Диплом / suslov_ibragimov_ekonometrika
.pdf192 Глава5.Случайные ошибки
Такая модельÑэто предмет регрессионного анализа.Рассмотренная же модель(5.1)является ее частным случаем:формальноÑпри n = 0,по существуÑ
при неизменных по наблюдениям значениях факторов zij = zc |
( c Ñ const),так |
|
|
j |
zc αj + β . |
что оцениваемый в(5.1)параметр β в действительности равен |
||
|
|
j |
Прежде чем переходить к изучению этой более общей |
модели,будут рассмот- |
|
|
% |
рены проблемыÇраспространенияÈошибок первичных измерений(в этой главе)и решены алгебраические вопросы оцен ки параметров регрессии(следующая глава).
5.2.Производные измерения
Измеренные первично величины используются в различных расчетах(в производных измерениях),и результаты этих расчетов содержат ошибки,являющиеся следствием ошибок первичных измерений.В этом пункте изучается связь между ошибкамипервичныхипроизводныхизмерений,илипроблемаÇраспространенияÈ ошибокпервичныхизмерений.Возможнаиболееобщаятрактовкапроблемы:влияние ошибок в исходной информации на результаты расчетов.
Пусть xj , j = 1, . . . , n, Ñвыборочные(фактические)значения(наблюдения, измерения) n различных случайных величин, βj Ñих истинные значения, εj Ñ ошибки измерений.Если x, β, ε Ñсоответствующие n-компонентные векторстроки,то x = β + ε.Предполагается,что E(ε) = 0 и ковариационная матрица ошибок E(ε!ε) равна Ω.
Пусть величина y рассчитывается как f (x).Требуется найти дисперсию σy2 ошибки εy = y − f (β) измерения(расчета)этой величины.
Разложение функции f в ряд Тэйлора в фактической точке x по направлению
β − x ( = −ε),если в нем оставить только члены1-го порядка,имеет вид: |
f (β) = |
|||||
= y − εg (заменяяÇ ≈ ÈнаÇ = È)или |
εy = εg,где |
g Ñградиент f в точке x |
||||
(вектор-столбец с компонентами gj = |
∂f |
(x)). |
|
|
|
|
|
|
|
|
|
||
|
∂xj |
|
|
|
|
|
Откуда E (εy ) = 0 и |
|
|
|
|
|
|
σy2 = E (εy2) = E 0g!ε!εg1 |
E(ε!ε)=Ω |
g!Ωg. |
(5.16) |
|||
= |
|
ЭтоÑобщая формула,частным случаем которой являются известные формулы для дисперсии среднего,суммы,разности,произведения,частного от деления и др.
Пусть n = 2, Ω = |
|
σ12 |
ω |
. |
|
|
|
|
|
|
|
ω |
σ2 |
|
|
|
|
2 |
|
194 |
Глава5.Случайные ошибки |
В случае,если известны дисперсии ошибок εj ,а информация о их ковариациях отсутствует,можно воспользоваться формулой,дающей верхнюю оценку ошибки результата вычислений:
n
σy ! |σj gj | = y ,
|
|
=1 |
|
|
|
|
|
|
|
|
|
|
|
j! |
|
|
|
|
|
|
|
|
|
||
где σj Ñсреднеквадратическое отклонение εj . |
|
|
|
|
|
|
||||||
Пусть в данном случае σ Ñ |
диагональная матрица |
{σj } |
,тогда |
Ω = σRσ |
,где |
R |
Ñ |
|||||
|
|
ωjj |
|
|
|
|
|
|||||
корреляционная матрица( rjj! = |
|
|
! |
|
). |
|
|
|
|
|
|
|
|
σ σ |
|
|
|
|
|
|
|
|
|||
|
|
|
j |
j! |
|
|
|
|
|
|
||
Тогда(5.16)преобразуется к виду: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
σy2 = g"σRσg. |
|
|
|
|
|
|
|||
Пусть далее |σg| Ñвектор-столбец |
|
{|σj gj |}, а W Ñдиагональная матрица |
{±1} |
|||||||||
такая,что σg = W |σg|. |
|
|
|
|
|
|
|
|
|
|
|
|
Тогда |
|
|
|
|
|
|
|
|
|
|
|
|
|
σy2 = |g"σ|W RW |σg|. |
|
|
|
(5.18) |
По сравнению с R в матрице W RW лишь поменяли знаки некоторые недиагональные элементы,и поэтому все ее элементы,как и в матрице R,не превышают единицы:
W RW ! 1n1"n.
Умножение обеих частей этого матричного неравенства справа на вектор-столбец |σg| и слева на вектор строку |g"σ| сохранит знакÇ ! È,т.к.эти векторы,по определению,неотрицательны.Следовательно:
|g"σ|W RW |σg| = σy2 ! |g"σ|1n1n" |σg| = |
(!|σj gj |) . |
(5.18) |
2 |
|
Что и требовалось доказать.
5.3.Упражнения и задачи
Упражнение1
Дана модель xi = β + εi = 12 + εi , i = 1, . . . , N .Используя нормальное распределение,в котором каждое значение ошибки εi независимо,имеет среднее 0и дисперсию2,получите 100 выборок вектора ε размерности (N × 1), k = = 1, . . . , 100 ,где N = 10 (в каждой выборке по 10 наблюдений).Прибавив к каждому элементу этой выборки число 12 получите 100 выборок вектора x.
5.3.Упражнения и задачи |
197 |
какова ошибка x ?Вывести формулу σx2ø,рассчитать коэффициент вариации |
|
для x,если x1 = 50, x2 = 60, x3 = 70. |
|
12.Пусть объем экспорта равен 8 условных единиц,а импортаÑ |
7 условных |
единиц.Показатели некоррелирова ны,их дисперсии одинаковы и равны 1 |
|
условной единице.На каком уровне дов ерия можно утверждать,что сальдо |
|
экспорта-импорта положительно? |
|
13.Средние рентабельности двух разных фирм равны соответственно |
0.4 и 0.2, |
стандартныеотклоненияодинаковыисоставляют 0.2.Действительнолипер- |
|
вая фирма рентабельнее и почему? |
|
14.Наблюдаемое значение некоторой величины в предыдущий и данный момент времени одинаково и равно 10.Ошибкинаблюдений не коррелированы и имеют одинаковую дисперсию.Какова относительная ошибка темпа роста?
15.Пусть величина ВНП вIиIIквартале составляла соответственно |
550 и 560 |
млрд.долларов.Ошибки при расчетах ВНП вIиIIквартале не коррели- |
|
рованы и составляют 1%.Какова относительная ошибка темпа прироста |
|
ВНП воIIквартале?К каким последствиям в расчетах темпов роста и темпов |
|
прироста приведут ошибки измерения ВНП,равные 5%? |
|
16.Стандартная ошибка измерения пока зателя труда и показателя капитала составляет 1%,ошибки измерений не коррелированы.Найти относительнуюошибкуобъемапродукции,рассчитанного попроизводственной функции КоббаÑДугласа: Y = C K αLβ .
17.Доля бюджетного дефицита в ВВП вычисляется по формуле (R −E)/Y ,где R = 600 условныхединицÑдоходыбюджета, E = 500 условныхединицÑ расходы, Y = 1000 условных единицÑВВП.Известно,что дисперсии R и E равна100,дисперсия Y равна 25.Оценить сверху дисперсию доли дефицита.
Рекомендуемая литература
1.Венецкий И.Г.,Венецкая В.И. Основные математико-статистические понятия и формулы в экономическом анализе. ÑМ.: ÇСтатистикаÈ, 1979. (Разд. 7).
2.Езекиэл М.,Фокс К. Методы анализа корреляцийи регрессий. ÑМ.: ÇСта-
тистикаÈ, 1966. (Гл. 2).
198 |
Глава5.Случайные ошибки |
3.Кейн Э. Экономическая статистика и эконометрия. ÑМ.: ÇСтатистикаÈ, 1977.Вып. 1. (Гл. 8, 9).
4.Моргенштерн О. Оточности экономико-статистических наблюдений. ÑМ.: ÇСтатистикаÈ, 1968. (Гл. 2, 6).
5.Тинтер Г.Введение в эконометрию. ÑМ.: ÇСтатистикаÈ, 1965. (Гл. 1).
6.Frees Edward W. Data Analysis Using Regression Models: The Business Perspective, Prentice Hall, 1996. (Ch. 2).
7.(*) Judge G.G., Hill R.C., Griffiths W.E., Luthepohl H., Lee T. Introduction to the Theory and Practice of Econometric. John Wiley & Sons, Inc., 1993. (Ch. 3, 5).
8.William E.Griffiths, R. Carter Hill., George G. Judge Learning and Practicing econometrics, N 9 John Wiley & Sons, Inc., 1993. (Ch. 14).
Глава6
Алгебра линейной регрессии
6.1.Линейная регрессия
В этой главе предполагается,что между переменными xj , j = 1, . . . , n существует линейная зависимость:
n |
|
j! |
|
xj αj = β + ε, |
(6.1) |
=1 |
|
где αj , j = 1, . . . , n, β (угловыекоэффициентыисвободныйчлен) Ñ параметры (коэффициенты) регрессии (их истинные значения), ε Ñслучайная ошибка;или в векторной форме:
xα = β + ε, |
(6.2) |
где x и α Ñсоответственно вектор-строка переменных и вектор-столбец параметров регрессии.
Как уже отмечалось в пункте4.2,регр ессия называется линейной,если ее
уравнениелинейноотносительнопараметроврегрессии,анепеременных.Поэтому предполагается,что xj , j = 1, . . . , n,могут являться результатом каких-либо функциональных преобразований исходных значений переменных.
Для получения оценок aj , j = 1, . . . , n, b , e,соответственно,параметров регрессии αj , j = 1, . . . , n, β и случайных ошибок ε используется N наблюдений за переменными x, i = 1, . . . , N ,которые образуют матрицу наблюдений X
200 |
Глава6.Алгебра линейной регрессии |
размерности N × n (столбцыÑпеременные,строкиÑнаблюдения).Уравнение регрессии по наблюдениям записывается следующим образом:
X α = 1N β + ε, |
(6.3) |
где,как и прежде, 1N Ñвектор-столбец размерности N ,состоящий из единиц, ε Ñвектор-столбец размерности N случайных ошибок по наблюдениям; или в оценках:
X a = 1N b + e. |
(6.4) |
Собственно уравнение регрессии(без случайных ошибок) xα = β или xa = b определяет,соответственно,истинную или расчетную гиперплоскость (линию,
плоскость, . . . ) регрессии.
Далееприменяетсяметоднаименьшихквадратов:оценкипараметроврегрессии находятся так,чтобы минимального значения достигла остаточная дисперсия:
s2e = N1 e!e = N1 0a!X ! − b1!N 1(X a − 1N b) .
Из равенства нулю производной остаточной дисперсии по свободному члену b следует,что
|
|
|
|
xaø |
= b |
|
|
|
|
|
(6.5) |
и |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1N! e = 0. |
|
|
|
|
|
(6.6) |
|
Действительно, |
= 2 1N" (X a 1N b) = |
− 2 |
|
− |
|
||||||
|
∂se2 |
|
b) , |
||||||||
|
|
|
|
|
|
|
2 (øxa |
|
|||
|
|
|
|
|
|
|
− N |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
∂b |
−N |
− |
|
|
|
1N" |
e. |
|
||
|
|
|
|
Вторая производная по b равна 2,т.е.в найденной точке достигается минимум.
Здесь и ниже используются следующие правила матричной записи результатов дифференцирования линейных и квадратичных форм.
Пусть x, a Ñвектор-столбцы, α Ñскаляр,а M Ñсимметричная матрица.Тогда:
dxα |
= x, |
∂x"a |
= a, |
∂x"M |
= M, |
∂x"M x |
= 2M x. |
||
dα |
∂x |
|
∂x |
∂x |
|||||
|
|
|
|
(См.ПриложениеA.2.2.)
6.2.Простая регрессия |
201 |
|
|
Этот результат означает,что точка средних значений переменных лежит на |
|
расчетной гиперплоскости регрессии. |
|
|
|
В результате подстановки выражения b из(6.5)через |
a в(6.4)получается |
другая форма записи уравнения регрессии: |
|
|
|
ö |
(6.7) |
|
X a = e, |
|
где |
ö |
|
X = X − 1N xø Ñматрица центрированных значений наблюдений. |
(6.3, 6.4) Ñ исходная, (6.7) Ñ сокращенная запись уравнения регрессии.
Минимизация остаточной дисперсии по a без дополнительных условий приведет к тривиальному результату: a = 0.Чтобы получать нетри виальные решения, на вектор параметров α и их оценок a необходимо наложить некоторые ограничения.В зависимости от формы этих огра ничений возникает регрессия разного видаÑ простая или ортогональная.
6.2.Простая регрессия
В случае,когда ограничения на вектор a (α) имеют вид aj = 1 ( αj = 1), возникают простые регрессии.В таких регрессиях в левой части уравнения остается одна переменная(в данном случае j -я),а остальные переменные переносятся
в правую часть,и уравнение в исход ной форме приобретает вид(регрессия |
j -й |
|||||
переменной по остальным, j -я регрессия): |
|
|
|
|||
|
Xj = X−j a−j + 1N bj + ej , |
(6.8) |
||||
где |
Xj Ñвектор-столбец наблюдений за |
j -й переменнойÑ объясняемой, |
||||
X−j |
Ñматрица наблюдений размерности |
N × (n − 1) за остальными перемен- |
||||
нымиÑ объясняющими (композиция Xj |
и X−j образует матрицу X ), a−j Ñ |
|||||
вектор a без j -го элемента(равного |
|
1),взятый с обратным знаком(компози- |
||||
ция |
1 и −a−j образует вектор a), bj |
и ej |
Ñсоответственно свободный член |
|||
и вектор-столбец остатков в j -й регрессии.В сокращенной форме: |
|
|||||
|
ö |
ö |
|
|
+ ej . |
(6.9) |
|
Xj = X−j a−j |
В таких регрессиях ошибки eij Ñрасстояния от гиперплоскости регрессии до точек облака наблюденияÑизмеряются параллельно оси xj .
Остаточная дисперсия приобретает следующую форму: |
|
||||
sej2 = N ej! ej = |
N (Xöj! |
− a−! j Xö−! j )(Xöj − Xö−j a−j ). |
(6.10) |
||
1 |
|
1 |
|
|
|