- •Оглавление
- •Глава 1. Структура современной эконометрики 6
- •Глава 2. Выборочные исследования 20
- •Глава 3. Основы теории измерений 33
- •Глава 4. Статистический анализ числовых величин (непараметрическая статистика) 40
- •Глава 14. Эконометрика прогнозирования и риска 256
- •Глава 15. Современные эконометрические методы 270
- •Предисловие
- •Глава 1. Структура современной эконометрики
- •1.1.Эконометрика сегодня
- •1.3. Структура эконометрики
- •1.4.Специфика экономических данных
- •1.5. Нечисловые экономические величины
- •1.6.Статистика интервальных данных - научное направление на стыке метрологии и математической статистики
- •1.7. Эконометрические модели
- •1.8.Применения эконометрических методов
- •1.9. Эконометрика как область научно-практической деятельности
- •1.10. Эконометрические методы в практической и учебной деятельности
- •Цитированная литература
- •Глава 2. Выборочные исследования
- •2.1. Построение выборочной функции спроса
- •2.2. Маркетинговые опросы потребителей
- •Г. О курсе "Основы экономики"
- •Д. Дополнительная информация
- •2.3. Проверка однородности двух биномиальных выборок
- •Цитированная литература
- •Глава 3. Основы теории измерений
- •3.1. Основные шкалы измерения
- •3.2. Инвариантные алгоритмы и средние величины
- •3.3. Средние величины в порядковой шкале
- •3.4. Средние по Колмогорову
- •Цитированная литература
- •Глава 4. Статистический анализ числовых величин (непараметрическая статистика)
- •4.1. Часто ли распределение результатов наблюдений является нормальным?
- •4.2. Неустойчивость параметрических методов отбраковки резко выделяющихся результатов наблюдений
- •4.3. Непараметрическое доверительное оценивание характеристик распределения
- •4.4. О проверке однородности двух независимых выборок
- •Критерий Крамера-Уэлча равенства математических ожиданий
- •4.5. Какие гипотезы можно проверять с помощью двухвыборочного критерия Вилкоксона?
- •4.6. Состоятельные критерии проверки однородности для независимых выборок
- •4.7. Методы проверки однородности для связанных выборок
- •Цитированная литература
- •Глава 5. Многомерный статистический анализ
- •5.1. Оценивание линейной прогностической функции
- •5.2. Основы линейного регрессионного анализа
- •5.3. Основные понятия теории классификации
- •5.4. Эконометрика классификации
- •Цитированная литература
- •Глава 6. Эконометрика временных рядов
- •6.1. Модели стационарных и нестационарных временных рядов, их идентификация
- •6.2. Системы эконометрических уравнений
- •6.3. Оценивание длины периоды и периодической составляющей
- •6.4. Метод жок оценки результатов взаимовлияний факторов
- •Цитированная литература
- •Глава 7. Эконометрический анализ инфляции
- •7. 1. Определение индекса инфляции
- •7.2. Практически используемые потребительские корзины и соответствующие индексы инфляции
- •7.3. Свойства индексов инфляции
- •7.4. Возможности использования индекса инфляции в экономических расчетах
- •7.5. Динамика цен на продовольственные товары с Москве и Московской области
- •Цитированная литература
- •Глава 8. Статистика нечисловых данных
- •8.1. Объекты нечисловой природы
- •8.2. Вероятностные модели конкретных видов объектов нечисловой природы
- •8.3. Структура статистики объектов нечисловой природы
- •8.4. Законы больших чисел и состоятельность статистических оценок в пространствах произвольной природы
- •8.5. Непараметрические оценки плотности в пространствах произвольной природы
- •Цитированная литература
- •Глава 9. Статистика интервальных данных
- •9.1. Основные идеи статистики интервальных данных
- •9.2. Примеры статистического анализа интервальных данных
- •9.3. Статистика интервальных данных и оценки погрешностей характеристик финансовых потоков инвестиционных проектов
- •Цитированная литература
- •Глава 10. Проблемы устойчивости эконометрических процедур
- •10.1. Общая схема устойчивости
- •10.2. Робастность статистических процедур
- •10.3. Устойчивость по отношению к объему выборки
- •10.4. Устойчивость по отношению к горизонту планирования
- •Цитированная литература
- •Глава 11. Эконометрические информационные технологии
- •11.1. Проблема множественных проверок статистических гипотез
- •11.2. Проблемы разработки и обоснования статистических технологий
- •11.3. Методы статистических испытаний (Монте-Карло) и датчики псевдослучайных чисел
- •11.4. Методы размножения выборок (бутстреп-методы)
- •11.5. Эконометрика в контроллинге
- •Цитированная литература
- •Глава 12. Эконометрические методы проведения экспертных исследований и анализа оценок экспертов
- •12.1. Примеры процедур экспертных оценок
- •12.2. Основные стадии экспертного опроса
- •12.3. Подбор экспертов
- •12.4. О разработке регламента проведения сбора и анализа экспертных мнений
- •12.5. Методы средних баллов
- •12.6. Метод согласования кластеризованных ранжировок
- •12.7. Математические методы анализа экспертных оценок
- •Цитированная литература
- •Глава 13. Эконометрические методы управления качеством и сертификации продукции
- •13.1. Основы статистического контроля качества продукции
- •13.2. Асимптотическая теория одноступенчатых планов статистического контроля
- •13.3. Некоторые практические вопросы статистического контроля качества продукции и услуг
- •13.4. Всегда ли нужен контроль качества продукции?
- •13.5. Статистический контроль по двум альтернативным признакам и метод проверки их независимости по совокупности малых выборок
- •13.6. Эконометрика качества и сертификация
- •Цитированная литература
- •Глава 14. Эконометрика прогнозирования и риска
- •14.1. Методы социально-экономического прогнозирования
- •14.2. Основные идеи технологии сценарных экспертных прогнозов
- •14.3. Различные виды рисков
- •14.4. Подходы к управлению рисками
- •Цитированная литература
- •Глава 15. Современные эконометрические методы
- •15.1. О развитии эконометрических методов
- •15.2. Точки роста
- •15.3. О некоторых нерешенных вопросах эконометрики и прикладной статистики
- •15.4. Высокие статистические технологии и эконометрика
- •Цитированная литература
- •Приложение 1 Вероятностно-статистические основы эконометрики
- •Цитированная литература
- •Приложение 2 Нечеткие и случайные множества
- •К последовательности операций над случайными множествами
- •Цитированная литература
- •Приложение 3 Методика сравнительного анализа родственных эконометрических моделей
- •П3 4. Эмпирические единичные показатели качества
- •Кластеризации и усреднения ранжировок
- •Цитированная литература
- •Приложение 4 Примеры задач по эконометрике
- •Проверка однородности двух независимых выборок
- •Проверка однородности связанных выборках
- •Исходные данные для задачи 4.
- •Индекс инфляции
- •Упорядочения по средним рангам и по медианам
- •Медиана Кемени
Критерий Крамера-Уэлча равенства математических ожиданий
Вместо критерия Стьюдента предлагаем для проверки H'0 использовать критерий Крамера-Уэлча [12], основанный на статистике
(6)
Критерий Крамера-Уэлча имеет прозрачный смысл – разность выборочных средних арифметических для двух выборок делится на естественную оценку среднего квадратического отклонения этой разности. Естественность указанной оценки состоит в том, что неизвестные статистику дисперсии заменены их выборочными оценками. Из многомерной центральной предельной теоремы и из теорем о наследовании сходимости [11] вытекает, что при росте объемов выборок распределение статистики Т Крамера-Уэлча сходится к стандартному нормальному распределению с математическим ожиданием 0 и дисперсией 1. Итак, при справедливости H'0 и больших объемах выборок распределение статистики Т приближается с помощью стандартного нормального распределения Ф(х), из таблиц которого следует брать критические значения.
При т=п, как следует из формул (1) и (6), t=T. При т¹п этого равенства нет. В частности, при sx2 в (1) стоит множитель (m-1), а в (6)- множитель п.
Если M(X)¹M(Y), то при больших объемах выборок
P(T<X)»Ф(x-cmn), (7)
где
. (8)
При т=п или D(X)=D(Y), согласно формулам (3) и (8), amn=cmn , в остальных случаях равенства нет.
Из асимптотической нормальности статистики Т, формул (7) и (8) следует, что правило принятия решения для критерия Крамера-Уэлча выглядит так:
- если |T|< то гипотеза однородности (равенства) математических ожиданий принимается на уровне значимости
- если же |T|> то гипотеза однородности (равенства) математических ожиданий отклоняется на уровне значимости .
В эконометрике наиболее часто применяется уровень значимости Тогда значение модуля статистики Т Крамера-Уэлча надо сравнивать с граничным значением
Из сказанного выше следует, что применение критерия Крамера-Уэлча не менее обосновано, чем применение критерия Стьюдента. Дополнительное преимущество - не требуется равенства дисперсий D(X)=D(Y). Распределение статистики Т не является распределением Стьюдента, однако и распределение статистики t, как показано выше, не является таковым в реальных ситуациях.
Распределение статистики Т при объемах выборок т=п=6, 8, 10, 12 и различных функциях распределений выборок F(x) и G(x) изучено нами совместно с Ю.Э. Камнем и Я.Э. Камнем методом статистических испытаний (Монте-Карло). Рассмотрены различные варианты функций распределения F(x) и G(x). Результаты показывают, что даже при таких небольших объемах выборок точность аппроксимации предельным стандартным нормальным распределением вполне удовлетворительна. Поэтому представляется целесообразным во всех тех случаях, когда в настоящее время используется критерий Стьюдента, заменить его на критерий Крамера-Уэлча. Конечно, такая замена потребует переделки ряда нормативно-технических и методических документов, исправления учебников и учебных пособий для вузов.
Пример. Пусть объем первой выборки . Для второй выборки . Вычислим величину статистики Крамера-Уэлча
Поскольку полученное значение по абсолютной величине меньше 1,96, то гипотеза однородности математических ожиданий принимается на уровне значимости 0,05.
Непараметрические методы проверки однородности. В большинстве экономических и технико-экономических задач представляет интерес не проверка равенства математических ожиданий или иных характеристик распределения, а обнаружение различия генеральных совокупностей, из которых извлечены выборки, т.е. проверка гипотезы H0. Методы проверки гипотезы H0 позволяют обнаружить не только изменение математического ожидания, но и любые иные изменения функции распределения результатов наблюдений при переходе от одной выборки к другой (увеличение разброса, появление асимметрии и т. д.). Как установлено выше, методы, основанные на использовании статистик t Стьюдента и Т Крамера-Уэлча, не позволяют проверять гипотезу H0 . Априорное предположение о принадлежности функций распределения F(x) и G(x) к какому-либо определенному параметрическому семейству (например, семействам нормальных, логарифмически нормальных, распределений Вейбулла-Гнеденко, гамма-распределений и др.), как показано выше, обычно нельзя достаточно надежно обосновать. Поэтому для проверки H0 следует использовать методы, пригодные при любом виде F(x) и G(x), т.е. непараметрические методы. (Термин «непараметрический метод» означает, что при использовании этого метода нет необходимости предполагать, что функции распределения результатов наблюдений принадлежат какому-либо определенному параметрическому семейству.)
Для проверки гипотезы H0 разработано много непараметрических методов - критерии Смирнова, типа омега-квадрат (Лемана-Розенблатта), Вилкоксона (Манна-Уитни), Ван-дер-Вардена, Сэвиджа, хи-квадрат и др. [8, 9, 13]. Распределения статистик всех этих критериев при справедливости H0 не зависят от конкретного вида совпадающих функций распределения F(x)ºG(x). Следовательно, таблицами точных и предельных (при больших объемах выборок) распределений статистик этих критериев и их процентных точек [8, 9] можно пользоваться при любых непрерывных функциях распределения результатов наблюдений.
Каким из непараметрических критериев пользоваться? Как известно [10], для выбора одного из нескольких критериев необходимо сравнить их мощности, определяемые видом альтернативных гипотез. Сравнению мощностей критериев посвящена обширная литература.
Хорошо изучены свойства критериев при альтернативной гипотезе сдвига
H1c : G(x)=F(x-d), d¹0.
Критерии Вилкоксона, Ван-дер-Вардена и ряд других ориентированы для применения именно в этой ситуации. Если m раз измеряют характеристику одного объекта и п раз - другого, а функция распределения погрешностей измерения произвольна, но не меняется при переходе от объекта к объекту (это более жесткое требование, чем условие равенства дисперсий), то рассмотрение гипотезы H1c оправдано. Однако в большинстве экономических и технико-экономических исследований нет оснований считать, что функции распределения, соответствующие выборкам, различаются только сдвигом.