- •Лекции по эконометрике Учебное пособие Введение
- •1. Предмет и методы эконометрики
- •1.1. Предмет и методы эконометрики
- •1.2. Характеристика взаимосвязей
- •1.3. Основные этапы построения эконометрической модели
- •1.4. Методы отбора факторов
- •1.4.1. Эконометрические переменные
- •1.4.2. Методика отбора факторов для включения в модель
- •1.5. Выбор вида эконометрической модели
- •1.6. Оценка параметров моделей
- •1.7. Примеры эконометрических моделей
- •Контрольные вопросы
- •2. Парный регрессионный анализ
- •2.1. Понятие парной регрессии
- •2.2. Построение уравнения регрессии
- •2.2.1. Постановка задачи
- •2.2.2. Спецификация модели
- •2.3. Оценка параметров линейной парной регрессии
- •2.4. Оценка параметров нелинейных моделей
- •2.5. Качество оценок мнк линейной регрессии. Теорема Гаусса-Маркова
- •2.6. Проверка качества уравнения регрессии. F-критерий Фишера
- •2.7. Коэффициенты корреляции. Оценка тесноты связи
- •2.8. Точность коэффициентов регрессии. Проверка значимости
- •2.9. Точечный и интервальный прогноз по уравнению линейной регрессии
- •2.10. Коэффициент эластичности
- •Контрольные вопросы
- •3. Множественный регрессионный анализ
- •3.1. Понятие множественной регрессии
- •3.2. Отбор факторов при построении множественной регрессии
- •3.2.1. Требования к факторам
- •3.2.2. Мультиколлинеарность
- •3.3. Выбор формы уравнения регрессии
- •3.4. Оценка параметров уравнения линейной множественной регрессии
- •3.5. Качество оценок мнк линейной множественной регрессии. Теорема Гаусса-Маркова
- •3.6. Проверка качества уравнения регрессии. F-критерий Фишера
- •3.7. Точность коэффициентов регрессии. Доверительные интервалы
- •3.8. Частные уравнения регрессии. Частная корреляция
- •3.9. Обобщенный метод наименьших квадратов. Гетероскедастичность
- •3.9.1. Обобщенный метод наименьших квадратов
- •3.9.2. Обобщенный метод наименьших квадратов в случае гетероскедастичности остатков
- •3.10. Проверка остатков регрессии на гетероскедастичность
- •3.11. Построение регрессионных моделей при наличии автокорреляции остатков
- •3.12. Регрессионные модели с переменной структурой. Фиктивные переменные
- •3.12.1. Фиктивные переменные
- •3.12.2. Тест Чоу
- •3.11. Проблемы построения регрессионных моделей
- •Контрольные вопросы
- •4. Системы эконометрических уравнений
- •4.1. Структурная и приведенная формы модели
- •4.2. Оценка параметров структурной формы модели
- •4.3. Косвенный метод наименьших квадратов
- •4.4. Двухшаговый метод наименьших квадратов
- •4.5. Трехшаговый метод наименьших квадратов
- •Контрольные вопросы
- •5. Моделирование одномерных временных рядов и прогнозирование
- •5.1. Составляющие временного ряда
- •5.2. Автокорреляция уровней временного ряда
- •5.3. Моделирование тенденции временного ряда
- •5.3.1. Методы определения наличия тенденции
- •5.3.2. Сглаживание временного ряда по методу скользящей средней
- •5.3.3. Метод аналитического выравнивания
- •5.3.4. Выбор вида тенденции
- •5.3.5. Оценка адекватности и точности модели тенденции
- •5.4. Моделирование периодических колебаний
- •5.4.1. Выделение периодической компоненты по методу скользящей средней
- •5.4.2. Моделирование сезонных колебаний с помощью фиктивных переменных
- •5.4.3 Моделирование сезонных колебаний с помощью гармонического анализа
- •5.5. Прогнозирование уровней временного ряда на основе кривых роста.
- •5.5.1. Метод аналитического выравнивания
- •5.6. Адаптивные модели прогнозирования
- •5.6.1. Понятие адаптивных методов прогнозирования
- •5.6.2. Экспоненциальное сглаживание
- •5.6.3. Использование экспоненциальной средней для краткосрочного прогнозирования
- •5.6.4. Адаптивные полиномиальные модели
- •5.7. Исследование взаимосвязи двух временных рядов
- •5.8. Коинтеграция временных рядов
- •Контрольные вопросы
- •6. Линейные модели стохастических процессов
- •6.1. Стационарные стохастические процессы
- •6.1.1. Основные понятия
- •6.1.2. Параметрические тесты стационарности
- •6.1.3. Непараметрические тесты стационарности
- •6.2. Линейные модели стационарных временных рядов. Процессы arma
- •6.2.1. Модели авторегрессии (ar)
- •6.2.2. Модели скользящего среднего (ma)
- •6.2.3. Модели авторегрессии-скользящего среднего (arma)
- •6.3. Автокорреляционные функции
- •6.3.1. Автокорреляционная функция
- •6.3.2. Частная автокорреляционная функция
- •6.4. Прогнозирование arma-процессов
- •6.4.3. Arma-процессы
- •6.5. Нестационарные интегрируемые процессы
- •6.5.1. Нестационарные стохастические процессы. Нестационарные временные ряды
- •6.5.2. Тесты Дики-Фуллера
- •6.5.3. Модификации теста Дики-Фуллера для случая автокорреляции
- •6.5.4. Метод разностей и интегрируемость
- •6.6. Модели arima
- •6.6.1. Определение и идентификация модели
- •6.6.2. Прогнозирование arima-процессов
- •Контрольные вопросы
- •7. Динамические эконометрические модели
- •7.1. Общая характеристика динамических моделей
- •7.2. Модели с распределенным лагом
- •7.2.1. Оценка параметров модели с распределенным лагом методом Койка
- •7.2.2. Оценка параметров модели с распределенным лагом методом Алмон.
- •7.2.3. Интерпретация параметров
- •7.3. Модели авторегрессии
- •7.3.1. Интерпретация параметров
- •7.3.2. Оценка параметров моделей авторегрессии
- •7.4. Модель частичной корректировки
- •7.5. Модель адаптивных ожиданий
- •Контрольные вопросы
- •8. Информационные технологии эконометрических исследований
- •8.1. Электронные таблицы Excel
- •8.2. Статистический пакет общего назначения statistica
- •8.3. Эконометрические программные пакеты. Matrixer 5.1
- •8.4. Анализ временных рядов в системе эвриста
- •Контрольные вопросы
- •Глоссарий
1.3. Основные этапы построения эконометрической модели
Построение эконометрической модели, являющейся основой эконометрического исследования, основывается на предположении о наличии реально существующей зависимости между признаками. От того, насколько хорошо полученная модель описывает изучаемые закономерности между экономическими процессами, зависит степень достоверности результатов анализа и их применимости.
Построение эконометрической модели начинается со спецификации модели, заключающейся в получении ответа на два вопроса: 1) какие экономические показатели (признаки) должны быть включены в модель; 2) какой вид имеет аналитическая зависимость между отобранными признаками.
В обобщенной форме эконометрическая модель, описывающая взаимосвязи между явлениями или закономерности их развития, представляется с помощью соотношения:
y = f(α, x) + ε, (1.5)
где f(α, x) – функционал, выражающий вид и структуру взаимосвязей. Здесь величина y выражает уровень исследуемого явления и называется зависимой (объясняемой) переменной или результативным признаком; величина x = (x1, x2,…, xp) представляет собой вектор значений независимых (объясняющих) переменных xi или факторных признаков (факторов); через α = (α0, α1, α2,…, αs) обозначен вектор некоторых произвольных констант, называемых параметрами модели; ε – ошибка модели.
Ошибка модели ε характеризует отличие наблюдаемого (фактического) значения переменной у от вычисленных согласно соотношению (1.5) в конкретных условиях (при определенных значениях переменных факторов xi) и рассматривается как случайная величина.
Заметим, что каждый вид функционала f(α, x) в (1.5) определяет не одну модель, а целый класс моделей. Для получения конкретной модели, соответствующей исследуемой ситуации, необходимо придать параметрам α = (α0, α1, α2,…, αs) конкретные численные значения.
Следующим этапом построения модели является расчет численных значений параметров α0, α1, α2,…, αs, окончательно определяющих искомую модель. Для этого используется предварительно накопленный массив наблюдений за совместным проявлением изучаемого процесса и рассматриваемых факторов, которые удобно представить в виде таблицы (табл. 1.1).
Таблица 1.1
Данные наблюдений
-
№
y
x1
x2
…
xp
1
y1
x11
x21
…
xp1
2
y2
x12
x22
…
xp2
3
y1
x13
x23
…
xp3
…
…
…
…
…
…
n
yn
x1n
x2n
…
xpn
Одно наблюдение представляет собой множество значений (yt, x1t, x2t,…, xpt), расположенных в отдельной строке таблицы. Индекс t соответствует отдельному наблюдению.
Этот этап называется оценка параметров модели и является самой сложной и трудоемкой частью исследования. Для оценки параметров применяются такие методы, как метод наименьших квадратов, обобщенный метод наименьших квадратов, двух и трехшаговый метод наименьших квадратов, метод максимального правдоподобия и др.
После построения модели необходимо проверить ее адекватность реальным явлениям или процессам, оценить насколько хорошо она согласуется с данными наблюдений (табл. 1.1) и насколько можно доверять тем выводам и рекомендациям, которые будут получены при ее использовании.
Подводя итог вышесказанному, можно сделать вывод, что процедура построения эконометрической модели включает три этапа:
1. Спецификация модели, т. е. выбор класса моделей, наиболее подходящих для описания изучаемых явлений и процессов. Этот этап предполагает решение двух задач:
а) отбор существенных факторов для их последующего включения в модель;
б) выбор типа модели, т. е. выбор вида аналитической зависимости, связывающей включенные в модель переменные.
2. Оценка параметров модели, т. е. получение численных значений констант модели. При этом используется предварительно полученный массив исходных данных.
3. Проверка качества построенной модели и обоснование возможности ее дальнейшего использования.
