- •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
Общая постановка задачи. Используя средства ms excel построить уравнение тренда.
Индивидуальные данные представлены в файле «исходные данные.exl» на листе «ЛПЗ №9»
Пример и методические указания к выполнению работы.
Условие: имеется временной ряд реальных денежных доходов в расчете на душу населения по Белгородской области:
Год |
Реальные денежные доходы населения, % к 1995 г. |
1995 |
100,0 |
1996 |
102,5 |
1997 |
94,4 |
1998 |
85,8 |
1999 |
78,4 |
2000 |
83,9 |
2001 |
92,9 |
2002 |
103,6 |
2003 |
113,0 |
2004 |
123,0 |
2005 |
137,8 |
Требуется выявить основную тенденцию развития реальных денежных доходов населения методом аналитического сглаживания, рассчитать прогноз на 2007 год.
Методические указания. Метод аналитического сглаживания применим лишь для качественно однородных периодов. Что касается рассматриваемого периода, то временной ряд содержит момент времени – 1998 г., характеризующийся серьезными структурными изменениями в национальной экономике – в августе 1998 г. произошел дефолт, что оказало серьезное влияние на изучаемый признак – это наглядно видно из графика:
Для изучаемого признака 1999 год – критическая точка графика (t=5), его можно отнести как к первому подпериоду, так и ко второму. Но с качественной стороны изучаемого процесса целесообразно разделить временной ряд на подпериоды – до дефолта (1995-1998 гг.) и после (1999-2005 гг.).
Выравнивание временного ряда, содержащего структурные изменения, производится с помощью кусочных функций, т.е. для каждого подпериода подбирается свой тренд.
Анализ графика позволяет предположить, что выравнивание можно провести для каждого из подпериодов помощью линейной функции , где - значения признака в момент времени t, t=1,…n. Параметры тренда находят методом наименьших квадратов, минимизируя сумму квадратов отклонений фактических уровней ряда от выравненных: . Оценку параметров в EXCEL можно получить, добавив линию тренда на диаграмму. Для этого нужно выделить исходные уровни графика, вызвать контекстное меню, нажав правую кнопку мыши, и выбрать пункт «Добавить линию тренда», на вкладке «Параметры» предусмотрите вывод уравнения и коэффициента аппроксимации (детерминации) R2.
Для первого подпериода (1995-1998 гг.) получено уравнение линейного тренда . Тренд указывает на убывающую тенденцию, в среднем за год реальные доходы сокращались на 5,07%.
Линейный тренд не единственный, с помощью которого можно описать тенденцию, можно использовать и другие функции – степенную, полулогарифмическую, экспоненциальную и др. Полиномы второй степени и выше, если они меняют направление развития, для описания тенденции не подходят, поскольку выявить тенденцию означает установить: является ряд в целом убывающим или возрастающим. Для выбора лучшей аппроксимирующей (отображающей реальные уровни) функции используется R2 или остаточная дисперсия (несмещенная оценка дисперсии): , где p – число параметров тренда без свободного члена. Несмещенная оценка дисперсии может быть найдена через ее смещенную оценку: , .
Чем больше величина коэффициента детерминации и меньше остаточная дисперсия, тем лучше функция отображает исходные уровни ряда. Принять окончательное решение о форме функции можно с помощью теста на различие в остаточных дисперсиях:
.
Критическое значение находят при выбранном уровне значимости ( ) и числе степеней свободы для большей ( ) и меньшей ( ) из двух дисперсий.
В случае выполнения неравенства делается заключение о том, что различия в дисперсиях существенны и функция, которой соответствует меньшая дисперсия, действительно лучше аппроксимирует исходные значения, и именно она выбирается для описания тенденции. Иначе, предпочтение отдается более простой функции.
Для линейной функции получен высокий коэффициент детерминации, который показывает, что 78,16% вариации доходов связано со временем.
Степенной, полулогарифмический тренды дают худшую аппроксимацию – 60%. Коэффициент аппроксимации экспоненциального тренда ( ) несколько выше, чем линейного – 78,36%, самый высокий коэффициент у параболы ( ) – 96,89%.
Оценим различия между экспоненциальным и линейным трендом:
(используйте функцию «ДИСПР()»);
;
;
;
.
Фактическое значение критерия (1,00) не превысило критическое (19,0), поэтому различия в дисперсиях не существенны, т.е. нельзя утверждать, что экспоненциальная функция лучше линейной описывает уровни ряда. Предпочтение отдадим линейной функции.
Сравним точность аппроксимации линейной и параболической функций:
;
.
Различия оказываются не существенны, поэтому выбираем линейную форму тренда для выравнивания уровней ряда с 1995 по 1998 гг.
Для сглаживания уровней второго подпериода также оценим параметры линейной функции:
Тенденция – возрастающая со средним годовым абсолютным приростом 9,9%.
Коэффициент детерминации при выравнивании по другим функциям меньше, чем по линейной за исключением параболы (0,9981), эти различия существенны на 5% уровне:
.
Но значимость фактического критерия составляет 0,0495, т.е. различия в дисперсиях не существенны уже на уровне 4,9%. Поэтому предпочтение также отдадим линейной функции.
Для оценки возможности построения тренда по данным всего ряда без разбиения на подпериоды проверим гипотезу о том, что вектор оценок параметров тренда по первому подвериоду равен вектору по второму подпериоду, а также о равенстве остаточных дисперсий отклонений от линий трендов по этим подпериодам: Н0: .
Для проверки этой гипотезы рассчитаем критерий Чоу:
, где р – число параметров без свободного члена, - остаточная сумма квадратов при построении тренда по всей совокупности (в нашем случае было получено уравнение линейного тренда: , с величиной R2=0,41). , - остаточные суммы квадратов для первого и второго подпериодов.
Фактическое значение (68,3) значительно превысило критическое (4,7), следовательно, для выявления тенденции нужно применять кусочно-линейные функции.
Для первого подпериода - , для второго - .
Для построения прогноза необходимо оценить существенность уравнений регрессии и их параметров (табл.1).
1. Оценка значимости трендов и их параметров
-
Период
Параметры линейного тренда
Значимость критериев Стьюдента и Фишера, %
1995-1998
в0
0,23
в1
11,59
11,59
1999-2005
в0
0,15
в1
0,00
0,00
Оценка существенности уравнения тренда и его параметров необходима в силу того, что сам временной ряд рассматривается как выборка – одна из возможных реализаций случайного процесса.
Первый тренд при высоком коэффициенте детерминации значим при 12% области, что связано с небольшим числом наблюдений (4 уровня), а это уменьшает число степеней свободы и завышает случайные ошибки параметров.
Тренд для второго периода и все его параметры значимы (табл. 1).
Рассчитаем прогнозное значение для 2007 года (t=9):
.
Средняя ошибка прогноза составит:
.
При критическом значении t-Стьюдента при 5% уровне значимости 2,57, предельная ошибка составит 7,3%.
Таким образом, мы получили прогноз реальных денежных доходов в Белгородской области на 2007 год – 154,0 % по отношению к уровню 1995 г., со средней ошибкой 3,7%. С уровнем доверия 95% можно гарантировать, что реальные денежные доходы будут не ниже 144,4 и не выше 163,6%.