смоленская область |
18 950,30 |
505,4 |
78 278 |
43 604 |
28 |
Курская область |
19 995,50 |
536,5 |
67 241 |
43 733 |
29 |
Забайкальский край |
20 445,60 |
482 |
7910 |
13 687 |
30 |
Липецкая область |
21 220,80 |
575,5 |
228 812 |
17 311 |
31 |
Ульяновская область |
21 360,00 |
619,1 |
76 523 |
16 471 |
32 |
Пензенская область |
21 418,80 |
634,3 |
71 307 |
12 061 |
33 |
Кировская область |
21 477,10 |
684 |
76 151 |
20 857 |
34 |
Чувашская Республика |
21 816,30 |
608,4 |
85 926 |
17 071 |
35 |
Астраханская область |
22 824,90 |
475,8 |
34 576 |
10 532 |
36 |
Брянская область |
23 579,30 |
569,8 |
57 187 |
10 519 |
37 |
Амурская область |
23 702,60 |
417,3 |
16 412 |
16 512 |
38 |
Калужская область |
24 007,20 |
530,5 |
161 769 |
10 369 |
39 |
Тульская область |
27 581,20 |
746,6 |
182 031 |
24 376 |
40 |
Вологодская область |
28 057,50 |
617,8 |
236 267 |
23 180 |
41 |
Алтайский край |
29 815,50 |
1125,5 |
115 197 |
24 804 |
42 |
Тверская область |
32 236,50 |
687,4 |
103 158 |
44 961 |
43 |
Белгородская область |
32 657,40 |
754,9 |
233 608 |
18 773 |
44 |
Владимирская область |
32 672,70 |
688,4 |
142 867 |
20 093 |
45 |
Мурманская область |
34 351,10 |
482,2 |
49 081 |
34 395 |
46 |
Воронежская область |
36 050,40 |
1042,4 |
125 343 |
39 170 |
47 |
Рязанская область |
36 544,30 |
522 |
95 522 |
23 932 |
48 |
Калининградская область |
37 136,90 |
459,5 |
147 573 |
15 429 |
Источник: данные Росстата.
Применяя к исходным данным (см. табл. 3.3) МНК, оценим параметры регрессии. Система нормальных уравнений имеет вид
(3.54)
Произведение матриц в данном примере имеет вид:
|
|
48 |
21591,9 |
3037982 |
716639 | |
|
|
21591,9 |
12748269,45 |
1826387866 |
403092447,4 | |
|
|
3037982 |
1826387866 |
3,83901E+11 |
61532048876 | |
|
|
716639 |
403092447,4 |
61532048876 |
16663650721 |
Отметим, что в матрице (3.55) приведены значения коэффициентов при параметрах системы (3.54).
Обратная матрица от (3.55):
|
|
0,090330662 |
-0,000135839 |
6,71354E-08 |
-8,46746E-07 | |
|
|
-0,000135839 |
6,45061E-07 |
-1,05161E-09 |
-5,8789E-09 | |
|
|
6,71354E-08 |
-1,05161E-09 |
8,48229E-12 |
-8,77047E-12 | |
|
|
-8,46746E-07 |
-5,8789E-09 |
-8,77047E-12 |
2,71022E-10 |
Значения параметров системы (3.54) приведены в табл. (3.4)
Таблица 3.4
|
|
| |
|
|
3226,441 | |
|
|
12,448 | |
|
|
0,060 | |
|
|
0,310 |
(3.57)
Уравнение регрессии имеет следующий вид
(3.58)
Из уравнения регрессии следует, что между сбором налогов и независимыми переменными, входящими в модель, наблюдается прямая связь. Напомним, что коэффициенты при независимых переменных называются коэффициентами регрессии. Они являются абсолютными показателями силы связи и характеризуют среднее изменение зависимой переменной при единичном изменении независимой переменной — сомножителя данного коэффициента при условии неизменности остальных независимых переменных, включенных в уравнение (модель) регрессии.
Значения коэффициентовприведены в табл. 3.5
Таблица 3.5
|
0,324 |
0,220 |
0,268 | |
|
0,307 |
0,373 |
0,340 | |
|
0,308 |
0,366 |
0,325 |
Сопоставляя полученные коэффициенты, можно сделать вывод о том,что наиболее сильное влияние на сбор налогов оказывает фактор .
Стандартные ошибки коэффициентов регрессии определены по соотношениями (3.57):
Таблица 3.6
|
1651,796 |
4,414 |
0,016 |
0,090 |
Значимости коэффициентов регрессии проверим по t-критерию Стьюдента
|
1,95 |
2,82 |
3,76 |
3,43 |
Учитывая, что выполняется условие>все коэффициенты, кроме, являются значимыми, где=2,0153.
Границы доверительных интервалов для коэффициентов регрессии следующие:
-102,536 |
|
6555,417 | |
3,552 |
21,344 | ||
0,028 |
0,092 | ||
0,128 |
0,493 |
|
1 | |
|
500 | |
|
65000 | |
|
15000 |
|
|
|
|
| |
|
1 |
500 |
65000 |
15000 | |
|
|
|
|
|
|
5495,901163 |
|
|
|
18012,93 |
tкрит= |
2,0153 |
|
|
=11198,48 |
|
6814,45 |
|
29211,41 |
Для получения таблиц регрессионной статистики и дисперсионного анализа воспользуемся режимом “Регрессия” EXCEL(табл.3.7 и 3.8 ).
Регрессионная статистика
Таблица 3.7
Множественный R |
0,856 |
R-квадрат |
0,733 |
Нормированный R-квадрат |
0,715 |
Стандартная ошибка |
5495,901 |
Наблюдения |
48 |
Дисперсионный анализ
Таблица 3.8
|
df |
SS |
MS |
F |
Значимость F |
Регрессия |
3 |
3652714368 |
1217571456 |
40,31035571 |
1,10224E-12 |
Остаток |
44 |
1329016902 |
30204929,59 |
|
|
Итого |
47 |
4981731270 |
|
|
|