- •Эконометрика
- •Содержание
- •Введение
- •1 Лабораторная работа № 1 Классическая модель линейной регрессии
- •Реализация типовых заданий:
- •1 Рассчитайте параметры линейного уравнения множественной регрессии с полным перечнем факторов по данным о деятельности крупнейших компаний сша в текущем году
- •2 Рассчитайте матрицу парных коэффициентов корреляции и отберите информативные факторы в модели. Укажите коллинеарные факторы
- •3 Постройте модель в естественной форме только с информативными факторами и оцените ее параметры.
- •4 Оцените с помощью f-критерия Фишера-Снедекора значимость уравнения линейной регрессии и показателя тесноты связи
- •5 Оцените статистическую значимость коэффициентов регрессии с помощью t- критерия Стьюдента
- •6 Дайте сравнительную оценку силы связи факторов с результатом с помощью средних (общих) коэффициентов эластичности
- •7 Оцените качество уравнения через среднюю ошибку аппроксимации
- •8 Постройте модель в стандартизованном масштабе и проинтерпретируйте ее параметры
- •9 Рассчитайте прогнозное значение результата, если прогнозное значение факторов составляют 80 % от их максимальных значений
- •10 Рассчитайте ошибки и доверительный интервал прогноза для уровня значимости
- •11 По полученным результатам сделайте экономический вывод
- •2 Лабораторная работа № 2 Регрессионные модели с переменной структурой
- •Реализация типовых заданий:
- •1 Оцените линейную регрессию, включив в модель фиктивную переменную
- •2 Проверти данные на наличие структурного сдвига при помощи теста Чоу
- •3 Лабораторная работа № 3 Нарушения допущений классической модели линейной регрессии
- •Реализация типовых заданий:
- •1 Провести графический анализ остатков
- •Графический анализ остатков
- •Тест Голфелда-Квандта
- •Тест ранговой корреляции Спирмена
- •2 Если будет обнаружена гетероскедастичность остатков, примените для исходных данных омнк, предполагая, что .
- •Критерий Дарбина – Уотсона
- •4 Лабораторная работа № 4 Нелинейная регрессия
- •Реализация типовых заданий
- •Показательная модель регрессии
- •Гиперболическая модель регрессии
- •5 Лабораторная работа 5 Моделирование временных рядов
- •Решение типовых задач:
- •1 На основе графического анализа провести исследование компонентного состава временного ряда
- •2 При обнаружении тенденции во временном ряду оценить параметры линейного и параболического тренда
- •3 Построить прогноз по тренд – сезонной аддитивной или мультипликативной модели
- •Прогнозирование по тренд – сезонной мультипликативной модели
- •4 Построить прогноз по модели регрессии с включением фактора времени и фиктивных переменных
- •6 Лабораторная работа № 6 Системы линейных одновременных уравнений
- •Реализация типовых заданий:
- •1) Построить модель вида, рассчитав соответствующие структурные коэффициенты. Исходные данные представлены в таблице 6.1.
- •2) Оценить параметры модели – I Клейна, используя данные таблицы 6.2.
- •Список использованных источников
- •Приложение а (обязательное) Исходные данные для выполнения лабораторных работ № 1 - 4
- •Приложение б (обязательное) Варианты заданий для выполнения 5 задания лабораторной работы № 5
- •Приложение в (обязательное) Результаты регрессионного анализа по первым разностям
- •Приложение г (обязательное) Результаты регрессионного анализа по отклонениям от тренда
- •Приложение д (обязательное) Результаты регрессионного анализа по модели регрессии с включением фактора времени
- •Приложение е (обязательное) Варианты заданий для выполнения лабораторной работы №6
- •Приложение ж (обязательное) Исходные данные для выполнения лабораторной работы №6
- •Приложение и (обязательное) Статистико-математические таблицы
8 Постройте модель в стандартизованном масштабе и проинтерпретируйте ее параметры
Уравнение
в стандартизованном масштабе имеет
вид:
.
Расчет β – коэффициентов выполним по формулам:
;
.
Парные коэффициенты корреляции берутся из матрицы (рисунок 1.4):
,
.
Получим
уравнение
.
Стандартизованные коэффициенты регрессии показывают, на сколько сигм изменится в среднем результативный признак, если соответствующий фактор изменится на 1 сигму при неизменном среднем уровне других факторов.
В
нашем случае, при увеличении использованного
капитала на 1 сигму чистый доход увеличится
на 0,34 сигм, при условии, что численность
служащих остаются на прежнем уровне.
Аналогично вывод для
.
9 Рассчитайте прогнозное значение результата, если прогнозное значение факторов составляют 80 % от их максимальных значений
Рассчитаем ожидаемое прогнозное значение чистого дохода как точечный прогноз путем подстановки в уравнение регрессии прогнозные значения факторов:
найдем максимальное значение для фактора (рисунок 1.7):
;найдем максимальное значение для фактора (рисунок 1.7):
;найдем прогнозные значения факторов:
для
фактора
:
;
для
фактора
:
;
подставим прогнозные значения факторов в уравнение
.
В результате получим:
.
Таким образом, при прогнозных значениях использованного капитала 22 млдр. долл. и численности служащих 229,2 тыс. чел. чистый доход крупнейших компаний США составит 7,47 млрд. долл.
10 Рассчитайте ошибки и доверительный интервал прогноза для уровня значимости
Доверительный интервал прогноза имеет следующий вид:
,
где
- средняя ошибка прогнозируемого значения
;
-
вектор-столбец прогнозных значений
факторов;
-
стандартная ошибка
.
составим вектор-столбец
;найдем транспонируемый вектор-столбец
;из рисунка 1.4
;найдем стандартную ошибку
;составим матрицу X - 25 наблюдаемых значений независимых переменных и , размер которой 25
3
(добавлен единичный столбец для
определения a0);найдем произведение
;
найдем
;
найдем выражение
;вычислим среднюю ошибку прогнозируемого значения
;
по таблицам распределения Стьюдента находим табличное значение
при уровне значимости 0,05 и числе
степеней свободы 22
;составляем доверительный интервал:
.
Значит, с вероятность 95 % можно сказать, что чистый доход будет колебаться от 6,33 до 8,61 млрд. долл. при использованном капитале в 22 млрд. долл. и численности служащих 229,2 тыс. чел.
11 По полученным результатам сделайте экономический вывод
Делается общий вывод по проделанной работе.
2 Лабораторная работа № 2 Регрессионные модели с переменной структурой
Цель изучения темы: научиться использовать в качестве экзогенных переменных качественные признаки и применять тест Г. Чоу для обнаружения наличия структурного сдвига.
Контрольные вопросы:
Что представляет собой фиктивная переменная?
При каких условиях строится уравнение множественной регрессии с фиктивными переменными.
Как интерпретируются коэффициенты модели, построенной только на фиктивных переменных.
В чем суть теста Чоу?
Что такое тобит-модель, какова область ее использования?
Каким методом могут быть найдены параметры тобит-модели?
Задания:
По данным лабораторной работы № 1:
1) оцените линейную регрессию, включив в модель фиктивную переменную
;
2) проверти данные на наличие структурного сдвига при помощи теста Чоу.
