Министерство образования российской федерации

Государственное образовательное учреждение

«Оренбургский Государственный Университет»

Факультет экономики и управления

Кафедра математических методов и моделей в экономике

ОТЧЕТ

по лабораторной работе №2

по курсу “Эконометрическое моделирование”

«Регрессионные модели с распределенными лагами»

ОГУ 080116.6006.04 ООО

Руководитель

___________Реннер А.Г.

________Стебунова О.И.

“___”____________2013

Исполнитель

Студентка гр. 10ММЭ __________Ушатова С.Т.

“__”_____________2013

Оренбург 2013

Содержание

1 Постановка задачи 3

2 Модели регрессии с распределенными лагами 4

2.1 Полиномиальная параметризация Ширли Алмон 4

Приложение А (Исходные данные) 10

Приложение Б (Преобразованные данные) 11

Приложение В (Оценивание моделей и проверка гипотез) 13

1 Постановка задачи

По данным о производительности труда (выпуск продукции в среднем за 1 час, % к уровню 1982 года) по экономике США (X) и среднечасовой заработной плате в экономике США (Y), в сопоставимых ценах 1982г., долл., в 1960-1990 гг. оценить параметры модели с распределенными лагами при величине лага 3 и 4 в предположении полиномиальной структуры лага (m=2). Проанализировать полученные результаты и сделать выводы.

2 Модели регрессии с распределенными лагами

При формулировке экономических связей часто приходится прибегать к включению в правую часть регрессионных уравнений лаговых значений объясняющих переменных. Например, рассматривая зависимость между оборотом розничной торговли (результативная переменная) и среднедушевым доходом потребителей (объясняющая переменная) можно предположить, что торговый оборот зависит как от текущего дохода, так и от доходов, полученных ранее, т.е. некоторое количество временных периодов назад (возможно, несколько месяцев назад).

Пусть исходная информация задается двумя показателями Х и Y, измеренными во времени.

Будем искать интересующую нас зависимость в форме:

(1)

Требования, предъявляемые к модели:

,

_,

Записав модель (1) для получим, что неизвестны Т+3 параметра.

Если для оценки параметров модели применять обычные методы, то возникнут следующие проблемы:

- коррелированность регрессоров между собой может привести к жесткой мультиколлинеарности;

- с ростом параметра Т проблема мультиколлинеарности растет, а надежность выводов падает;

- модель невозможно построить при T=N.

Выход из сложившейся ситуации состоит в экономичной параметризации модели.