- •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
6.5. Интерпретация параметров моделей с распределенным лагом
Рассмотрим модель с распределенным лагом в ее общем виде в предположении, что максимальная величина лага конечна и равна p
yt=a+b0xt+ b1xt-1+ b2xt-2+…+ bpxt-p+ εt (6.6)
Эта модель говорит о том, что если в некоторый момент времени t происходит изменение независимой переменной х, то это изменение будет влиять на значения переменной в течение p следующих моментов времени. Коэффициент регрессии b0 при переменной xt характеризует среднее абсолютное изменение yt при изменении xt на одну единицу своего измерения в некоторый фиксированный момент времени t, без учета воздействия лаговых значений фактора х. Этот коэффициент называют краткосрочным мультипликатором.
В момент (t + 1) совокупное воздействие факторной переменной xt на результат yt составит (b0+b1) усл. ед., в момент (t + 2) это воздействие можно охарактеризовать суммой (b0+b1+b2) и т. д. Полученные таким образом суммы называют промежуточными мультипликаторами.
С учетом конечной величины лага можно сказать, что изменение переменной xt в момент t на 1 усл. ед. приведет к общему изменению результата через l моментов времени на (b0+b1+...+bl) абсолютных единиц.
Введем следующее обозначение:
b = b0+b1+...+bl. (6.7)
Величину b называют долгосрочным мультипликатором. Он показывает абсолютное изменение в долгосрочном периоде t + l результата под влиянием изменения на 1 ед. фактора х.
Применение обычного МНК к таким моделям в большинстве случаев затруднительно по следующим причинам.
Во-первых, текущие и лаговые значения независимой переменной, как правило, тесно связаны друг с другом. Тем самым оценка параметров модели проводится в условиях высокой мультиколлинеарности факторов. Во-вторых, при большой величине лага уменьшается число наблюдений, по которому строится модель, и увеличивается число ее факторных признаков. Это ведет к потере числа степеней свободы в модели. В-третьих, в моделях с распределенным лагом часто возникнет проблема автокорреляции остатков. Вышеуказанные обстоятельства приводят к значительной неопределенности относительно оценок параметров модели, снижению
их точности и получению неэффективных оценок. Чистое влияние факторов на результат в таких условиях выявить невозможно. Поэтому на практике параметры моделей с распределенным лагом проводят в предположении определенных ограничений на коэффициенты регрессии и в условиях выбранной структуры лага.
Рассмотрим теперь следующую модель авторегрессии:
yt=a+b0xt+ c1yt-1+εt.
Как и в модели с распределенным лагом, b0 в этой модели характеризует краткосрочное изменение yt под воздействием изменения xt на 1 ед. Однако промежуточные и долгосрочный мультипликаторы в моделях авторегрессии несколько иные. К моменту времени (t + 1) результат yt изменился под воздействием изменения изучаемого фактора в момент времени t на величину b0, а yt+1 под воздействием своего изменения в непосредственно предшествующий момент времени на c1. Таким образом, общее абсолютное изменение результата в момент (t + 1) составит b0c1. Аналогично в момент времени (t + 2) абсолютное изменение результата составит и т.д. Следовательно, долгосрочный мультипликатор в модели авторегрессии можно рассчитать как сумму краткосрочного и промежуточных мультипликаторов
b = b0+ b0c1+ + ...
С учетом предположения |c1| < 1 (называемое условие стабильности) последнее соотношение преобразуется к виду
b = b0(c1+ + ... )= .
Отметим, что такая интерпретация коэффициентов модели авторегрессии и расчет долгосрочного мультипликатора основаны на предпосылке о наличии бесконечного лага в воздействии текущего значения зависимой переменной на ее будущие значения.