- •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
Интернет-ресурсы:
1. http://upereslavl.botik.ru/UP/ECON/econometrics/top1/tsld006.htm
2. http://www.nsu.ru/ef/tsy/ecmr/study.htm
3. http://www.nsu.ru/ef/tsy/ecmr/index.htm
4. http://www.statsoft.ru/home/textbook/glossary/default.htm
5. http://www.dataforce.net/~antl/article/econometric
6. http://www.nsu.ru/ef/tsy/ecmr/study.htm
7. http://www.tvp.ru/vnizd/mathem4.htm
Тема 2. Линейные однофакторные регрессионные модели эконометрики
2.1. Определения. Линейная регрессионная модель для случая одной
факторной переменной 14
2.2. Метод наименьших квадратов 16
2.3. Свойства оценок МНК 17
2.4. Регрессия по эмпирическим (выборочным) данным и теоретическая
регрессия 17
2.5. Экономическая интерпретация параметров линейного уравнения
регрессии 18
2.6. Измерение и интерпретация случайной составляющей 18
2.7. Практический блок 22
2.8. Самостоятельная работа студентов 31
2.1. Определения. Линейная регрессионная модель для случая одной факторной переменной
Рассмотрим сначала однофакторную регрессионную модель.
В этом случае имеется n пар наблюдений (xi,yi), i=1,2,…,n, над некоторыми случайными величинами Х={xi} и Y={yi}. Эти наблюдения можно представить точками на плоскости с координатами (xi,yi), получая так называемую диаграмму рассеяния. Задача построения регрессионной модели заключается в том, что необходимо подобрать некоторую кривую (график соответствующей функции) таким образом, чтобы она располагалась как можно “ближе” к этим точкам. Такого рода кривую называют эмпирической или аппроксимирующей кривой. Весьма часто тип эмпирической кривой определяется экспериментальными или теоретическими соображениями (исходя из законов экономической теории), в противном случае выбор кривой осуществить довольно трудно. Иногда точки на диаграмме рассеяния располагаются таким образом, что не наблюдается никакого их группирования, и, соответственно, нет никаких оснований предполагать наличие в наблюдениях какой-либо взаимозависимости.
Таким образом, результатом исследования статистической взаимозависимости на основе выборочных данных является построение уравнений регрессии вида y=f(x).
В самом простом случае предполагается, что f задает уравнение прямой f(x)= aх+b. Модель в этом случае имеет вид
уi= aхi+b +i (i=1,2,…,n). (2.1)
Здесь i являются вертикальными уклонениями точек (xi,yi) от аппроксимирующей прямой. Вопрос о нахождении формулы зависимости можно ставить после положительного ответа на вопрос о существования такой зависимости, но эти два вопроса можно решать и одновременно.
Для ответа на поставленные вопросы существуют специальные методы и, соответственно, показатели, значения которых определенным образом свидетельствуют о наличии или отсутствии линейной связи между переменными. Такими показателями являются коэффициент корреляции величин Х и Y, а также коэффициенты линейной регрессии 0 и 1, их стандартные ошибки и t-статистики, по значениям которых проверяется гипотеза об отсутствии связи величин Х и Y.
Угловой коэффициент a прямой линии регрессии Y на X называют коэффициентом регрессии Y на X и обозначают yx.
Выражение х2 = –( )2 есть выборочная дисперсия Х (или квадрат выборочного среднего квадратического отклонения).
Выборочный коэффициент корреляции определяется равенством
ryx =(ху – х у )/(хy), (2.2)
где y есть выборочное среднее квадратическое отклонение Y.
(Верхняя черта, как это принято в теории вероятностей и математической статистике, означает среднее значение выборочной совокупности, в данном случае ).
Коэффициент корреляции измеряет силу (тесноту) линейной связи между Y и X. Он является безразмерной величиной, не зависит от выбора единиц измерения обеих переменных. Для него всегда выполняется 0 ryx 1, и чем ближе его значение к 1, тем сильнее линейная связь. Коэффициент корреляции будет положительным, если зависимость переменных Х и Y прямо пропорциональная, и отрицательным, – если обратно пропорциональная.
При близости к нулю коэффициента корреляции, например, величин уровней инфляции и безработицы (что имело место фактически в экономике США в 1970-х – 1980-х годах) нужно не говорить сразу о независимости этих показателей, а попытаться построить более сложную (не линейную) модель их связи.
Если формула (1) линейна, то речь идет о линейной регрессии. Формула статистической связи двух переменных называется парной регрессией, зависимость от нескольких переменных – множественной регрессией. Например, Кейнсом была предложена линейная модель зависимости частного потребления С от располагаемого дохода Х: С=С0+ С1Х, где С0 >0 – величина автономного потребления (при уровне дохода Х=0), 1>C1>0 – предельная склонность к потреблению (C1 показывает, на сколько увеличится потребление при увеличении дохода на единицу).
В случае парной линейной регрессии имеется только один объясняющий фактор х и линейная регрессионная модель записывается в следующем виде:
у= aх+b +, (2.3)
где – случайная составляющая с независимыми значениями М=0, D= 2.