- •Економетрика конспект лекцій
- •Зауваження................................................................................................118
- •1. Регресійний аналіз. Регресійний аналіз для двох змінних: основні ідеї
- •1.1. Гіпотетичний приклад
- •1.2. Концепція регресійної функції популяції (prf роpulation regression function)
- •1.3. Значення терміна “лінійність”
- •1.4. Стохастичні властивості prf
- •1.5. Важливість урахування складової стохастичного збурення
- •1.6. Вибіркова регресійна функція (srf)
- •2. Двовимірна регресійна модель. Задача оцінки
- •2.1. Метод найменших квадратів
- •Експериментальне визначення srf
- •2.2. Властивості оцінок за мнк
- •Дійсна й оцінена ціна будинку і його житлова площа у кв. Футах
- •Припущення 4 гомоскедастичність або рівність дисперсій
- •Це припущення не таке нешкідливе, як здається. Розглянемо рівняння
- •2.3. Точність або стандартна похибка оцінювачів за мнк
- •2.4. Властивості оцінювачів за мнк: теорія Гаусса-Маркова
- •2.5. Коефіцієнт детермінації : міра «якості підгонки»
- •2.6. Числовий приклад
- •2.7. Ілюстративні приклади
- •3. Інтервальні оцінки і перевірка гіпотез
- •3.1. Інтервальні оцінки: основні ідеї
- •3.2 Довірчі інтервали для регресійних коефіцієнтів і
- •Отже, наприклад, змінна
- •3.3. Довірчий інтервал для
- •3.4. Перевірка гіпотез: загальні зауваження
- •3.5. Перевірка гіпотез: підхід на основі довірчого інтервалу
- •3.6. Перевірка гіпотез: підхід, оснований на перевірці значимості
- •3.7. Перевірка значимості : хі-квадрат тест
- •3.8. Регресійний аналіз і аналіз дисперсії
- •Розглянемо таку змінну:
- •3.9. Застосування регресійного аналізу: проблема прогнозу
- •3.10. Форма звіту за результатами регресійного аналізу
- •3.11. Обчислення результатів регресійного аналізу
- •Залишки для проведення -тесту
- •4. Розвиток двовимірної лінійної моделі регресії
- •4.1. Регресія, що проходить через початок координат
- •4.2. Масштабування й одиниці вимірювання
- •Валові внутрішні приватні інвестиції (gpdi) і валовий національний продукт (gnp) у цінах 1972 р. У доларах сша, 1974–1983 рр.
- •4.3. Функціональний вид регресійної моделі
- •4.4. Вимірювання еластичності. Лінійно-логарифмічна модель
- •4.5. Напівлогарифмічні моделі. Визначення темпів зростання.
- •4.6. Обернені моделі
- •4.7. Зауваження щодо стохастичної складової
- •5. Множинний регресійний аналіз. Задача оцінювання
- •5.1. Модель із трьома змінними. Позначення і гіпотези
- •5.2. Інтерпретація рівняння множинної регресії
- •5.3. Значення частинних коефіцієнтів регресії
- •5.4. Оцінка частинних коефіцієнтів регресії за мнк
- •5.6. Проста регресія в контексті множинної регресії
- •5.7. R2 і скорегований r2
- •5.8. Частинні коефіцієнти кореляції
- •5.9. Виробнича функція Коба – Дугласа
- •5.10. Поліноміальная модель регресії
- •6. Припущення нормальності розподілу залишків
- •Витрати на споживання і особистий дохід у сша за 1956–1970 рр.
- •7. Перевірка гіпотез множинної регресії. Загальні зауваження
- •7.1. Перевірка гіпотези про частинний коефіцієнт регресії
- •7.2. Перевірка вибіркової регресії на загальну значущість
- •7.3. Перевірка на рівність двох коефіцієнтів регресії
- •7.4. Перевірка лінійних обмежень
- •Обчислимо
- •7.5. Перевірка структурної стабільності моделей регресії
- •Можна показати, що при виконанні згаданих припущень
- •7.6. Перевірка функціонального виду регресії. Вибір між лінійною моделлю регресії і лінійно-логарифмічною моделлю
- •8. Прогнозування в разі множинної регресії
- •9. Множинна регресія. Матричний метод
- •9.1. Лінійна модель регресії з k змінними
- •9.2. Припущення класичної лінійної моделі регресії в матричній формі
- •Припущення класичної лінійної моделі регресії
- •9.3. Оцінювання за мнк
- •9.4. Коефіцієнт детермінації r2 у матричному позначенні
- •9.5. Кореляційна матриця
- •9.6. Перевірка гіпотез про індивідуальні коефіцієнти регресії в матричному позначенні
- •9.7. Загальна перевірка регресії на значущість. Аналіз дисперсії в матричному позначенні
- •Матричне формулювання anova-таблиці
- •9.8. Перевірка лінійних обмежень. Загальний f-тест у матричних позначеннях
- •9.9. Прогнозування в множинній регресії. Матричне формулювання
- •9.10. Ілюстративний приклад у матричних позначеннях
- •Витрати на споживання на душу населення (ppce) і дохід на душу населення (ppdi) в сша за 1956–1970 рр.
- •Anova-таблиця для даних з таблиці 9.4.
4.6. Обернені моделі
Під оберненими моделями розуміють моделі такого вигляду:
. |
(4.6.1) |
Ця модель, як і вищерозглянуті, є лінійною щодо регресора Х, а також лінійна щодо коефіцієнтів регресії і .
У оберненої моделі (4.6.1) є одна відмінна риса. При необмеженому зростанні змінної Х складова прямує до нуля, а регресант асимптотично наближається до величини . Таким чином, модель (4.6.1) містить асимптотичний параметр, до якого прямує залежна змінна Y при необмеженому зростанні змінної Х.
а б
в
Рис. 4.4 Приклади графіків обернених моделей: а моделі (4.6.1);
б кривої Філіпса; в кривої Енгеля
На рис. 4.4 зображені характерні криві оберненої моделі залежно від знаків коефіцієнтів регресії.
Одним із важливих додатків моделі (рис. 4.4, б) є відома з макроекономіки крива Філіпса. На підставі даних про темпи зростання заробітної плати (Y) і процента зміни рівня безробіття (Х) для Великобританії в період з 1861 по 1957 рр. Філіпс отримав криву вигляду рис. 4.4, б, яка детально зображена на рис.4.5.
Рис. 4.5. Крива Філіпса
З рис. 4.5 бачимо, що є асиметрія в залежності темпів зростання заробітної плати від рівня безробіття: заробітна плата зростає швидше при рівні безробіття, меншому величини UN (natural rate unemployment), який називається природним рівнем безробіття. При рівні безробіття, більшому за цю величину, зменшення темпів зростання зарплати стає більш плавним. При необмеженому збільшенні рівня безробіття темпи зростання зарплати наближаються до асимптотичного значення.
Важливим додатком залежності вигляду (4.6.1) є крива витрат Енгеля, що характеризує зв’язок витрат споживача на товар із його загальними витратами або доходом. Якщо позначити через Y витрати на товар, а через Х – дохід споживача, то певні товари матимуть такі властивості. Існує деякий критичний або пороговий рівень доходу, нижче якого товар не купується. На рис. 4.4, в цей рівень має значення . Існує рівень насичення товару, вище цього рівня споживання товару не відбувається, яким би високим не був рівень доходу. Цей рівень у моделі (4.6.1) визначається асимптотою . Для таких товарів найбільш відповідною є модель, подана на рис. 4.4, в.
Ілюстрований приклад. Крива Філіпса для Великобританії, 1950–1966 рр.
У табл. 4.5 наведені дані про щорічні темпи зростання заробітної плати Y і рівня безробіття Х у Великобританії в період 1950–1966 рр.
Таблиця 4.5
Темпи зростання зарплати й рівня
безробіття у Великобританії, 1950–1966 рр.
Рік |
Темп зростання зарплати, % |
Рівень безробіття, % |
1950 |
1,8 |
1,4 |
1951 |
8,5 |
1,1 |
1952 |
8,4 |
1,5 |
1953 |
4,5 |
1,5 |
1954 |
4,3 |
1,2 |
1955 |
6,4 |
1 |
1956 |
8 |
1,1 |
1957 |
5 |
1,3 |
1958 |
3,6 |
1,8 |
1959 |
2,6 |
1,9 |
1960 |
2,6 |
1,5 |
1961 |
4,2 |
1,4 |
1962 |
3,6 |
1,8 |
1963 |
3,7 |
2,1 |
1964 |
4,8 |
1,5 |
1965 |
4,3 |
1,3 |
1966 |
4,6 |
1,4 |
Застосування моделі (4.6.1) дає такі результати:
(2,067478) (2,8477792) = 0,3849 t = (0,690782) (3,0635606) = 9,3854 p = (0,500253) (0,0078824) p = (0,00788)
|
|
Згідно з цими результатами граничний рівень зниження зарплати за рік дорівнює –1,43%. Тобто, якщо Х необмежено зростає, зниження заробітної плати буде не більше ніж 1,43% на рік.
Як підсумок наведемо табл. 4.6, що містить основні результати розглянутих нами моделей.
Таблиця 4.6
Основні формули для нелінійних за змінними моделей
Модель |
Вигляд |
Кутовий коефіцієнт |
Еластичність |
Лінійна |
|
|
|
Log-log |
|
|
|
Log-lin |
|
|
|
Lin-log |
|
|
|
Обернена |
|
|
|
Якщо вираз для коефіцієнта еластичності залежить від змінних, то на практиці звичайно використовуються їх середні значення.