
- •Передмова
- •Конспект лекцій вступ до економетрії
- •Основні етапи економетричного аналізу
- •Економічні задачі, які розв’язують за допомогою економетричних методів
- •Математична модель
- •Рівняння лінійної регресії. Метод найменших квадратів
- •Використання нелінійних функцій у економетрії
- •Квадратична вирівнювальна функція
- •Лінеаризація
- •Тема 1. Однофакторна економетрична модель
- •1.1. Основні положення
- •1.2. Побудова та аналіз однофакторної економетричної моделі
- •Тema 2. Побудова загальної лінійної економетричної моделі
- •2.1. Основні положення
- •2.2. Загальна економетрична модель: побудова й аналіз
- •Економічні характеристики моделі
- •Тема 3. Дослідження загальної лінійної економетричної моделі
- •3.1. Багатофакторні економетричні моделі та їх специфікація
- •3.2. Метод найменших квадратів
- •3.3. Верифікація моделі
- •3.4. Прогнозування за лінійною моделлю
- •3.5. Методи побудови багатофакторної регресійної моделі
- •3.6. Етапи дослідження загальної лінійної моделі множинної регресії
- •Приклад параметризації та дослідження багатофакторної регресійної моделі
- •Контрольні запитання
- •Тема 4. Мультиколінеарність
- •4.1. Поняття про мультиколінеарність та її вплив на оцінку параметрів моделі
- •4.2. Тестування наявності мультиколінеарності
- •4.3. Алгоритм Фаррара–Глобера
- •4.4. Приклад дослідження наявності мультиколінеарності на основі алгоритму Фаррара–Глобера
- •4.5. Засоби усунення мультиколінеарності. Метод головних компонентів
- •Контрольні запитання
- •Тема 5. Гетероскедастичність
- •5.1. Виявлення гетероскедастичності та її природа
- •5.2. Тестування наявності гетероскедастичності
- •5.2.1. Параметричний тест Гольдфельда–Квандта
- •5.2.2. Непараметричний тест Гольдфельда–Квандта
- •5.2.3. Тест Глейсера
- •Дані до задачі
- •Дані до задачі
- •Перша сукупність спостережень:
- •Друга сукупність спостережень:
- •5.3. Усунення гетероскедастичності
- •5.4. Узагальнений метод найменших квадратів
- •Контрольні запитання
- •Тема 6. Автокореляція
- •6.1. Природа автокореляції та її наслідки
- •6.2. Тестування наявності автокореляції
- •6.2.1. Критерій Дарбіна – Уотсона
- •6.2.2. Критерій фон Неймана
- •6.2.3. Коефіцієнти автокореляції та їх застосування
- •6.3. Параметризація моделі з автокорельованими залишками
- •6.4. Приклад
- •Контрольні запитання
- •Тема 7. Моделі розподіленого лага
- •7.1. Поняття лага та лагових моделей в економіці
- •7.2. Оцінювання параметрів дистрибутивно-лагових моделей
- •7.3. Оцінювання параметрів авторегресійних моделей
- •Контрольні запитання
- •Тема 8. Системи одночасних рівнянь
- •8.1. Поняття про системи одночасних рівнянь
- •8.2. Приклади систем одночасних рівнянь
- •1. Модель «попит — пропозиція»
- •2. Модель рівноваги на ринку товарів (модель is)
- •3. Модель рівноваги на ринку грошей (модель lм)
- •8.3. Структурна та зведена (прогнозна) форми системи рівнянь
- •1. Структурна форма економетричної моделі.
- •2. Повна економетрична модель
- •3. Зведена форма економетричної моделі
- •8.4. Поняття ідентифікації (ототожнення) системи рівнянь
- •Необхідні й достатні умови ідентифікованості
- •Необхідна і достатня умова ідентифікованості
- •8.5. Методи оцінювання параметрів систем рівнянь
- •Контрольні запитання
- •Комплект лабораторних робіт
- •Лабораторна робота (вступна)
- •Тема: Вивчення можливостей Майстра функцій ms excel
- •Мета: набути навички використання Майстра функцій ms excel при розв’язуванні економетричних задач
- •Завдання для самостійного виконання
- •Лабораторна робота 1 Тема: Побудова однофакторної економетричної моделі Мета: набути навички побудови однофакторної економетричної моделі та її дослідження засобами ms excel
- •Завдання для самостійної роботи
- •Завдання для самостійної роботи
- •Лабораторна робота 2 Тема: побудова загальної лінійної економетричної моделі Мета: набути навички побудови загальної лінійної економетричної моделі та її дослідження засобами ms excel
- •Завдання для самостійної роботи
- •Завдання для самостійної роботи
- •Лабораторна робота 4 Тема: дослідження наявності мультиколінеарності за алгоритмом Фаррара–Глобера Мета: набути навички дослідження наявності мультиколінеарності засобами ms excel
- •Завдання для самостійної роботи
- •Завдання для самостійної роботи
- •Завдання для самостійної роботи
- •Лабораторна робота 7 Тема: дослідження лагових моделей Мета: набути навички дослідження лагових моделей засобами ms excel
- •Завдання для самостійної роботи
- •Дані до задачі
- •Рекомендована література
- •Додатки
6.2. Тестування наявності автокореляції
Тестування
наявності автокореляції, як правило,
здійснюється за
-тестом
Дарбіна – Уотсона, хоча існують й інші
не менш відомі тести: критерій фон
Неймана, нециклічний коефіцієнт
автокореляції, циклічний коефіцієнт
автокореляції.
6.2.1. Критерій Дарбіна – Уотсона
(складається з кількох етапів і включає зони невизначеності)
Крок 1. Розраховується значення -статистики за формулою
. (6.4)
Зауваження.
Доведено, що значення
-статистики
Дарбіна – Уотсона перебуває в межах
.
Крок
2.
Задаємо рівень значущості
.
За таблицею значення
-статистики
Дарбіна –Уотсона при заданому рівні
значущості
,
кількості факторів
і
кількості спостережень
знаходимо
два значення
і
:
Якщо
то
наявна додатна автокореляція.
Якщо
або
,
ми
не можемо зробити висновки ані про
наявність, ані про відсутність
автокореляції (
потрапляє
в зону невизначеності).
Якщо
маємо від'ємну автокореляцію.
Якщо
то автокореляція відсутня.
Графічне зображення розподілу ілюструє рис. 6.1.
Рисунок 6.1 – Зони авто кореляційного зв’язку за критерієм Дарбіна –Уотсона
6.2.2. Критерій фон Неймана
За цим критерієм розраховується
Звідси
.
Отже, при
Фактичне
значення критерію фон Неймана порівнюється
з табличним при вибраному рівні
значущості
і заданій кількості спостережень
:
.
Якщо
,
то автокореляція існує, у іншому випадку
автокореляція відсутня.
6.2.3. Коефіцієнти автокореляції та їх застосування
Окрім
статистик Дарбіна – Уотсона та Неймана,
для перевірки автокореляції
застосовують також нециклічний
коефіцієнт автокореляції
,
який відображає ступінь взаємозв’язку
рядів
і обчислюється формулою
Коефіцієнт
може набувати значень в інтервалі
.
Його від'ємні значення свідчать про
від'ємну автокореляцію залишків, а
додатні – про додатну автокореляцію.
Значення, що лежать в деякій критичній
області поблизу нуля, підтверджують
нульову гіпотезу про відсутність
автокореляції в залишках. Оскільки
імовірнісний розподіл
встановити важко, то на практиці замість
обчислюють циклічний
коефіцієнт
автокореляції
.
Загалом,
якщо часовий ряд має циклічний характер,
тобто припускається, що після значення
загальний
характер зміни членів ряду повторюється,
то автокореляцію визначають за
допомогою коефіцієнта
,
запровадженого Андерсоном.
При
цьому автокореляція визначається між
послідовностями, зсунутими на період
:
і
і
Якщо
період
,
то маємо коефіцієнт циклічної автокореляції
першого порядку, який відбиває
інтенсивність взаємозв'язку між
послідовностями
і
Для досить довгих рядів вплив циклічних членів стає незначним, тому імовірнісний розподіл коефіцієнта наближається до імовірнісного розподілу коефіцієнта циклічної автокореляції , який обчислюється за формулою
Якщо
останній член ряду дорівнює першому,
тобто
,
то нециклічний коефіцієнт автокореляції
дорівнює циклічному. Очевидно, якщо
залишки не містять тренда, то припущення
про рівність
недалеке
від дійсності й циклічний коефіцієнт
автокореляції близький до нециклічного.
Крім того, припускаючи, що середня
залишків дорівнює нулю, тобто
,
а отже,
,
отримуємо приблизну формулу для обчислення циклічного коефіцієнта автокореляції:
При
цьому
Значення
використовується при оцінюванні
параметрів моделі.