- •Содержание
- •Парная регрессия и корреляция (линейная модель) Практическое занятие 1
- •Задачи для самоконтроля
- •Практическое занятие 2
- •Задачи для самоконтроля
- •Парная регрессия и корреляция (нелинейная модель) Практическое занятие
- •Задачи для самоконтроля
- •Множественная регрессия и корреляция Практическое занятие 1
- •Задачи для самоконтроля
- •Практическое занятие 2
- •Задачи для самоконтроля
- •Практическое занятие 3
- •Задачи для самоконтроля
- •Системы эконометрических уравнений Практическое занятие 1
- •Задачи для самоконтроля
- •Практическое занятие 2
- •Задачи для самоконтроля
- •Практическое занятие 3
- •Задачи для самоконтроля
- •Анализ временных рядов Практическое занятие 1
- •Задачи для самоконтроля
- •Практическое занятие 2
- •Задачи для самоконтроля
- •Практическое занятие 3
- •Задачи для самоконтроля
- •Рекомендуемый список литературы для выполнения практических работ
- •Приложение а Функция Лапласа (стандартизированное нормальное распределение)
- •Приложение б Распределение Стьюдента (t - распределение)
- •Приложение в χ2 – распределение
- •Приложение г Распределение Фишера (f – распределение)
- •Приложение д
Практическое занятие 2
При построении моделей регрессии по временным рядам для устранения тенденции используются следующие методы.
Метод отклонений от тренда предполагает вычисление трендовых значений для каждого временного ряда модели, например ŷt и расчет отклонений от трендов:уt – ŷt и xt – , Для дальнейшего анализа используют не исходные данные, а отклонения от тренда.
Метод последовательных разностей заключается в следующем: если ряд содержит линейный тренд, тогда исходные данные заменяются первыми разностями:
Δt = yt – yt-1 = b + (εt – εt-1);
Если параболический тренд – вторыми разностями:
Δt2 = Δt – Δt-1 = 2b2 + (εt – 2εt-1 + εt-2);
В случае экспоненциального и степенного тренда метод последовательных разностей применяется к логарифмам исходных данных.
Модель, включающая фактор времени, имеет вид:
yt = a + b1xt + b2t + εt.
Автокорреляция в остатках – корреляционная зависимость между значениями остатков ε, за текущий и предыдущие моменты времени.
Для определения автокорреляции остатков используют критерий Дарвина - Уотсона и расчет величины:
, 0 ≤ d ≤ 4.
Коэффициент автокорреляции остатков первого порядка определяется по формуле:
, -1 ≤ ≤ 1.
Критерий Дарбина - Уотсона и коэффициент автокорреляции остатков первого порядка связаны соотношением
d = 2(1 – ).
Если автокорреляция остатков отсутствует (r = 0) – d ~ 2. При положительной автокорреляции (r > 0) имеем 0 < d < 2. При отрицательной автокорреляции (r < 0) – 2 < d < 4.
Задачи для самоконтроля
Задача 1
Исключить тенденцию методом отклонений от тренда из временных рядов:
t |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
у(t) |
16 |
4 |
17 |
10 |
18 |
8 |
5 |
7 |
13 |
11 |
x(t) |
15 |
9 |
19 |
21 |
12 |
9 |
9 |
14 |
24 |
8 |
Задача 2
Исключить параболическую тенденцию методом последовательных разностей из временных рядов:
t |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
у(t) |
3 |
6 |
9 |
14 |
20 |
26 |
34 |
43 |
52 |
63 |
x(t) |
2 |
6 |
12 |
20 |
30 |
42 |
56 |
72 |
90 |
110 |
Задача 3
Исключить тенденцию методом включения в модель фактора времени из временных рядов:
t |
1 |
2 |
3 |
4 |
5 |
y(t) |
3 |
5 |
8 |
4 |
6 |
x(t) |
8 |
7 |
4 |
2 |
9 |
Задача 4
Проверить гипотезу о наличии автокорреляции в остатках для временных рядов:
t |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
y(t) |
16 |
4 |
17 |
10 |
18 |
8 |
5 |
7 |
13 |
11 |
x(t) |
15 |
9 |
19 |
21 |
12 |
9 |
9 |
14 |
24 |
8 |
Задача 5
Представлены данные об уровне дивидендов, выплачиваемых по обыкновенным акциям (%), и среднегодовой стоимости основных фондов компании (млн руб.) за несколько периодов:
Период |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
Среднегодовая стоимость основных фондов |
7 |
7,5 |
8 |
8 |
9 |
8,5 |
8 |
9 |
9,5 |
Дивиденды по обыкновенным акциям |
4 |
4,2 |
3,8 |
3 |
3,4 |
4 |
4 |
3,7 |
4 |
С помощью критерия Дарбина-Уотсона определите наличие автокорреляции в остатках.