- •Эконометрика
- •Лекция 1. Предмет и метод эконометрики. Ковариация, дисперсия и корреляция
- •1.1. Предмет и метод эконометрики
- •1.2. Выборочная ковариация.
- •1.3. Основные правила расчета ковариации.
- •1.4. Теоретическая ковариация.
- •1.5. Выборочная дисперсия. Правила расчета дисперсии.
- •1.6. Коэффициент корреляции.
- •1.7. Коэффициент частной корреляции.
- •Тест для самоконтроля
- •Лекция 2. Парная линейная регрессия.
- •2.1. Проблема оценивания линейной связи экономических переменных.
- •2.2. Модель парной линейной регрессии.
- •2.3. Регрессия по методу наименьших квадратов.
- •2.4. Интерпретация уравнения регрессии.
- •2.5. Качество оценки: коэффициент r2.
- •Тесты для самоконтроля
- •Лекция 3. Статистическая оценка достоверности выборочных показателей связи.
- •Оценка достоверности уравнения регрессии в целом
- •Определение средней ошибки, предельной ошибки и доверительных границ коэффициента корреляции
- •3.1. Оценка достоверности уравнения регрессии в целом
- •3.2. Определение средней ошибки, предельной ошибки и доверительных границ коэффициента корреляции
- •3.3. Проверка гипотезы и интервальная оценка коэффициента регрессии.
- •3.4. Средняя ошибка уравнения и интервальная оценка отдельных значений результативного признака.
- •Тесты для самоконтроля
- •Лекция 4. Нелинейная регрессия
- •4.1. Спецификация модели
- •4.2. Классификация нелинейных функций.
- •4.3. Отдельные виды нелинейных регрессий.
- •4.3.2. Равносторонняя гипербола.
- •4.3.3. Степенная функция.
- •4.4.Коэффициенты эластичности в нелинейных регрессиях.
- •4.5. Корреляция для нелинейной регрессии.
- •Тесты для самоконтроля
- •Лекция 5. Множественная регрессия и корреляция
- •Понятие множественной регрессии, и ее графическая интерпретация
- •Отбор факторов при построении модели.
- •Коллинеарность факторов. Методы преодоления межфакторной связи
- •Модульная единица 5.1. Параметризация и спецификация уравнения множественной регрессии
- •5.1.1. Понятие множественной регрессии, и ее графическая интерпретация
- •5.1.2. Отбор факторов при построении модели.
- •5.1.3. Коллинеарность факторов. Методы преодоления межфакторной связи
- •5.1.4. Параметризация уравнения множественной регрессии и его интерпретация
- •Тесты для самоконтроля
- •Модульная единица 5.2. Множественная и частная корреляция. Предпосылки мнк.
- •5.2.1.Множественная корреляция.
- •5.2.2. Скорректированный индекс детерминации (корреляции).
- •5.2.3. Частная корреляция.
- •5.2.4. Частные f- тесты
- •5.2.5. Предпосылки мнк.
- •Тесты для самоконтроля
- •Лекция 6. Моделирование динамических процессов
- •6.1. Элементы временного ряда
- •6.2. Автокорреляция
- •6.3. Выявление структуры временного ряда
- •6.4. Моделирование тенденции
- •6.5. Изучение взаимосвязи переменных по данным временных рядов
- •6.6. Критерий Дарбина-Уотсона
- •Тесты для самоконтроля
- •Лекция 7. Системы эконометрических уравнений
- •Модульная единица 7.1. Виды систем эконометрических уравнений и их идентификация. Косвенный метод наименьших квадратов
- •7.1.1. Понятие и необходимость применения систем уравнений
- •7.1.2. Косвенный метод наименьших квадратов
- •7.1.3. Проблема идентификации
- •Вопросы для повторения
- •Тесты для самоконтроля
- •Модульная единица 7.2. Методы решения сверхидентифицируемых систем
- •7.2.1. Двухшаговый метод наименьших квадратов
- •7.2.4. Исходные данные
- •7.2.2. Понятие о трехшаговом методе наименьших квадратов
- •7.2.3. Применение систем уравнений
- •Контрольные вопросы
- •Тесты для самоконтроля
- •Пример выполнения работы.
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Общая постановка задачи. Используя средства ms excel построить парную линейную модель регрессии, рассчитать показатели тесноты связи по индивидуальным данным.
- •Пример и методические указания к выполнению работы.
- •1. Исходные данные
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Общая постановка задачи. Используя встроенный инструмент «Регрессия» ms excel, построить парную линейную модель регрессии, оценить результаты.
- •Пример и методические указания к выполнению работы.
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Пример и методические указания к выполнению работы.
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Пример и методические указания к выполнению работы.
- •1. Исходные данные
- •2. Оценка значимости. Точечная и интервальная оценки параметров уравнения регрессии
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Общая постановка задачи. Используя средства ms excel построить множественную линейную модель регрессии, рассчитать показатели тесноты связи по индивидуальным данным.
- •Пример и методические указания к выполнению работы.
- •2 Способ.
- •4 Способ.
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Общая постановка задачи. Требуется проверить модель регрессии на гетероскедастичность остатков
- •Пример и методические указания к выполнению работы.
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Общая постановка задачи. Используя средства ms excel построить уравнение тренда.
- •Пример и методические указания к выполнению работы.
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Общая постановка задачи. Построить модель связи между экономическими переменными по данным временных рядов.
- •Пример и методические указания к выполнению работы.
- •1. Исходные данные
- •2. Автокорреляционные функции
- •2.1. Тест на автокорреляцию остатков трендов
- •3. Первые разности
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Список индивидуальных данных:
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Пример и методические указания к выполнению работы.
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Общая постановка задачи.
- •Пример и методические указания к выполнению работы.
- •2. Исходные данные
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Словарь основных терминов и определений (глоссарий)
- •Промежуточный тест по дисциплине «Эконометрика» Учебный модуль 3. Модульная единица 6.
- •Тестовые задания
- •Итоговый тест по дисциплине «Эконометрика»
- •1. Шкала проходных баллов по модулям
- •Модульная единица 2. Парная линейная регрессия.
- •Модульная единица 3. «Статистическая оценка достоверности выборочных показателей связи»
- •Модуль 2. Множественная регрессия и корреляция Модульная единица 5.1. Параметризация и спецификация уравнения множественной регрессии
- •Модуль 4. Системы эконометрических уравнений Модульная единица 7.1. Виды систем эконометрических уравнений и их идентификация. Косвенный метод наименьших квадратов
- •Модуль 4. Модульная единица 7.2. «Методы решения сверхидентифицируемых систем»
- •Контрольные работы промежуточного контроля Контрольная работа №1(модульные единицы 1, 2, 3)
- •Предмет и метод эконометрики.
- •Контрольная работа №1(модульные единицы 1, 2, 3)
- •Контрольная работа №1(модульные единицы 1, 2, 3)
- •Контрольная работа №1(модульные единицы 1, 2, 3)
- •Контрольная работа №1(модульные единицы 1, 2, 3)
- •Контрольная работа №1(модульные единицы 1, 2, 3)
- •Контрольная работа №2 (модульная единица 4)
- •5. Классификация нелинейных функций.
- •Контрольная работа № 3 (модуль 5, модульные единицы 5.1, 5.2)
- •Контрольная работа № 4 (модуль 7, модульные единицы 7.1, 7.2)
- •Контрольные вопросы итогового контроля
2. Оценка значимости. Точечная и интервальная оценки параметров уравнения регрессии
Пара-метры |
Выборочная оценка параметров |
Средняя ошибка, m |
Значение критерия t-Стьюдента |
Значимость фактического значения критерия t-Стьюдента |
Доверительный интервал |
||
фактическое |
критическое |
нижняя граница |
верхняя граница |
||||
в0 |
-226,0 |
54,6956 |
4,13 |
2,26 |
0,00255 |
-349,7 |
-102,2 |
в1 |
0,004 |
0,0005 |
7,56 |
2,26 |
0,00003 |
0,003 |
0,005 |
в2 |
3,935 |
0,8796 |
4,47 |
2,26 |
0,00155 |
1,945 |
5,925 |
Напомним, что найти критическое значение можно, используя функцию СТЬЮДРАСПОБР( ;n-p-1).
Как видно из табл. 2 все параметры оказались значимы на уровне от 0,003% до 0,255%, а задавали мы 5% уровень. Следовательно, можно дать точечную и интервальную оценку параметрам в генеральной совокупности.
Точечная оценка позволяет предположить, что генеральное уравнение будет иметь параметры:
, при соответствующих размерах средних ошибок (табл. 1).
Проведем интервальную оценку:
.
Для нашей модели с уровнем вероятности суждения 95% можно утверждать, что параметры генерального уравнения множественной регрессии попадут в интервалы:
;
Поскольку все параметры уравнения регрессии оказались значимыми, возможна их интерпретация. Коэффициенты чистой регрессии показывают, что:
- при увеличении уровня инвестиций на душу населения на 1 рубль уровень ВРП возрастет в среднем на 4 рубля (с уровнем доверия 95% можно утверждать, что он возрастет от 3 до 5 рублей), при условии, что уровень экономической активности останется зафиксированным на среднем уровне;
- при увеличении уровня экономической активности на 1%, ВРП на душу населения возрастет в среднем почти на 4 тыс. руб. (с уровнем доверия 95% можно утверждать, что он возрастет от 2 до 6 тысяч рублей), если второй фактор не изменится.
Условное начало интерпретации не подлежит.
Следует отметить, что модель можно использовать в целях прогнозирования, поскольку при высоком коэффициенте детерминации все параметры уравнения оказались значимы.
Чтобы продолжить корреляционный анализ и сравнить факторы по силе влияния, определить чистый вклад каждого фактора рассчитаем стандартизованные коэффициенты (коэффициенты эластичности (Э) и бета-коэффициенты (β)) и коэффициенты раздельной детерминации (d2) по каждому фактору:
;
;
,
где - средние значения, - среднеквадратические отклонения результативного признака, первого и второго факторного признака соответственно.
Сумма коэффициентов раздельной детерминации дает множественный коэффициент детерминации : .
Средние значения определим с использованием встроенной функции «СРЗНАЧ()», а среднеквадратические отклонения – «СТАНДОТКЛОНП()».
Для определения коэффициентов раздельной детерминации нам понадобятся коэффициенты парной корреляции каждого их факторов с результативной переменной. Построим матрицу парных коэффициентов корреляции с использованием инструмента «Корреляция» пакета анализа данных EXCEL:
Результаты расчетов стандартизованных коэффициентов регрессии и коэффициентов раздельной детерминации оформим (табл.3).
3. Стандартизованные коэффициенты регрессии и коэффициенты раздельной детерминации
Переменная |
Коэффициент чистой регрессии, b |
Среднее значение |
Среднеквадратическое отклонение, σ |
Коэффициент парной корреляции с зависимой переменной, ryx |
Коэффициент эластичности, Э |
Бэта-коэффициент, β |
Коэффициент раздельной детерминации, d2 |
ВРП в расчете на душу населения (у) |
х |
45,8 |
16,8 |
1,000 |
х |
х |
х |
инвестиции в основной капитал в расчете на душу населения (х1) |
0,004 |
6289,5 |
3359,2 |
0,874 |
0,5 |
0,7 |
0,635 |
уровень экономической активности населения (х2) |
3,935 |
63,3 |
1,8 |
0,681 |
х |
0,4 |
0,292 |
Итого |
|
х |
х |
х |
х |
х |
0,927 |
Коэффициент эластичности (Э1) показывает, что при увеличении инвестиций в расчете на душу населения на 1% ВРП возрастет на 0,5%, при условии, что экономическая активность будет зафиксирована на среднем уровне. Расчет коэффициента по второму фактору не имеет смысла, поскольку уровень экономической активности – это показатель структуры, уже выраженный в процентах от общей численности трудовых ресурсов. Так как , то по данному признаку отношение не имеет смысла.
-коэффициенты показывают, что если каждый из факторов изменится на свое среднеквадратическое отклонение, то ВРП под воздействием первого фактора изменится на 0,7 своего среднеквадратического отклонения, второго фактора – на 0,4. То есть, большее влияние на изменение ВРП оказывает уровень инвестиций.
Коэффициенты раздельной детерминации показывают вклад каждого фактора в формирование коэффициента множественной детерминации, вклад первого фактора – 0,635, второго – 0,292. Сумма частных коэффициентов равна коэффициенту детерминации: .
Итак, при анализе стандартизованных коэффициентов регрессии и коэффициентов раздельной детерминации было выявлено, что на уровень валового регионального продукта в расчете на душу населения влияние различий в уровне инвестиций сильнее, чем различий в уровне экономической активности населения.
Определим прогнозное значение ВРП на душу населения. Предположим, что в изучаемом округе удастся повысить уровень вложений с 6290 руб. до 7000 (в трех регионах уже достигнуты и более высокие уровни), т.е. запланируем прирост на уровне 10-11%; а уровень экономической активности увеличить на 1 % по сравнению со средним, т.е. предположим, что он достигнет 64,3%.
Подставим прогнозные значения факторов в уравнение регрессии, тогда прогнозное значение ВРП составит: =52,4 тыс. руб. в расчете на душу населения, что на 6,6 тыс. руб., или 14,5%, больше достигнутого среднего уровня. Средняя ошибка прогноза ( ) зависит от среднеквадратического отклонения индивидуальных значений от выравненных по уравнению регрессии Se (Se=5,23 (см. рис. 1) и ошибки положения плоскости регрессии при экстраполяции факторных признаков (расчет этой ошибки производится с применением линейной алгебры, что не входит в программу дисциплины).
Пример точечного и интервального оценивания (студентам не требуется проводить аналогичные расчеты):
С использованием элементов линейной алгебры была получена средняя ошибка прогноза: .
Средняя ошибка прогноза велика вследствие большой дисперсии остатка, на величину которой в свою очередь оказывает влияние число степеней свободы, которое равно всего 9 регионам. Поэтому при увеличении числа наблюдений качество прогноза повысится.
Доверительный интервал прогноза имеет вид:
.
Прогнозное значение в генеральной совокупности при уровне вероятности суждения 95% будет находиться в пределах:
, т.е. от 40 до 65 тыс. руб.
Но в нашем случае средняя ошибка прогноза лишь немного превышает ошибку регрессии: , Se=5,23.
Если в качестве приблизительной оценки взять Se, то 95% доверительный интервал прогноза составит (без учета ошибки положения плоскости регрессии):
Т.е. прогнозное значение будет находиться в пределах от 41 до 64 тыс. руб. Результаты практически совпадают, таким образом, для данной модели регрессии интервальное оценивание может быть проведено только с учетом средней ошибки значения результативного признака (Se).