- •ЛАБОРАТОРНАЯ РАБОТА №1. ПАРНАЯ ЛИНЕЙНАЯ РЕГРЕССИЯ
- •Лабораторная работа №2. ПАРНАЯ ПОКАЗАТЕЛЬНАЯ РЕГРЕССИЯ
- •ВЫБОР НАИЛУЧШЕЙ МОДЕЛИ
- •Вывод. Регрессия в виде равносторонней гиперболы имеет максимальный коэффициент детерминации 0,9339 и при этом эта регрессия дает минимальную погрешность 1,86.
- •ЛАБОРАТОРНАЯ РАБОТА №6. ПОЛУЧЕНИЕ МНОЖЕСТВЕННОЙ РЕГРЕССИИ ЧЕРЕЗ ФУНКЦИИ РЕГРЕССИЯ И ПОИСК РЕШЕНИЯ
- •ЛАБОРАТОРНАЯ РАБОТА №8. СИСТЕМА ЭКОНОМЕТРИЧЕСКИХ УРАВНЕНИЙ
- •СПИСОК ЛИТЕРАТУРЫ
- •Приложение 1 Распределение Фишера (F-распределение)
Методические указания к лабораторным работам по эконометрике
Прогноз нескольких периодов вперед.
Необходимо сделать прогноз расходов на покупку продовольственных товаров нескольких периодов вперед на наилучшем тренде
Рисунок 27. Прогноз на тренде полиномиальном четвертой степени |
Вывод; Наблюдается резкий подъем расходов на покупку продовольственных товаров по отношению к общему объему расходов.
ЛАБОРАТОРНАЯ РАБОТА №8. СИСТЕМА ЭКОНОМЕТРИЧЕСКИХ УРАВНЕНИЙ
При использовании в экономических расчётах отдельных уравнений регрессии, в большинстве случаев предполагается, что факторы можно изменять независимо друг от друга. На самом деле изменение одного фактора, как правило, не может происходить при абсолютной неизменности других факторов. Следовательно, отдельно взятое уравнение множественной регрессии не может характеризовать истинные влияния отдельных признаков на вариацию результирующей переменной.
Цель работы.
Построить систему эконометрических уравнений, предварительно провести идентификацию модели. Оценить параметры системы с точки зрения экономики.
Порядок выполнения работы.
1. По имеющимся параметрам построить систему эконометрических уравнений.
Структурная форма модели описывает реальное экономическое явление или процесс.
41
Методические указания к лабораторным работам по эконометрике
Простейшая структурная форма модели имеет вид: |
|
||||||||
y |
|
=b |
y |
|
+a |
x |
+ε |
|
|
|
1 |
12 |
|
2 |
11 |
1 |
|
1 |
(14) |
y2 =b21 y1 +a22 |
x2 +ε2 |
|
|||||||
где y – эндогенные переменные, x – экзогенные переменные.
Использование метода наименьших квадратов (МНК) для оценивания структурных коэффициентов модели даёт смещённые и несостоятельные оценки. Поэтому обычно структурная форма модели преобразуется в приведённую форму.
Приведённая форма строится для того, чтобы по МНК – оценкам её параметров – определить оценки структурных коэффициентов. Зная оценки приведённых коэффициентов, можно определить параметры структурной формы модели, но только тогда, когда модель является идентифицированной.
2.Провести идентификацию модели
Правила идентификации модели:
Пусть M – число предопределённых переменных в модели m – число предопределённых переменных в уравнении K – число эндогенных переменных в модели
K – число эндогенных переменных в данном уравнении
А – матрица коэффициентов при переменных, не входящих в данное уравне-
ние.
Необходимое и достаточное условия идентификации уравнения модели.
1.Если M-m>k+1 и ранг матрицы А равен К-1, то уравнение сверхидентифицированное.
2.Если M-m=k-1 и ранг матрицы А равен К-1, то уравнение точно идентифицированное.
3.Если M-m ≥ k-1 и ранг матрицы А меньше К-1, то уравнение неидентифицированное.
4.Если M-m<k-1 , то уравнение неидентифицированное.
3. Оценить параметры системы
Структурная форма модели преобразуется в приведённую форму, в которой коэффициенты при x определяются методом наименьших квадратов
y |
|
=δ |
|
x +δ |
|
x |
|
(15) |
|
1 |
|
11 |
1 |
12 |
|
2 |
|
y2 =δ21 x1 +δ22 x2 |
|
|||||||
Для нахождения значений δ11 и δ12 система нормальных уравнений имеет вид:
|
|
2 |
|
|
|
|
|
∑y1 x1 =δ |
11 ∑x1 |
+δ12 |
∑x1 x2 |
(16) |
|||
|
=δ |
x x |
+δ |
|
x 2 |
||
y x |
|
|
|||||
∑ 1 2 |
|
11 ∑ 1 2 |
|
12 ∑ 2 |
|
||
Аналогично строим систему нормальных уравнений для определения коэффициентов δ21 и δ22
42
Методические указания к лабораторным работам по эконометрике
|
|
|
2 |
|
|
|
|
|
∑y2 x1 =δ |
21 ∑x1 |
+δ22 |
∑x1 x2 |
(17) |
||||
|
x |
=δ |
x x |
+δ |
|
x 2 |
||
y |
|
|
||||||
∑ 2 |
2 |
|
21 ∑ 1 2 |
|
22 ∑ 2 |
|
||
Решаем системs в EXCEL с помощью инструмента Поиск решения.
4.Рассчитать коэффициенты структурной модели.
Пример.
Проанализируем приведенные ( Рисунок 28) данные за пять лет.
|
Годовое |
Оптовая |
Доход на |
Расходы по |
|
|
душу |
обработке |
|||
Год |
потребление |
цена за кг., |
|||
населения, |
продукта, |
||||
|
продукта, y1 |
y2 |
x1 |
x2 |
|
|
|
|
|||
|
|
|
|
|
|
1 |
60 |
5 |
1300 |
60 |
|
2 |
62 |
4 |
1300 |
56 |
|
3 |
65 |
4,2 |
1500 |
56 |
|
4 |
62 |
5 |
1600 |
63 |
|
5 |
66 |
3,8 |
1800 |
50 |
|
среднее |
63,0 |
4,4 |
1500,0 |
57,0 |
Рисунок 28. Исходные данные
В этой таблице применены следующие обозначения; y1 – годовое потребление продукта,
y2 – оптовая цена за кг.,
x1 – доход на душу населения,
x2 – расходы по обработке продукта.
Идентификация модели.
Система одновременных уравнений с двумя эндогенными и двумя экзогенными переменными имеет вид (14):
y |
1 |
=b |
y |
2 |
+a |
x |
+ε |
1 |
|
12 |
|
11 |
1 |
|
|||
y2 |
=b21 y1 +a22 |
x2 +ε2 |
||||||
Модель имеет две эндогенные (y1, y2) |
и две экзогенные (x1, x2) переменные. |
|||||||
Проверим каждое уравнение системы на необходимое (Н) и достаточное (Д) условие идентификации.
Первое уравнение:
Н: эндогенных переменных – 2 (y1, y2), отсутствующих экзогенных – 1 (x2).
Выполняется необходимое равенство 2=1+1, следовательно, Первое уравнение полностью идентифицированное.
Д: в первом уравнении отсутствует x2 . М=2, m=1, K=2, k= 2. Проверяем : M-m=1, k-1=1, т.е. выполняется правило 2. Ранг матрицы А=a22, определитель матрицы не равен нулю, ранг матрицы равен К-1=1, следовательно первое уравнение точно идентифицированное.
Второе уравнение. |
– 2 (y1, y2) |
Н: эндогенных переменных |
43
Методические указания к лабораторным работам по эконометрике
отсутствующих экзогенных – 1 (x1)
Выполняется необходимое равенство 2=1+1, следовательно, Второе уравнение полностью идентифицированное.
Д: во втором уравнении отсутствует x1 . М=2, m=1, K=2, k= 2. Проверяем : M-m=1, k-1=1, т.е. выполняется правило 2. Ранг матрицы А= a11, определитель матрицы не равен нулю, ранг матрицы равен К-1=1, следовательно второе уравнение точно идентифицированное.
Оценка параметров системы.
При решении системы (16)
|
|
2 |
|
|
|
|
|
∑y1 x1 =δ |
11 ∑x1 |
+δ12 |
∑x1 x2 |
. |
|||
|
=δ |
x x |
+δ |
|
x 2 |
||
y x |
|
|
|||||
∑ 1 2 |
|
11 ∑ 1 2 |
|
12 ∑ 2 |
|
||
выразим x и y через отклонения от средних уровней.
И тогда матрица исходных данных будет иметь вид:
среднее |
|
|
63 |
|
4,4 |
|
1500 |
57 |
|
|
|
|
|
|
|
|
|
Год |
|
y1 |
|
y2 |
|
x1 |
|
x2 |
|
1 |
|
3,0 |
|
0,6 |
|
200 |
3,0 |
|
|
|
|
|
|
|
|
|
|
2 |
|
1,0 |
|
0,4 |
|
200 |
1,0 |
|
3 |
|
2,0 |
|
0,2 |
|
0 |
1,0 |
|
4 |
|
1,0 |
|
0,6 |
|
100 |
6,0 |
|
5 |
|
3,0 |
|
0,6 |
|
300 |
7,0 |
Рисунок 29 Матрица через отклонения от средних уровней
Соответственно, дальнейшие вычисления дают значения суммы:
Год |
y1*x1 |
y1*x2 |
x12 |
x22 |
x1*x2 |
1 |
600 |
9 |
40000 |
9 |
600 |
2 |
200 |
1 |
40000 |
1 |
200 |
3 |
0 |
2 |
0 |
1 |
0 |
4 |
100 |
6 |
10000 |
36 |
600 |
5 |
900 |
21 |
90000 |
49 |
2100 |
сумма |
1600 |
37 |
180000 |
96 |
1900 |
Рисунок 30. Расчет коэффициентов при δ11 ,δ12
Тогда система нормальных уравнений составит
1600 =180000 δ11 −1900 δ12
− 37 = −1900 δ11 + 96 δ12
44
Методические указания к лабораторным работам по эконометрике
Решаем систему в EXCEL с помощью инструмента Поиск решения, предварительно заносим информацию в ячейки:
|
|
|
B |
C |
D |
|
E |
|
|
19 |
|
|
|
|
|
|
|
|
25 |
|
|
|
|
|
|
|
|
26 |
180000 |
-1900 |
=СУММПРОИЗВ(B26:C26;$B$29:$C$29) |
|
1600 |
|
|
|
27 |
-1900 |
96 |
=СУММПРОИЗВ(B27:C27;$B$29:$C$29) |
|
-37 |
|
|
|
28 |
Неизвестные |
|
|
|
|
|
|
|
29 |
0 |
0 |
|
|
|
|
|
Рисунок 31. Размещение матрицы коэффициентов
Рисунок 32. Параметры в окне Поиск решения
Получаем δ11 = 0,00609 δ12 =-0,26481, тогда
y1 =0,00609 x1 −0,26481 x2 |
(18) |
Аналогично строим систему нормальных уравнений для определения коэффициентов δ21 и δ22 (17)
|
|
|
2 |
|
|
|
|
|
∑y2 x1 =δ |
21 ∑x1 |
+δ22 |
∑x1 x2 |
. |
||||
|
x |
=δ |
x x |
+δ |
|
x 2 |
||
y |
|
|
||||||
∑ 2 |
2 |
|
21 ∑ 1 2 |
|
22 ∑ 2 |
|
||
Получаем
−160 =180000 δ21 −1900 δ2210,2 = −1900 δ21 +96 δ22
Аналогично находим решение этой системы уравнений.
Следовательно, δ21=0,00029 и δ22=0,11207. Тогда второе уравнение примет
вид:
y2 =0,00029 x1 +0,11207 x2 |
(19) |
Приведённая форма модели с учетом полученных уравнений (18) и (19) примет вид:
y |
|
=0,00609 x |
−0,26481 x |
|
(20) |
|
1 |
1 |
|
2 |
|
y2 |
=0,00029 x1 +0,11207 x2 |
|
|||
Из чего определяем коэффициенты структурной модели:
y1 =0,00609 x1 −0,26481 x2
x = y2 −0,00029x1
2 0,11207
45
