- •Эконометрика
- •Содержание
- •1. Введение в эконометрическое моделирование
- •1.1. Эконометрическая модель и экспериментальные данные
- •1.2. Этапы эконометрического моделирования
- •2. Регрессионная модель. Общие положения
- •3. Парная линейная регрессия
- •3.1. Вид уравнения и предпосылки для регрессионного анализа
- •3.2.Отыскание оценок параметров парной регрессии
- •3.3. Оценка значимости уравнения и его параметров
- •3.4. Интервалы прогноза по линейному уравнению регрессии.
- •4. Множественная линейная регрессия
- •4.1. Матричная форма регрессионной модели
- •4.2. Отбор факторов для моделей множественной регрессии
- •4.3. Влияние на качество модели множественной регрессии избыточных переменных и отсутствия существенных переменных Пусть истинная модель представляется в виде:
- •4.4. Оценка параметров модели множественной регрессии
- •4.5. Оценка надёжности результатов множественной регрессии.
- •5. Нелинейная парная регрессия
- •5.1. Функции и их характеристики
- •5.2 Корреляция при нелинейной регрессии
- •6. Модели ancova (модели ковариационного анализа). Фиктивные переменные.
- •7. Оценка точности регрессионных моделей.
- •8. Гетероскедастичность остатков.
- •8.1. Сущность и причины гетероскедастичности
- •8.2. Выявление гетероскедастичности
- •8.3. Устранение гетероскедастичности
- •9. Автокорреляция в остатках
- •9.1 Сущность и причины автокорреляции в остатках
- •9.2. Обнаружение автокорреляции в остатках
- •9.3. Методы устранения автокорреляции
- •10. Системы одновременных уравнений
- •10.1. Виды переменных и уравнений соу
- •10.2. Проблемы идентификации
- •Для первого уравнения матрица a запишется:
- •10.3. Оценивание параметров структурной модели
- •11. Динамические эконометрические модели
- •11.1. Интерпретация параметров модели с распределенным лагом
- •11.2. Интерпретация параметров модели авторегрессии
- •11.3. Соображения о выборе лаговых структур в модели с распределенным лагом
- •11.4. Полиномиальные лаговые структуры Алмон
- •11.5. Геометрические структуры Койка
- •11.6. Оценка параметров авторегрессионных моделей первого порядка (ar(1)–моделей)
- •11.7. Модель адаптивных ожиданий
- •12. Сглаживание временных рядов
- •12.1. Метод скользящей средней
- •12.2. Регрессионная модель и метод конечных разностей
- •12.3. Стационарные и нестационарные временные ряды
- •12.4. Преобразования arma и arima
- •13. Моделирование временного ряда при наличии структурных изменений
- •14. Статистико-математические таблицы
- •2. Критические значения t-критерия Стьюдента при уровне
- •3. Критические значения корреляции для уровней значимости
- •4. Значения статистик Дарбина – Уотсона dL dU при
- •5. Критические значения количества рядов (таблица Сведа-Эйзенхарта
- •Эконометрика Учебное пособие Безруков Анатолий Владимирович
- •Редактор
- •454021 Челябинск, ул. Братьев Кашириных, 129
- •454021 Челябинск, ул. Молодогвардейцев, 57б
1. Введение в эконометрическое моделирование
Эконометрика - это наука, которая даёт количественное выражение взаимосвязей экономических или иных явлений и процессов, раскрытых экономической или иной теорией.
Пусть требуется определить величину, формирующуюся под воздействием нескольких независимых факторов. Такую величину называют объясняемой переменной (функцией) или результативным признаком, а факторы – объясняющими переменными (аргументами).
Общей чертой для всех эконометрических моделей является разбиение зависимой переменной на две составляющие: объясненную и случайную.
или
– это модели с аддитивным и мультипликативным
остатком, соответственно. Пусть имеется
p
объясняющих переменных X1,
X2,…,
Xp
и зависимая переменная Y.
Переменная Y
– случайная величина, имеющая при
заданных значениях факторов из вектора
x
некоторое статистическое распределение
f
x1,
x2,…,
xp
(y);
чаще всего это распределение нормально,
но иногда это предположение бывает
неправомерно.
Объясняющие переменные можно считать как случайными, так и детерминированными. Классические модели предполагают, что они детерминированы. Опыт показывает, что результаты такого подхода мало отличаются от случаев, если Xj считать случайными. Наиболее естественным выбором объясняемой части результативного признака Y является его условное математическое ожидание.
Mx1, x2, x3,…, xp(Y).
Статистические
данные для построения модели представляются
табл. 1.1 наблюдений, которая приводится
ниже для p
переменных
и n
наблюдений. В этой же таблице после
соответствующих вычислений приводят
теоретические (модельные) значения
объясняемой переменной
в
каждом наблюдении и остатки ε
– также для
каждого наблюдения.
таблица 1.1
|
|
|
… |
|
|
|
|
|
|
|
… |
|
|
|
|
… |
… |
… |
… |
… |
… |
… |
… |
|
|
|
… |
|
|
|
|
− уравнение
регрессионной модели с аддитивным
остатком (такие модели наиболее
употребительны).
Эконометрическая модель не всегда является регрессионной, то есть объясненная часть не всегда является условным математическим ожиданием. Это может произойти тогда, когда объясненная составляющая содержит систематическую ошибку.
Рассмотрим
равенство
и возьмём при каждом заданном значении
вектора x
математическое
ожидание от обеих частей:
то
есть математическое ожидание от остатка
равно нулю.
Таким образом, видно, что остатки имеют нулевое среднее в каждом наблюдении и не коррелируют с объясняющими переменными. Последнее обстоятельство − это наиболее существенное условие состоятельности результатов анализа эконометрической модели.
