- •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. Построить модель связи между экономическими переменными по данным временных рядов.
Индивидуальные данные представлены в файле «исходные данные.exl» на листе «ЛПЗ №10»
Пример и методические указания к выполнению работы.
Условие. Имеются данные о потреблении мяса и мясопродуктов (включая субпродукты II категории и жир-сырец) в расчете на душу населения и реальных денежных доходах населения, в % к 1998 г., за период с 1999 по 2005 г. (табл. 1).
1. Исходные данные
Год |
Период времени, t |
Потребление мяса и мясопродуктов на душу населения (включая субпродукты II категории и жир-сырец) (в год; килограммов), yt |
Реальные денежные доходы населения, % к 1998 г., хt |
1999 |
1 |
45 |
100,0 |
2000 |
2 |
45 |
111,0 |
2001 |
3 |
47 |
122,1 |
2002 |
4 |
50 |
135,5 |
2003 |
5 |
52 |
155,3 |
2004 |
6 |
53 |
172,7 |
2005 |
7 |
55 |
190,8 |
Требуется построить модель связи потребления мяса (y) от уровня доходов (x), сделать прогноз потребления мяса на 2007 год.
Методические указания. Рассматриваемый период является однородным в качественном отношении – рассматривается период после дефолта 1998 г. Построим парную линейную модель и проверим остатки на автокорреляцию (одно из основных условий применения метода наименьших квадратов – отсутствие автокорреляции остатков).
Использование инструмента «Регрессия» (не забудьте предусмотреть вывод остатков!) позволило получить модель связи:
, с коэффициентом парной корреляции 0,98. Модель в целом и ее параметры значимы на уровне менее 0,01%.
Проверим модель на автокорреляцию остатков. Рассчитаем коэффициент автокорреляции первого порядка ( ) между остатками εt и εt-1 , для этого на листе с итогами регрессии скопируем столбец остатков и вставим их в другой столбец со смещением на одну ячейку (1 период):
Коэффициенты автокорреляции уровней рядов динамики, автокорреляции остатков определяются по форме расчета как парные линейные коэффициенты корреляции, поэтому можно воспользоваться встроенной функцией «КОРРЕЛ» для расчета коэффициента автокорреляции остатков: «=КОРРЕЛ(εt;εt-1)», где t=2, …, n.
Коэффициент автокорреляции (0,14), график зависимости остатков εt от остатков εt-1 (рис. 1) свидетельствуют о слабой корреляции остатков в модели, проверим гипотезу об отсутствии автокорреляции остатков первого порядка для модели, построенной на данных временных рядов, которые мы считаем выборкой, фактическими реализациями случайных процессов.
Чтобы выяснить вопрос об автокорреляции остатков в генеральной совокупности, используем метод проверки статистических гипотез. В качестве нулевой гипотезу выдвинем предположение об отсутствии автокорреляции остатков в генеральной совокупности, в качестве альтернативной - о ее присутствии.
Эти гипотезы могут быть проверены на основе статистики (критерия) Дарбина-Уотсона (d), которая может быть приближенно определена как:
.
Статистика не является статистическим критерием, поскольку не имеет единой области значимости, решение о принятии или отклонении нулевой гипотезы принимается путем сопоставления фактической статистики с пороговыми значениями (dн, dв – нижняя и верхняя границы зависят от уровня значимости, числа факторов в модели и числа единиц наблюдения) критерия Дарбина-Уотсона:
В нашем случае статистика Дарбина-Уотсона равна 1,71, пороговые значения при n=7 и одном факторе: , т.е. фактическое значение попадает в зону согласия с нулевой гипотезой. Следовательно, модель можно оценивать методом наименьших квадратов.
Но при моделировании взаимосвязей на основе временных рядов нужно учитывать, что в силу наличия автокорреляции в самих рядах возможно получение ложной корреляции.
Изучим автокорреляционные функции первого и второго ряда. При этом нужно учитывать, что максимальный порядок коэффициента автокорреляции некоторые ученые рекомендуют определять как n/4. Руководствуясь этим правилом, мы можем рассчитать коэффициенты первого и максимум – второго порядка. Но для построения коррелограмм рассчитаем хотя бы еще один коэффициент – третьего порядка.
Определим коэффициенты автокорреляции для потребления мяса, используя функцию «КОРРЕЛ»:
Таким образом, мы получили автокорреляционные функции (табл. 2, рис. 1):