- •Эконометрического моделирования План лекции
- •Введение
- •1.Предмет, цель и задачи эконометрики.
- •2.Этапы становления эконометрики
- •3. Введение в эконометрическое моделирование
- •4. Основные математические предпосылки эконометрического моделирования
- •5. Основные этапы и проблемы эконометрического моделирования
- •Контрольные вопросы:
- •Тема 2. Парная линейная регрессия и корреляция План лекции
- •Введение
- •1. Модель линейной парной регрессии. Метод наименьших квадратов
- •2. Коэффициент корреляции
- •3. Основные положения регрессионного анализа. Теорема Гаусса – Маркова
- •4. Оценка значимости уравнения регрессии. Коэффициент детерминации
- •5. Построение интервальных прогнозов по модели парной регрессии
- •Контрольные вопросы:
- •Тема 3. Множественный регрессионный анализ План лекции
- •Введение
- •1. Классическая нормальная линейная модель множественной регрессии
- •2. Оценка параметров классической регрессионной модели методом наименьших квадратов
- •3. Предпосылки для множественного регрессионного анализа.
- •Теорема Гаусса-Маркова.
- •4. Стандартизированное уравнение линейной множественной регрессии
- •Контрольные вопросы:
- •Тема 4. Множественная корреляция План лекции
- •Введение
- •1. Множественная линейная корреляционная зависимость
- •2. Частные коэффициенты корреляции
- •3. Коэффициент множественной корреляции
- •4. Отбор факторов в случае линейной множественной регрессии
- •Контрольные вопросы:
- •Тема 5. Линейные регрессионные модели
- •1. Суть гетероскедастичности, ее последствия
- •2. Тесты, позволяющие выявить наличие гетероскедастичности остатков
- •3. Устранение гетероскедастичности
- •4. Автокорреляция остатков, ее последствия. Обнаружение автокорреляции остатков
- •Контрольные вопросы:
- •Тема 6. Линейные регрессионные модели
- •1. Фиктивные переменные
- •2. Модели регрессии с фиктивными переменными сдвига
- •3. Модели регрессии с фиктивными переменными наклона
- •4. Критерий г. Чоу
- •Контрольные вопросы:
- •Тема 7. Модели временных рядов План лекции
- •Введение
- •1. Понятие временного ряда. Общий вид модели временного ряда
- •2. Проверка гипотезы существования тенденции
- •3. Стационарные временные ряды и их характеристики. Автокорреляционная функция
- •Авторегрессия первого порядка. Тест Дарбина-Уотсона
- •4. Аналитическое выравнивание (сглаживание) временного ряда
- •6. Процесс построения аддитивной модели временного ряда
- •7. Прогнозирование на основе моделей временного ряда
- •8. Понятие об авторегрессионных моделях и моделях скользящей средней
- •Контрольные вопросы:
- •Тема 8: модели с лаговыми переменными План лекции
- •Введение
- •1. Модели с распределенными лагами
- •2. Модели авторегрессии
- •3. Авторегрессионные модели и их моделирование
- •Контрольные вопросы:
- •Тема 9. Системы линейных одновременных уравнений План лекции
- •Введение
- •1. Структурная и приведенная формы моделей
- •2. Проблема идентификации
- •Матрица коэффициентов (1)
- •Матрица коэффициентов (2)
- •Матрица коэффициентов (3)
- •3. Оценивание параметров структурной модели
- •Условные данные по пяти регионам
- •Контрольные вопросы:
- •Используемая литература
3. Введение в эконометрическое моделирование
Пример. Допустим, мы хотим продать автомобиль и решили дать объявление о продаже в газете. Естественно, перед нами встает вопрос: какую цену указать в объявлении?
Очевидно, мы будем руководствоваться информацией о цене, которую выставляют другие продавцы подобных автомобилей, т.е. обладающие близкими значениями таких факторов, как год выпуска, пробег, мощность двигателя. Просмотрев колонку объявлений, мы формируем свое мнение о рынке нашего товара и назначаем цену.
На этом простейшем примере можно проследить основные моменты эконометрического моделирования:
Мы ставим задачу определить цену – величину, формируемую под воздействием некоторых факторов (год выпуска, пробег и т.д.). Такие зависимые величины называют зависимыми (объясняемыми, эндогенными) переменными, а факторы, от которых они зависят – объясняющими (экзогенными) переменными.
Указанная конкретная цена – наблюдаемое значение зависимой переменной, зависит также и от случайных явлений – таких как потребность продавца в конкретной денежной сумме, сроки продажи автомобиля и др.
Продавец-одиночка вряд ли будет строить какую-либо математическую модель, но менеджер крупного салона, специализирующегося на торговле автомобилями на вторичном рынке захочет знать более точное представление об ожидаемой цене и о возможном поведении случайной составляющей. Следующий шаг и есть эконометрическое моделирование.
Общим моментом для любой эконометрической модели является разбиение зависимой переменной на две части – объясненную и случайную.
Задача моделирования: на основании экспериментальных данных определить объясненную часть и рассматривая случайную составляющую как случайную величину, получить оценки параметров ее распределения.
Таким образом, эконометрическая модель имеет вид
,
где – наблюдаемое значение зависимой переменной,
– объясненная часть, зависящая от значений объясняющих переменных,
– случайная составляющая.
Остановимся теперь на целях моделирования. Предположим, что получено следующее выражение для – цены автомобиля
где – ожидаемая цена автомобиля в усл.ед.(у.е.),
– срок эксплуатации (в годах),
– пробег (в тыс. км.).
Каково практическое применение результата?
Очевидно, во-первых, он позволяет понять как формируется цена на автомобиль. Во-вторых, он дает возможность выявить влияние любой составляющей на цену автомобиля.
Например, при у.е. – цена нового автомобиля. За счет увеличения срока эксплуатации на 1 год цена автомобиля уменьшается в среднем на 1000 у.е. Результат позволяет прогнозировать цену, если год выпуска известен.
4. Основные математические предпосылки эконометрического моделирования
Пусть имеется p объясняющих (экзогенных) переменных Х1, Х2, …, Хр и зависимая эндогенная переменная У. Переменная У является случайной величиной, имеющей при заданных значениях факторов некоторое распределение. Если случайная величина У непрерывна, то можно считать, что ее распределение, при каждом допустимом наборе значений факторов (х1, х2, …, хn) имеет условную плотность (у).
Объясняющие переменные Xj могут считаться как случайными, так и детерминированными, т.е. принимающими определенные значения. Проиллюстрируем это на примере продажи автомобиля (см. пункт 3). Мы можем заранее определить для себя параметры автомобиля и искать объявления о продаже автомобиля с такими параметрами. В этом случае случайной величиной остается только зависимая переменная – цена. Но мы можем случайным образом выбирать объявления о продаже. В этом случае параметры автомобиля (объясняющие, переменные) также оказываются случайными величинами.
Классическая эконометрическая модель рассматривает объясняющие переменные Xj как детерминированные. Однако, основные результаты статистического исследования модели остаются в значительной степени теми же, что и в случае, когда считать Xj случайными переменными.
Наиболее естественным выбором объясненной части случайной величины У является ее среднее значение – условное математическое ожидание Мх(У).
Уравнение Мх(У) = f (x1, …, xp) называется уравнением регрессии. При таком выборе объясненной части эконометрическая модель имеет вид
У = Мх(У) + ,
где – случайная величина, называемая возмущением или ошибкой.
Заметим, что эконометрическая модель не обязательно является регрессионной, т.е. объясненная часть не всегда представляет собой условное математическое ожидание зависимой переменной.