- •Реферат
- •Введение.
- •1. Процедура оценки параметров по методу наименьших квадратов. В “классическом” варианте мнк в отношении свойств ошибки модели t выдвигаются следующие предположения:
- •– Ряд значений ошибки статистически не связан с рядами значений независимых переменных модели [5, с.358].
- •2. Свойства оценок мнк.
- •Заключение.
- •Список использованной литературы.
1. Процедура оценки параметров по методу наименьших квадратов. В “классическом” варианте мнк в отношении свойств ошибки модели t выдвигаются следующие предположения:
– ошибка имеет нулевое математическое ожидание, M[t]=0;
– ее дисперсия конечна и постоянна, 2=const;
– автокорреляционные связи в ряду ошибки отсутствуют, т. е. 1=2=...=0, где i – коэффициент автокорреляции рядов t и t–i, i=1,2,... ;
– Ряд значений ошибки статистически не связан с рядами значений независимых переменных модели [5, с.358].
Рассмотренные предположения определяют ошибку модели как процесс белого шума с ковариационной матрицей ее вектора ошибки, имеющей следующий вид: Cov()=2Е.
Рассмотрим общую схему процедуру оценки параметров линейной эконометрической модели на основе МНК более подробно. Такая модель в общем виде представлена уравнением (1):
yt=0+1 х1t +...+nхnt +t. (1)
Исходными данными при оценке параметров 0, 1,..., n являются измеренные (наблюдаемые) значения зависимой переменной, которые можно представить в виде вектора-столбца,
Н аблюдаемые значения независимых переменных объединим в матрицу следующего вида:
Х =
Cвое название МНК получил, исходя из смыслового содержания критерия, которому должны удовлетворять полученные на его основе оценки параметров эконометрической модели: сумма квадратов значений фактической ошибки модели должна быть минимальной.
Иными словами, найденные с помощью МНК оценки a0, a1,..., an, обеспечивают минимум следующей квадратичной формы на множестве всех других комбинаций значений таких оценок:
где et – значение фактической ошибки модели в момент t=1,2,..., Т, полученное после подстановки в выражение (1) вместо неизвестных истинных значений параметров 0, 1,..., n их оценок a0, a1,..., an.
Оптимальные по данному критерию значения оценок в этом случае могут быть найдены путем решения следующей системы так называемых “нормальных” уравнений, вытекающей из условия равенства нулю частных производных функции s2 (0, 1,..., n) по своим параметрам в точке минимума:
В системе (2.3) неизвестными являются оценки параметров a0, a1,..., an, а ее известные коэффициенты сформированы на основе исходных данных и представлены в виде следующих сумм: i,j=1,2,..., п. Решения, получаемые на основе развернутой формы системы (2.3), достаточно громоздки, и поэтому в дальнейшем в математических выкладках общего характера будем использовать векторно-матричную форму представления ее составляющих.
Векторно-матричная форма записи линейной эконометрической модели (1) имеет следующий вид:
у=Х+, (2.4)
где у – вектор-столбец, состоящий из Т компонент; Х – матрица размера Т(п+1) (если в модели присутствует “свободный” коэффициент 0); =(0, 1,..., n)– вектор-столбец параметров, состоящий из п+1-й компоненты; – вектор-стобец ошибки модели, состоящий, как и вектор у, из Т компонент.
Соответственно векторно-матричный вариант модели, в котором вместо неизвестных истинных коэффициентов и ошибок используются их оценки, т. е. вектора а и е, запишем в следующем виде:
у=Ха+е, (2.5)
где а=(а0, а1,..., аn), е=(е1, е2,..., еТ)– вектора значений оценок коэффициентов линейной эконометрической модели и значений ее фактической ошибки соответственно [4, с.175].
Сумму квадратов значений ошибки s2 можем представить в виде скалярного произведения вектора-строки е на вектор-столбец е. Проводя несложные преобразования с учетом правил произведения векторов и матриц, получим следующий результат:
s2 =(е, е)=(у–Хa)(у–Хa)= уу–aХу–уХa+aХХa=уу–2aХу+aХХa. (2.6)
При проведении преобразований учитывалось правило транспонирования векторно-матричного произведения (zW)=(Wz).
Условие (2.3) в векторной форме записи приобретает следующий вид:
s2/a=0. (2.7)
Заметим, что в выражении (2.7) операция дифференцирования осуществляется по вектору.
С учетом выражения (2.6) уравнение (2.7) приводится к следующему виду:
s2/a=(уу–2aХу+aХХa)/a=–2Ху+2ХХa=0
или ХХa=Ху.
Откуда следует, что “оптимальный” вектор оценок параметров a определяется на основе следующего векторно-матричного выражения:
a=(ХХ)–1Ху. (2.8)
Все переменные в правой части выражения (2.8) являются известными – это исходные данные, сведенные в матрицу Х и вектор у.
Рассмотрим применение МНК на конкретном примере. Имеются данные о цене на нефть x (долларов за баррель) и индексе акций нефтяной компании y (в процентных пунктах). Требуется найти эмпирическую формулу, отражающую связь между ценой на нефть и индексом акций нефтяной компании исходя из предположения, что связь между указанными переменными линейна и описывается функцией вида yi=β0+β1xi. Зависимой переменной (y) в данной регрессионной модели будет являться индекс акций нефтяной компании, а независимой (x) — цена на нефть.
Для нахождения коэффициентов β0 и β1 построим вспомогательную таблицу 1.
Таблица 1
Таблица для нахождения коэффициентов β0 и β1
№ наблюдения |
Цена на нефть – х, ден.ед. |
Индекс нефтяной компании - % |
xi *yi |
хi2 |
1 |
17,28 |
537 |
9279,36 |
298,5984 |
2 |
17,05 |
534 |
9104,70 |
290,7025 |
3 |
18,30 |
550 |
10 065,00 |
334,8900 |
4 |
18,80 |
555 |
10 434,00 |
353,4400 |
5 |
19,20 |
560 |
10 752,00 |
368,6400 |
6 |
18,50 |
552 |
10 212,00 |
342,2500 |
Сумма по столбцу |
110,13 |
3288 |
59 847,06 |
1988,52 |
Запишем систему нормальных уравнений исходя из данных таблицы:
1988,52β + 110,13β = 59847,06,
110,13β + 6β = 3288.
Решением данной системы нормальных уравнений будут следующие числа: β1=15,317; β0=266,86. Таким образом, уравнение регрессии, описывающее зависимость между ценой на нефть и индексом акций нефтяной компании, можно записать как: y = 15,317x + 266,86.
На основании полученного уравнения регрессии можно сделать вывод о том, что с изменением цены на нефть на 1 денежную единицу за баррель индекс акций нефтяной компании изменяется примерно на 15,317 процентных пункта.