
- •Аглава определение эконометрики
- •1.1. Предмет эконометрики
- •1.2. Особенности эконометрического метода
- •I продукции на 1 ед. Продукции
- •На 1 ед. Продукции
- •Где Ку я, b — параметры;
- •' 1.3. Измерения в экономике
- •0. Каковы допустимые преобразования на каждой шкале изме рения?глава парная регрессия и корреляция в эконометрических исследованиях
- •2.1. Спецификация модели
- •2.3. Оценка существенности параметров линейной регрессии и корреляции
- •2.4. Интервалы прогноза по линейному уравнению регрессии
- •IfYi пеосм
- •XStudenmund a.N. Using Econometrics: a Practical Guide. — 2-nd Edition, opyright, 1992 by Harper Collins Publishers Inc. - p. 226.
- •Доля расходов на товары длительного пользования в зависимости от дохода семьи
- •1 См., например: Лизер с. Эконометрические методы и задачи / Пер. С англ. - м.: Статистика, 1971. - с. 94.
- •В данном разделе рассматриваются лишь внутренне линейные модели.
- •Где f(X) — первая производная, характеризующая соотношение приростов результата и фактора для соответствующей формы связи.
- •Коэффициенты эластичности для ряда математических фушкций
- •Зависимость рентабельности продукции у (%) от ее трудоемкости х (ч/ед.)
- •1ДжошштДж. Эконометрические метопы / Пер. С англ. — м.: Статистика, 1980. - с. 60.
- •2.6. Корреляция для нелинейной регрессии
- •Индекс детерминации; число наблюдений; число параметров при переменных х.
- •2.7. Средняя ошибка аппроксимации
- •Расчет средней ошибки аппроксимации
- •TГлава множественная регрессия и корреляция
- •3.1• Спецификация модели
- •Потребление; доход;
- •13.2. Отбор факторов при построении
- •Соответствующих факторов.
- •Приведенная форма модели рассматривается в гл. 4
- •3.3. Выбор формы уравнения регрессии
- •См.: Маленво э. Статистические методы эконометрии. — м.: Статис 1975.-с. 138.
- •- Стоимость основных производственных фондов;
- •.4. Оценка параметров уравнения ножественной регрессии
- •3.5. Частные уравнения регрессии
- •3.6. Множественная корреляция
- •Ryxiпарные коэффициенты корреляции результата с каждым фактором.
- •Товаров по региону; х4 - процент увеличения объема продаж фирмы по сравнению с предыдущим годом. /
- •3.7. Частная корреляция
- •Модель фактора X/.
- •3.8. Оценка надежности результатов множественной регрессии и корреляции
- •Коэффициент множественной детерминации для модели с полным набором факторов;
- •Число степеней свободы
- •Сумма квадратов,
- •Dщая Регрессия
- •Отклонений.
- •1 Р с у при неизменном уровне всех других факторов;
- •Включающего все факторы, кроме фактора х(;
- •Р сии с полным набором факторов.
- •3.9. Фиктивные переменные во множественной регрессии
- •1 Подробнее о разных методах построения уравнения множественной регрессии см.: Дрейпер н., Смит г. Прикладной регрессионный анализ. — с. 172-225.
- •2См., например: Ерина а а//Математико-статистические методы изучения экономической эффективности производства. — м.: Финансы и статистика, 1983.
- •Где параметры и случайная составляющая представлены в логарифмах.
- •— Если предприятие находится в остальных районах;
- •— Если предприятие находится в Дальневосточном районе, о — если предприятие находится в остальных районах.
- •Распространенность ручного труда на предприятиях одной отрасли в зависимости от уровня автоматизации производства
- •— Для остальных предприятий;
- •— Для предприятий со средним уровнем автоматизации
- •3.10. Предпосылки метода наименьших квадратов
- •Рйе.3.2. Зависимость случайных остатков в/ от теоретических значений ух
- •'См. Подробно: Статистическое моделирование и прогнозирование: Учеб. Пособие / Под ред. А. Г. Гранберга. — м.: Финансы и статистика, . 1990.-с. 158.
- •И максимальных значениях х; в — максимальная дисперсия остатков при малых значениях х и дисперсия остатков однородна по мере увеличения значений х
- •Рие. 3.6. Гомоскедастичность остатков
- •Рне. 3.8. Гетероскедастичность: большая дисперсия z{ для больших значений ух
- •Районы города
- •165 За строками цифр. - сПб, 1995. - с. 141-145.
- •3.11. Обобщенный метод наименьших квадратов
- •Гомоскедастичности остатков; к{ — коэффициент пропорциональности, меняющийся с изменением величины фактора, что и обусловливает неоднородность дисперсии.
- •В чем смысл обобщенного метода наименьших квадратов?глава системы эконометрических уравнений
- •4.1. Общее понятие о системах уравнений,
- •4.2. Структурная и приведенная формы модели
- •4.3. Проблема идентификации
- •Где у, и у2 — совместные зависимые переменные.
- •4.4. Оценивание параметров структурной модели
- •Где и]уи2 — случайные ошибки приведенной формы модели.
- •Расчетные данные для второго шага дмнк
- •4.5. Применение систем эконометрических уравнений
- •1 См.: Тинтнер г. Введение в эконометрию. - с. 175-176, 267—269.
- •1 См.: Лизер с. Эконометрические методы и задачи. - с. 115.
- •4.6. Путевой анализ
- •» /Глава моделирование одномерных временных рядов1
- •5.1. Основные элементы временного ряда
- •5.2. Автокорреляция уровней временного ряда и выявление его структуры
- •ILiXj-X)(yj-y)
- •5.3. Моделирование тенденции временного ряда
- •Автокорреляционная функция временного ряда темпов роста номинальной месячной заработной платы за 10 месяцев 1999 г., % к уровню декабря 1998 г.
- •5.4. Моделирование сезонных и циклических колебаний
- •Расчет значений сезонной компоненты в аддитивной модели
- •16* Расчет выравненных значений г и ошибок е в аддитивной модели
- •Прибыль компании, тыс. Долл. Сша
- •Расчет выравненных значений т и ошибок е в мультипликативной модели
- •5.5. Моделирование тенденции временного ряда
- •Глава изучение взаимосвязей по временным рядам
- •6.1. Специфика статистической оценки взаимосвязи двух временных рядов
- •6.2. Методы исключения тенденции
- •Результаты расчета параметров линейных трендов расходов на конечное потребление и совокупного дохода
- •Расчет критерия Дарбина — Уотсона дм модели зависимости потребления от дохода
- •6.4.Оценивание параметров уравнения регрессии при наличии автокорреляции в остатках
- •6.5. Коинтеграция временных рядов
- •7.2. Интерпретация параметров моделей с распределенным лагом
- •7.3. Изучение структуры лага и выбор вида модели с распределенным лагом
- •7.4. Модели адаптивных ожиданий
- •7.5. Оценка параметров моделей авторегрессии
- •7.6. Новые направления в анализе многомерных временных рядов
- •В чем сущность моделей рациональных ожиданий? Какова специфика оценки их параметров?литература
- •.Предметный указатель
- •6Оглавление
- •Isbn 5-279-01955-0
- •Эконометрика
Зависимость рентабельности продукции у (%) от ее трудоемкости х (ч/ед.)
X |
У |
1 J = * |
X У |
JC2 |
А 1х |
А Ух |
А |
Л У-Ух |
1,0 |
32 |
0,0312 |
0,0312 |
1,00 |
0,0285 |
35,1 |
0,0027 |
-3,1 |
1,2 |
28 |
0,0357 |
0,0428 |
1,44 |
0,0341 |
29,3 |
0,0016 |
-1,3 |
1,5 |
22 |
0,0455 |
0,0682 |
2,25 |
0,0424 |
23,6 |
0,0031 |
-1,6 |
* 2,0 |
' 20 |
0,0500 |
0,1000 |
4,00 |
0,0563 |
17,7 |
-0,0063 |
2,3 |
2,5 |
16 |
0,0625 |
0,1563 |
6,25 |
0,0703 |
14,2 |
—0,0078 |
1,8 |
2,7 |
15 |
0,0667 |
0,1800 |
7,29 |
0,0758 |
13,2 |
-0,0091 |
1,8 |
3,0 |
10 |
0,1000 |
0,3000 |
9,00 |
0,0842 |
11,9 |
0,0158 |
-1,9 |
13,9 |
143 |
0,3916 |
0,8785 |
31,23 |
0,3936 |
145,0 |
0,0000 |
-2,0 |
7
7
по МНК система нормальных уравнений примет вид:
У У
Исходя из данных табл. 2.6, имеем:
7д+13,9-А = 0,3916, 13,9-Д+31,23^ = 0,8785.
Решая эту систему уравнений, получим оценки параметров искомой функции: а — 0,0007; b = 0,0278. Соответственно уравнение регрессии составит:
1
Ух =
0,0007+0,0278-jc
Сравним последние две графы табл. 2.6. Получим Т,(у-УхУ* 0> тогДа как для обратных значений эта величина равна
г
нулю. Кроме того, заметим, что положительные отклонения фактических и теоретических обратных значений сменяются на отрицательные значения для аналогичных показателей по исходным данным. Уравнение отражает обратную связь рассматриваемых признаков: чем выше трудоемкость, тем ниже рентабельность. Поскольку данное уравнение линейно относительно
величин —, то если обратные значения — имеют экономический
Для
оценки параметров исследуемой функции
у = '
a+b-дс+s
смысл, коэффициент регрессии b интерпретируется, так же как в линейном уравнении регрессии. Если, например, под у подразумеваются затраты на 1 руб. продукции, а под х — производительность труда (выработка продукции на одного работника), то обратная величина характеризует "затратоотдачу и параметр b имеет экономическое содержание — средний прирост продукции в стоимостном измерении на 1 руб. затрат с ростом производительности труда на единицу своего измерения.
78
мость результативного признака от фактора. Оно целесообразно при очень медленном повышении уровней результативного Признака с ростом значений фактора.
Возможно и одновременное использование логарифмирования, и преобразование в обратные величины: у = еа " ь/х + ** Про-
I
логарифмировав, получим: Iny = а — Ь / х + е. Далее заменим —
Ь х
на z, и тогда для оценки параметров к линейному уравнению
1пу = д — А-г + е может быть применен МНК.
При всех положительных значениях х функция возрастает, при х = Ь/2 кривая имеет точку перегиба — ускоренный рост при х < Ь/2 сменяется на замедленный рост при х > Ь/2. Подобного типа функции используются при анализе статистических данных о бюджетах потребителей, где выдвигается гипотеза о существовании асимптотического уровня расходов, об изменении предельной склонности к потреблению товара, о существовании «порогового уровня дохода»1. В этом случае при х оо у # (рис. 2.5).
Рис.
2.5. Функция насыщения
При использовании линеаризуемых функций, затрагивающих преобразования зависимой переменной у, следует особенно проверять наличие предпосылок МНК (они будут рассмотрены в п. 3, 10), чтобы они не нарушались при преобразовании. При не-