- •Зміст дисципліни за темами
- •Тема 1. Концептуальні аспекти економетричного моделювання економіки
- •Тема 2. Принципи побудови економетричних моделей. Парна та множинна лінійна регресія
- •Тема 3: Моделі множинних регресій, що зводяться до лінійних
- •Тема: Економіко – математичне моделювання
- •2. Математична модель економічного об’єкту
- •Критерії вибору „хорошої моделі”:
- •За характером застосування методів дослідження виділяються:
- •2. Об'єкт, предмет, мета і завдання економетрії
- •3. Основні етапи економетричного аналізу
- •4. Економічні задачі, які розв'язують за допомогою економетричних методів
- •5. Основні етапи зародження та розвитку економетрії
- •Тема: Регресійні моделі
- •1. Поняття регресії
- •3. Парна лінійна регресія
- •4. Теоретична і розрахункова моделі
- •5. Метод найменших квадратів – метод розрахунку параметрів моделі.
- •6. Дисперсійний аналіз моделі
- •Приклад виконання типового завдання
- •1. Економічна постановка задачі
- •2. Геометричне зображення залежності між досліджуваними показниками
- •3. Оцінювання параметрів парної лінійної регресії
- •4. Розрахунок коефіцієнта детермінації та парної кореляції.
- •5. Перевірка достовірності побудови моделі на основі статистичних критеріїв
- •5. Визначення стандартних похибок та довірчих інтервалів для оцінок параметрів моделі
- •6. Точковий та інтервальний прогноз на основі побудованої моделі.
- •Тема: Загальна лінійна економетрична модель
- •1. Множинна лінійна регресія
- •2. Передумови застосування метода найменших квадратів
- •3. Дисперсійний і регресійний аналіз моделей
- •4. Точковий та інтервальльний прогноз
- •5. Перевірка якості та статистичної значущості моделі
- •Завдання №1 на самостійну роботу
- •1). Побудувати економетричну модель залежності між факторами за допомогою функції «линейн»:
- •Тема: Нелінійні моделі
- •Степенева (поліноміальна ) модель
- •2. Гіперболічна модель
- •3. Показникові моделі
- •4. Виробнича функція Кобба – Дугласа
- •Завдання №2 на самостійну роботу
- •Тема: Фіктивні змінні в регресійних моделях
- •1. Необхідність використання фіктивних змінних
- •2. Моделі ancova
- •2.1. Ancova - Модель при наявності у фіктивної змінної двох альтернатив
- •2.2. Моделі ancova за наявності у якісних змінних більш двох альтернатив
- •3. Використання фіктивних змінних у сезонному аналізі
- •Завдання № 3* на самостійну роботу Розрахувати моделі із фіктивними змінними :
- •Дослідити розраховану модель на значущість. Тема: Мультиколінеарність факторів моделі
- •Поняття мультиколінеарності
- •Основні наслідки мультиколінеарності:
- •Дослідження наявності мультиколінеарності
- •Ознаки мультиколінеарності
- •Алгоритм Фаррара – Глобера
- •Завдання №4 на самостійну роботу
- •Тема: Гетероскедастичність моделі
- •1. Поняття гетероскедастнчності та її наслідки
- •2. Перевірка гетероскедастичності
- •Тема: Автокореляція відхилень (залишків)
- •1. Поняття автокореляції та її наслідки
- •Перевірка наявності автокореляції
- •Завдання № 5 на самостійну роботу
Тема: Фіктивні змінні в регресійних моделях
1. Необхідність використання фіктивних змінних
У регресійних моделях у якості пояснюючих змінних часто доводиться використовувати не тільки кількісні (обумовлені чисельно), але і якісні змінні. Наприклад, попит на деяке благо може визначатися ціною даного блага, ціною на замінники даного блага, доходом споживачів тощо (ці показники визначаються кількісно). Але попит може також залежати від смаків споживачів, їхніх вподобань, національних і релігійних особливостей . А ці показники представити в чисельному виді не можна. Виникає проблема відображення в моделі впливу таких змінних на досліджувану величину. Це досить складне завдання.
Зазвичай в моделях вплив якісного фактору виражається у вигляді фіктивної (штучної) змінної, котра відображає два протилежних стани якісного фактору. Наприклад, «фактор діє» - «фактор не діє», «курс валюти фіксований» - «курс валюти плаваючий», «сезон літній» - «сезон зимовий» тощо. У цьому випадку фіктивна змінна D може виражатися у двійковій формі:
0, фактор не діє,
D = 1, фактор діє.
Наприклад, D = 0, якщо споживач не має вищої освіти, D = 1, якщо споживач має вищу освіту;
D = 0, якщо в суспільстві є інфляційні очікування, D = 1, якщо інфляційних очікувань немає.
Таким чином, крім моделей, що містять тільки кількісні пояснюючі змінні (позначені Xj), у регресійному аналізі розглядаються також моделі, що містять лише якісні змінні (позначені Dj) або ті й інші одночасно.
Регресійні моделі, що містять лише якісні пояснюючі змінні, називаються ANOVA - моделями (моделями дисперсійного аналізу). Наприклад, нехай Y - початкова заробітна плата.
0, претендент не має вищої освіти,
D = 1, претендент має вищу світу.
Тоді залежність між заробітною платою і наявністю вищої освіти можна виразити моделлю парної регресії Y = βо + γ D + и. (1)
При цьому M(Y | D = 0) = βо + γ · 0 = βо,
M(Y | D = 1) = βо + γ ·1 = βо + γ.
При цьому коефіцієнт βо визначає середню початкову заробітну плату за відсутності вищої освіти. Коефіцієнт γ вказує, на яку величину відрізняються середні початкові заробітні плати за наявності та відсутності вищої освіти у претендента. Перевіряючи статистичну значущість коефіцієнта γ за допомогою t-статистики або значущість коефіцієнта детермінації R2 за допомогою F-статистики, можна визначити, впливає чи ні наявність вищого утворення на початкову заробітну плату.
Однак такі моделі в економіці є вкрай рідкими. Набагато частіше зустрічаються моделі, що містять як якісні, так і кількісні змінні.
2. Моделі ancova
Моделі, у яких пояснюючі змінні носять як кількісний, так і якісний характер, називаються ANCOVA - моделями (моделями коваріаційного аналізу).
2.1. Ancova - Модель при наявності у фіктивної змінної двох альтернатив
Спочатку розглянемо найпростішу ANCOVA-модель із однією кількісною й однією якісною змінною, що має два альтернативні стани: Y = βо + γ D + β1X + и . (2)
Нехай, наприклад, Y - заробітна плата співробітника фірми, X -стаж співробітника, D - стать співробітника, тобто
0, якщо співробітник - жінка,
D = 1, якщо співробітник - чоловік.
Тоді очікуване значення заробітної плати співробітників для х років виробничого стажу буде:
M(Y | х, D = 0) = βо + β1 х для жінки, (3)
M(Y | х, D = 1) = βо + β1 х + γ = (βо + γ) + β1 х для чоловіка. (4)
Заробітна плата в цьому випадку є лінійною функцією від стажу роботи
Причому, як для чоловіків, так і для жінок заробітна плата змінюється з тим самим коефіцієнтом пропорційності β1. А от вільні члени в моделях (3), (4) відрізняються на величину γ.
Перевіривши за допомогою t-статистики статистичні значимості коефіцієнтів βо й (βо + γ), можна визначити, чи має місце у фірмі дискримінація за гендерною ознакою. Якщо ці коефіцієнти виявляться статистично значущими, то, можливо, дискримінація існує. Більше того, при γ > 0 вона буде на користь чоловіків, при γ < 0 - на користь жінок.
Значення якісної змінної, для якої приймається D = 0, називається базовим або порівняльним. Вибір базового значення звичайно диктується цілями дослідження, але може бути й довільним.
Коефіцієнт γ у моделі (2) іноді називається диференціальним коефіцієнтом вільного члена, бо він показує, на яку величину відрізняється вільний член моделі при значенні фіктивної змінної, яке = 1 , від вільного члена моделі при базовому значенні фіктивної змінної.
Існує загальне правило: якщо якісна змінна має k альтернативних значень, то при моделюванні використовуються тільки (k - 1) фіктивні змінні. Якщо не дотримуватися даного правила, то при моделюванні можна потрапити до ситуації мультиколінеарності або так звану пастку фіктивної змінної.