- •Министерство науки и образования российской федерации
- •Тема 1. Предмет, метод и задачи ЭконометрикИ 6
- •Тема 2. Линейные однофакторные регрессионные
- •Тема 3. Линейная модель множественной
- •Тема 4. Нелинейные модели регрессии и их
- •4.6. Практический блок 56
- •4.7. Самостоятельная работа студентов 61
- •Тема 5. Оценка качества эконометрических
- •Тема 6. Временные ряды 112
- •Тема 7. Задачи экономического анализа, решаемые на основе эконометрических моделей 135
- •Тема 8. Системы эконометрических уравнений 167
- •Введение
- •1.2. Соотношения между экономическими переменными.
- •Регрессионные модели как инструмент анализа и прогнозирования экономических явлений.
- •Практический блок
- •Самостоятельная работа студентов Рекомендуемые темы рефератов
- •Литература для самостоятельной работы
- •Интернет-ресурсы:
- •Тема 2. Линейные однофакторные регрессионные модели эконометрики
- •2.7. Практический блок 22
- •2.8. Самостоятельная работа студентов 31
- •2.1. Определения. Линейная регрессионная модель для случая одной факторной переменной
- •Метод наименьших квадратов (мнк).
- •2.3. Свойства оценок мнк.
- •2.4.Регрессия по эмпирическим (выборочным) данным и теоретическая регрессия.
- •Таким образом, получено уравнение регрессии
- •2.5. Экономическая интерпретация параметров линейного уравнения регрессии.
- •2.6. Измерение и интерпретация случайной составляющей.
- •Практический блок Примеры
- •Контрольные вопросы
- •Задания и задачи
- •Самостоятельная работа студентов Литература для самостоятельной работы
- •Тема 3. Линейная модель множественной регрессии
- •3.6. Практический блок 42
- •3.7 Самостоятельная работа студентов 49
- •3.1. Отбор факторов при построении множественной регрессии.
- •3.2. Линейная регрессионная модель со многими переменными.
- •3.3. Оценка и интерпретация параметров.
- •3.4. Описание связей между макроэкономическими переменными.
- •3.5. Формирование регрессионных моделей на компьютере с помощью ппп Excel
- •3.5.1. Однофакторная регрессия.
- •3.5.2. Многофакторная регрессия.
- •Практический блок Примеры
- •Контрольные вопросы
- •Задания и задачи
- •Самостоятельная работа студентов Литература для самостоятельной работы
- •Тема 4. Нелинейные модели регрессии и их линеаризация
- •4.6. Практический блок 56
- •4.7. Самостоятельная работа студентов 61
- •4.1. Общие понятия
- •4.2. Мультипликативные модели регрессии и их линеаризация.
- •4.3. Гиперболическая и логарифмическая регрессии. Полиномиальная и кусочно-полиномиальная регрессия.
- •4.4. Экспоненциальная и степенная однофакторная регрессии.
- •Формирование нелинейных однофакторных регрессионных моделей на компьютере с помощью ппп Excel
- •Практический блок Пример
- •Контрольные вопросы
- •Задания и задачи
- •Самостоятельная работа студентов Литература для самостоятельной работы
- •5.8. Практический блок 97
- •5.9. Самостоятельная работа студентов 111
- •5.1. Доверительные интервалы для коэффициентов: реальные статистические данные
- •5.2. Проверка статистических гипотез о значениях коэффициентов
- •5.3. Проверка значимости параметров линейной регрессии и подбор модели с использованием f-критериев
- •5.4. Проверка значимости и подбор модели с использованием коэффициентов детерминации. Информационные критерии
- •Линейные регрессионные модели с гетероскедастичными и автокоррелированными остатками.
- •5.6. Обобщенный метод наименьших квадратов. Метод Главных Компонент.
- •5.7.Прогнозирование. Доверительный интервал прогноза.
- •Практический блок
- •Контрольные вопросы
- •Задания и задачи
- •3. Имеются данные о рынке строящегося жилья в Санкт-Петербурге (по состоянию на декабрь 2006 г.).
- •Самостоятельная работа студентов Литература для самостоятельной работы
- •6 . Временные ряды.
- •6.6. Практический блок 123
- •6.7. Самостоятельная работа студентов 134
- •6.1. Характеристики временных рядов. Выявление тренда в динамических рядах экономических показателей.
- •Моделирование сезонных и циклических колебаний.
- •6.3. Статистика Дарбина-Уотсона.
- •6.4. Динамические эконометрические модели
- •6.5. Интерпретация параметров моделей с распределенным лагом
- •Практический блок Пример.
- •Задания и задачи
- •Самостоятельная работа студентов Литература для самостоятельной работы
- •7.Задачи экономического анализа, решаемые на основе регрессионных эконометрических моделей
- •7.3. Практический блок 148
- •7.4. Самостоятельная работа студентов 166
- •7.1. Измерение тесноты связи между результативным и факторными признаками.
- •Анализ влияния отдельных факторных признаков на результативный признак.
- •Практический блок Пример
- •Контрольные вопросы
- •Самостоятельная работа студентов Литература для самостоятельной работы
- •8. Системы эконометрических уравнений.
- •8.4. Практический блок 172
- •8.5. Самостоятельная работа студентов 181
- •8.1. Структура систем эконометрических уравнений
- •8.2. Проблема идентификации
- •Методы решения систем эконометрических уравнений
- •Практический блок
- •Самостоятельная работа студентов Литература для самостоятельной работы
- •Методические рекомендации
- •1. Методические рекомендации по изучению теоретического материала.
- •2. Методические рекомендации по решению практических задач.
- •3. Методические рекомендации по выполнению контрольных работ.
- •4. Требования к критериям оценки выполнения практических заданий, контрольных работ.
- •Вопросы для подготовки к зачету
- •Контрольные задания
- •Глоссарий
- •Список рекомендуемой литературы
- •Предметный указатель
- •Приложения
6.4. Динамические эконометрические модели
Эконометрическая модель называется динамической, если в данный момент времени t она учитывает значения входящих в нее переменных, относящиеся как к текущему, так и к предыдущим моментам времени.
При исследовании экономических процессов нередко приходится моделировать ситуации, когда значение результативного признака в текущий момент времени t формируется под воздействием ряда факторов, действовавших в прошлые моменты времени t – 1, t – 2, ..., t – l. Например, на выручку от реализации или прибыль компании текущего периода могут оказывать влияние расходы на рекламу или проведение маркетинговых исследований, сделанные компанией в предшествующие моменты времени. Величину l, характеризующую запаздывание в воздействии фактора на результат, называют в эконометрике лагом, а временные ряды самих факторных переменных, сдвинутые на один или более моментов времени, – лаговыми переменными. Эконометрическое моделирование охарактеризованных выше процессов осуществляется с применением моделей, содержащих не только текущие, но и лаговые значения факторных переменных. Эти модели называются моделями с распределенным лагом. Модель вида
yt=a+b0xt+ b1xt-1+ b2xt-2+ εt (6.4)
является примером модели с распределенным лагом.
График зависимости значений автокорреляционной функции от величины лага называется коррелограммой.
Решение ряда задач макроэкономики требует ответа на вопрос: какое воздействие окажут значения управляемых переменных текущего периода на будущие значения экономических показателей. Например, как повлияют инвестиции в промышленность на валовую добавленную стоимость этой отрасли экономики будущих периодов? Т. е. исследуются ситуации, когда на величину зависимой переменной текущего периода могут оказывать влияние ее значения в прошлые моменты или периоды времени. Эти процессы обычно описывают с помощью моделей регрессии, содержащих в качестве факторов лаговые значения зависимой переменной, которые называются моделями авторегрессии. Модель вида
yt=a+b0xt+ c1yt-1+εt (6.5)
относится к моделям авторегрессии.
Таким образом, выделяют два основных типа динамических эконометрических моделей:
– модели авторегрессии;
– модели с распределенным лагом, в которых значения факторной переменной за прошлые периоды времени (лаговые переменные) непосредственно включены в модель.
Построение моделей с распределенным лагом и моделей авторегрессии имеет свою специфику. Во-первых, оценка параметров моделей авторегрессии, а в большинстве случаев и моделей с распределенным лагом не может быть произведена с помощью обычного МНК ввиду нарушения его предпосылок и требует специальных статистических методов. Во-вторых, исследователям приходится решать проблемы выбора оптимальной величины лага и определения его структуры. Наконец, в-третьих, между моделями с распределенным лагом и моделями авторегрессии существует определенная взаимосвязь, и в некоторых случаях необходимо осуществлять переход от одного типа моделей к другому.