
- •Специальность менеджмент
- •Тема 1. Спецификация эконометрической модели.
- •Определение эконометрики
- •Пример решения эконометрической задачи
- •Спецификация эконометрической модели
- •Тема 2. Отбор факторов, включаемых в модель множественной регрессии.
- •2.2. Мультиколлинеарность
- •2.3. Методы включения факторов в модель
- •2. Отрицательное значение r(X,y) означает, что при увеличении х наблюдается тенденция уменьшения у,
- •4. Если коэффициент корреляции равен 0, то это означает, что между х и у нет линейной зависимости, но может быть нелинейная зависимость.
- •5. Корреляционным полем называется график совместного распределения х и у.
- •2.4. Метод шагового включения
- •3.1. Определение фиктивной переменной
- •3.2. Определение модели с переменной структурой
- •Тема 3. Фиктивные переменные.
- •3.3. Область использования фиктивной переменной
- •3.4.Пример использования фиктивной переменной
- •Тема 3. Фиктивные переменные.
- •3.4. Пример использования фиктивной переменной
- •Тема 4.Линейное уравнение множественной регрессии .
- •4.1. Общий вид уравнения множественной регрессии
- •4.3. Экономическая интерпретация коэффициентов линейного уравнения
- •4.4. Примеры экономической интерпретации коэффициентов линейного уравнения
- •Тема 5. Оценка параметров линейных уравнений регрессии
- •Тема 6. Предпосылки мнк, методы их проверки
- •6.1. Предпосылки мнк
- •6.2. Проверка первой, второй предпосылок мнк
- •6.3. Проверка третьей, четвертой предпосылок мнк
- •6.4. Проверка пятой предпосылки мнк
- •Тема 7. Свойства оценок параметров эконометрической модели, получаемых при помощи мнк
- •Тема 8. Обобщенный метод наименьших квадратов (омнк)
- •8.2. Анализ третьей и четвертой предпосылок мнк
- •8.3. Использование омнк при гетероскедастичных остатках
- •8.4. Использование омнк при наличии автокорреляции остатков
- •Тема 9. Оценка тесноты связи
- •9.4.2. Ложная корреляция временных рядов
- •Тема 9. Оценка тесноты связи
- •9.2. Свойства коэффициента корреляции
- •2. Отрицательное значение r(X,y) означает, что при увеличении X наблюдается тенденция уменьшения y,
- •4. Если коэффициент корреляции равен 0, то это означает, что между х и у нет линейной зависимости, но может быть нелинейная зависимость.
- •5. Корреляционным полем называется график совместного распределения х и у.
- •9.3. Предпосылки коэффициента корреляции
- •9.4. Виды ложной корреляции
- •9.5. Проверка статистической значимости коэффициента корреляции
- •Тема 10. Оценка качества подбора уравнения
- •10.1. Перечень показателей качества модели
- •10.2. Ошибка модели, выраженная в процентах, вычисляется по формуле:
- •10.3. Дисперсионный анализ регрессионной модели
- •Тема 11. Проверка статистической значимости эконометрической модели
- •Тема 12. Оценка значимости параметров эконометрической модели
- •12.1. Проверка статистической значимости параметров эконометрической модели
- •Шаг 3. Вычисляются фактические значения критерия Стьюдента
- •12.2. Прогнозирование
- •12.3. Доверительный интервал функции регрессии.
- •Тема 13. Нелинейные зависимости в экономике
- •Тема 14. Виды нелинейных уравнений регрессии
- •14.1Ограничения применения мнк
- •14.2Линейная относительно коэффициентов, переменных аддитивная модель
- •14.3Классификация нелинейных моделей
- •14.4Нелинейные модели, которые являются внутренне линейными
- •Тема 15. Линеаризация нелинейных моделей регрессии
- •15.4. Метод обращения и разложения в ряд Тейлора
- •Тема 16. Оценка качества нелинейных уравнений регрессии
- •Тема 17. Временные ряды данных: характеристики и общие понятия Определение временного ряда
- •Основные свойства экономического временного ряда
- •1). Текущее состояние экономической системы зависит от прошлых, настоящих и будущих значений переменных этой системы, влияет на будущие значения и не влияет на прошлые значения см. Рис.
- •Статистические характеристики временного ряда
- •Периодограмма
- •Тема 18. Структура временного ряда Структура временного ряда
- •Сезонная составляющая
- •Циклическая составляющая
- •Тема 19. Аддитивная и мультипликативная модели временных рядов Два вида моделей временных рядов
- •Правила выбора моделей временных рядов
- •Этапы построения модели временного ряда
- •Примеры построения моделей временных рядов
- •Тема 20. Модели стационарных и нестационарных временных рядов и их идентификация
- •20.1.Определение строго стационарных временных рядов
- •20.2.Проверка стационарности временных рядов
- •20.3.Модели стационарных временных рядов
- •1) Модели авторегрессии;
- •2) Модели скользящего среднего;
- •3) Модели авторегрессии и скользящего среднего.
- •2) |Φ|‹1 – условие, обеспечивающее обратимость смешанной модели.
- •20.4. Модели нестационарных временных рядов
- •Если линейная модель
- •Эконометристами были предложены несколько методов определения
- •- Вычисляются остатки модели
- •Тема 21. Общие понятия о системах уравнений, используемых в эконометрике Определение эндогенных переменных.
- •Тема 22. Классификация систем уравнений
- •Тема 23. Идентификация систем эконометрических уравнений
- •Тема 24. Методы оценки параметров систем одновременных уравнений: косвенный метод наименьших квадратов (кмнк) и двухшаговый метод наименьших квадратов (дмнк)
- •1) На основе структурной формы системы одновременных уравнений составляется её приведённая форма, все параметры которой выражены через структурные коэффициенты;
- •2) Приведённые коэффициенты каждого уравнения оцениваются обычным методом наименьших квадратов с помощью функции линейн;
- •3) На основе оценок приведённых коэффициентов системы одновременных уравнений определяются оценки структурных коэффициентов через приведённые уравнения.
- •Двухшаговый метод наименьших квадратов Расчет коэффициентов модели
- •На первом шаге устраняется зависимость у2t от еt с помощью уравнения приведенной системы одновременных уравнений
Основные свойства экономического временного ряда
Приводим основные свойства экономического временного ряда:
1). Текущее состояние экономической системы зависит от прошлых, настоящих и будущих значений переменных этой системы, влияет на будущие значения и не влияет на прошлые значения см. Рис.
Yt+n
Yt
Yt-n
Информация к размышлению. Взаимодействие Уt и Уt+m может носить положительную или отрицательную обратную связь, которая может приводить соответственно к возрастанию или ослаблению колебаний. При этом могут возникнуть стоящие волны, которые можно с успехом разложить в ряд Фурье, так как взаимодействие Уt и Уt+m представляет замкнутую систему с граничными временными интервалами t и t+m, в которых могут быть стоячие волны, по аналогии со струной. Это пожалуй единственный случай, где можно эффективно использовать ряд Фурье по отношению к временным рядам.
2). Для всех явлений в природе между причиной и следствием существует временной лаг или временная задержка.
3). Все временные экономические процессы происходят циклически, которые могут содержать периодические волны: короткие и длинные.
4). «Свежие» значения временного ряда оказывают большее влияние на его прогнозное значение, чем «старые» значения.
5). При построении доверительных интервалов прогноза и уравнения регрессии следует считать боле точным не среднее значение временного ряда, а его последнее значение.
6) В численных значениях временного ряда не должно быть пропусков. Если имеется пропуск, то он восстанавливается средним значением, обычно из ближайших к нему чисел.
7) В некоторой литературе к свойствам временного ряда относят три составляющих временного ряда: тренд, циклическую составляющую и случайное возмущение, которые более подробно изучаются в теме 18.
Статистические характеристики временного ряда
Временные ряды могут иметь следующие статистические характеристики:
1) среднее арифметическое значение;
2) дисперсия,
3) автокорреляция,
4) автокорреляционная функция,
5) периодограмма.
Среднее арифметическое значение временного ряда Уt вычисляется по следующей формуле:
Дисперсия временного ряда вычисляется по формуле
S2= Σ(Уt-Ус)2/(n-1)
Автокорреляция k - ого порядка временного ряда Уt – коэффициент корреляции r(Уt,Уt+k), рассчитанный между исходным временным рядом Уt и этим же временным рядом, только сдвинутым вперед на k дат Уt+k.
Автокорреляция показывает степень влияния предыдущих значений временного на их последующие значения с временным сдвигом, равным k датам.
Автокорреляционная функция – зависимость коэффициентов автокорреляции от величины их порядка k.
Автокорреляция может изменяться от – 1 до + 1.
Если временный ряд содержит периодическую сезонную составляющую с периодом 4 месяца, то автокорреляционная функция будет иметь наибольшее положительное значение при к = 4, наименьшее отрицательное значение при к = 4/2= 2.
Периодограмма
В эконометрической литературе встречается несколько видов периодограмм. Предлагаем наиболее простой вид периодограмм, основанный на свойстве резонанса.
Периодограмма временного ряда является графиком зависимости ошибки модели Е от периода периодической составляющей Т, чем ближе значение периода Т к периоду периодической составляющей, тем меньше ошибка модели Е.
Модель временного ряда с периодической составляющей имеет следующий вид:
Уt = а0 + а1*t + а2*Соs(2t/T) + а3*Sin(2t/T) + еt
где t- время,
Т – период колебания, изменяющийся от 2 до 2n, которые задает исследователь;
a0, a1, a2, a3 – коэффициенты уравнения регрессии, определяемые МНК.
а0 + а1*t – линейная функция, превращающая нестационарный ряд в стационарный.
Ошибка модели Е определяется с помощью функции ЛИНЕЙН.
Минимумы значений ошибки модели указывают на наличие во временном ряду периодических составляющих с заданными периодами.
Обнаруженные периоды характеризуют периодические составляющие временного ряда.
Основной период имеет наименьшую ошибку модели, а кратные периоды или ложные периоды имеют увеличенную ошибку модели.
Например, квартальная периодическая составляющая 3 мес. порождает эхо на периодах: 32=6 месяцев или полугодовой период, 33 =9 месяцев, 34 =12 месяцев или годовой период и т. д.