FK_3,5_2013_sem03 / УМК Эконометрика
.pdfКосвенный метод наименьших квадратов – применяется для точно иденти-
фицируемой структурной модели. Применение этого метода предполагает предварительное преобразование структурной формы модели в приведенную, оценку параметров приведенной модели с помощью обычного метода наименьших квадратов и трансформацию полученных коэффициентов приведенной формы модели в коэффициенты структурной модели.
Коэффициент регрессии – показывает, на сколько ед. изменится в среднем результат при изменении фактора на 1 ед.:
|
( , ) |
|
|
|
− ковариация факторного=и |
результативного, |
признака: |
− диспер- |
|
сия(факторного, ) |
признака. |
|
|
Коэффициент детерминации – квадрат линейного коэффициента корреляции (индекса корреляции) – показывает долю факторной дисперсии в общей вариации результативного признака, или, в какой степени изменение результативного показателя обусловлено влиянием факторов, включенных в регрессионную модель.
Коэффициент эластичности – показывает, на сколько % изменится в среднем результат при изменении фактора на 1 %:
Э = ( )∙
Коэффициенты чистой регрессии – показывают, на сколько ед. изменится в среднем результативный показатель при изменении исследуемого фактора на единицу.
Критерий Дарбина-Уотсона – используется для проверки наличия или отсутствия автокорреляции в остатках.
Л
Лаговые эндогенные переменные – входят в анализируемую систему измеренными в прошлые периоды времени в качестве объясняющих переменных.
Линейная модель множественной регрессии:
= + = + ∙ + ,
где у – эмпирическое (фактическое) значение результативного показателя; – теоретическое значение результативного показателя, полученное по уравнению регрессии, путем подстановки в него фактических значений факторных показа-
51
телей (хi); a,bi – оценки параметров уравнения регрессии; − величина случайной ошибки.
Линейная модель парной регрессии:
где у – эмпирическое (фактическое) значение результативного показателя; – |
|
= + = + |
+ , |
теоретическое значение результативного показателя, полученное по уравнению регрессии, путем подстановки в него фактического значения факторного показателя (х); а,b – оценки параметров уравнения регрессии; − величина случайной ошибки.
Линейный коэффициент корреляции – характеризует степень тесноты связи между факторным и результативным показателем в уравнении парной линейной регрессии:
= |
( , |
) |
х ∙ |
у |
ryx < ±0,3 связь между показателями слабая ;
±0,3 < ryx ≤ ±0,5 связь умеренная;
±0,5 < ryx ≤ ±0,7 связь средняя; 0,7 < ±ryx ≤ ±1 связь тесная.
М
Метод Гольдфельда-Квандта – используется для выявления гетероскедастичности остатков в парной регрессии. Суть метода заключается в нахождении отношения остаточной суммы квадратов отклонений для двух групп (с наименьшими и наибольшими значениями фактора) на которую разбита совокупность.
Методы и модели эконометрического моделирования:
классическая линейная модель множественной регрессии и классический метод наименьших квадратов;
обобщенная линейная модель множественной регрессии и обобщенный метод наименьших квадратов;
некоторые специальные модели регрессии (со стохастическими объясняющими переменными, с переменной структурой, с дискретными зависимыми переменными, нелинейные);
модели и методы статистического анализа временных рядов;
методы анализа систем одновременных эконометрических уравнений.
Множественная регрессия – характеризует связь между зависимой переменной у и независимыми переменными хi:
= ( , ,…, ).
52
Мультиколлинеарность факторов в уравнение множественной регрессии –
возникает в том случае, если два и более факторов связаны между собой линейной зависимостью.
Мультипликативная модель временного ряда – произведение трендовой,
циклической и случайной составляющей.
Н
Неидентифицируемые структурные модели – модели, в которых число пара-
метров структурной формы модели больше числа параметров приведенной формы модели, что не позволяет выразить структурные коэффициенты через приведенные.
Несмещенность оценок – равенство нулю математического ожидания остатков.
О
Обобщенный (взвешенный) метод наименьших квадратов – применяется при нарушении двух из пяти предпосылок метода наименьших квадратов: о гомоскедастичности остатков и об отсутствии автокорреляции остатков. Применение этого метода предполагает минимизацию суммы квадратов отклонений эмпирических значений от теоретических, деленную на коэффициент пропорциональности (отношение дисперсии ошибки при конкретном t-м значении фактора к постоянной дисперсии ошибки при соблюдении предпосылки о гомоскедастичности остатков).
Общая дисперсия на одну степень свободы:
общ = (y − ) ( − 1)
Общая сумма квадратов отклонений:
( − )
Остаточная дисперсия на одну степень свободы:
ост = |
− |
( − −1) |
53
Остаточная дисперсия на одну степень свободы в парной линейной регрессии:
ост = |
− |
( −2) |
Остаточная сумма квадратов отклонений:
−
П
Параметризация модели – выбор общего вида модели, в т.ч. состава и формы входящих в нее связей.
Парная (простая) регрессия – характеризует связь между двумя переменными
х и у:
= ( ),
где у – зависимая (результативная) переменная; х – независимая (объясняющая) переменная.
Постановочный этап эконометрического моделирования – предусматривает определения конечных целей эконометрического моделирования, системы факторов и показателей моделируемой системы.
Предопределенные переменные – совокупность всех экзогенных и лаговых эндогенных переменных.
Предпосылки метода наименьших квадратов:
случайный характер остатков;
средняя величина остатков, равная нулю и независящая от величины факторных признаков;
гомоскедастичность остатков;
отсутствие автокорреляции остатков;
распределение остатков в соответствии с нормальным законом.
Проблема идентификации модели − «настройка» записанной в общей структурной форме модели на реальные статистические данные (проблема выбора и реализации методов статистического оценивания неизвестных параметров модели).
Проблема идентифицируемости модели – возникает при переходе от струк-
турной формы модели к приведенной при преобразовании математической модели в эконометрическую.
54
Проблема спецификации модели (в предположении ее линейности) включает в себя:
определение конечных целей моделирования;
определение системы экзогенных и эндогенных переменных;
определение состава и структуры анализируемой системы уравнений и тождеств и соответственно списка предопределенных переменных;
формулировку исходных предпосылок и априорных ограничений относительно стохастической природы остатков и числовых значений оценок параметров эконометрической модели.
Р
Расчетное значение F-критерия Фишера (для нелинейной и множествен-
ной регрессии) – при сопоставлении с табличным позволяет определить значимость полученного уравнения регрессии:
= 1 − ∙( − −1).
Расчетное значение F-критерия Фишера (для парной линейной регрессии):
=факт
ост
r
или = 1 −r ∙ ( − 2).
Расчетное значение t-критерия Cтьюдента (для парной линейной регрессии):
= |
|
; |
= |
|
; |
= |
|
; |
|
|
|
где ma, mb, mryx– стандартные ошибки параметров уравнения регрессии.
Регрессии нелинейные по включенным в модель объясняющим переменным, но линейные по оцениваемым параметрам:
|
парабола: |
= |
+ |
+ |
|
; |
|
|
|
|
; |
|
|
|
|
|
|
|
|
|
|||||
|
гипербола: |
= |
+ |
|
+ ; |
+ |
|
= |
+ |
√ |
|
+ |
|
|
|
||||||||||
|
полулогарифмическая функция: |
|
|
|||||||||
|
и др. |
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
||||||
|
функция с квадратными корнями: |
= |
+ |
∙ |
+ ; |
Регрессии нелинейные по оцениваемым параметрам (внутренне линейные):
|
степенная функция: |
∙ |
∙ |
; |
|
|
|
показательная функция=: |
∙ |
; |
|
||
|
экспоненциальная функция=: |
∙ |
∙ |
; |
||
|
и др. |
|
= |
|
|
|
|
|
|
|
|
55 |
|
Регрессии нелинейные по оцениваемым параметрам (внутренне нелинейные):
|
|
= |
∙ |
+ |
;; |
|
|
|
|
= |
∙ |
+ |
; |
|
|
|
и |
= |
∙ |
+ |
+ |
; |
|
|
|
||||||
|
= |
|
|
|
|||
|
др. |
|
|
|
|
|
С
Сверхидентифицируемые структурные модели – модели, в которых число параметров структурной формы модели меньше числа параметров приведенной формы модели.
Система взаимозависимых (совместных, одновременных уравнений) (структурная форма модели) – это система уравнений, в которой, одни и те же зависимые переменные в различных уравнениях системы могут одновременного выступать как в роли факторных, так и результативных показателей.
Система независимых уравнений – это система уравнений, в которой, каждая зависимая переменная формируется под воздействием одного и того же набора факторов.
Система рекурсивных уравнений – это система уравнений, в которой, возможно использования зависимой переменной одного уравнения в качестве независимой переменной (фактора) для другого уравнения.
Случайная ошибка в t-м измерении ( t) – разность между эмпирическими и теоретическими значениями результативного показателя.
Состоятельность оценок – увеличение точности оценок с ростом объема наблюдений.
Среднеквадратическое отклонение результативного признака:
у =
Среднеквадратическое отклонение факторного признака:
х = х .
Средняя ошибка аппроксимации – позволяет оценить адекватность полученной регрессионной модели (считается, что полученная регрессионная модель адекватно описывает исследуемое явление или процесс, если средняя ошибка аппроксимации не превышает 5-7 %):
56
А = |
1 |
∙ |
− |
∙100 |
Стандартная ошибка линейного коэффициента корреляции:
х
=1 − х
Стандартная ошибка параметра «а»:
m = |
ост ∙ |
T∙σх |
Стандартная ошибка прогноза по уравнению парной линейной регрессии:
|
ост |
1 |
|
(x −x) |
|
m = |
T |
1+ |
T |
+ |
σх |
Стандартная ошибка параметра «b» (коэффициента регрессии):
m = ост
T∙σх
Структурная форма модели – см. система взаимозависимых (совместных, одновременных) уравнений
Т
Трехшаговый метод наименьших квадратов – является продолжением двухшагового метода наименьших квадратов. На третьем «шаге» подсчитывается выборочная ковариационная матрица случайных остатков, которая используется для одновременного вычисления оценок всех структурных параметров системы с помощью обобщенного метода наименьших квадратов.
Ф
Факторная дисперсия на одну степень свободы:
факт = |
− |
57
Факторная дисперсия на одну степень свободы в парной линейной регрессии:
факт = |
− |
1 = |
− |
Факторная сумма квадратов отклонений:
−
Фиктивные переменные – качественные переменные, преобразованные в количественные посредством их оцифровки.
Ц
Цели эконометрического моделирования:
прогноз;
управление;
имитация различных сценариев развития и функционирования социальноэкономических систем.
Ч
Частные коэффициенты корреляции – позволяют оценить уровень тесноты связи между результативным показателем и исследуемым фактором. Определяются как отношение сокращения величины остаточной дисперсии после включения в модель дополнительного фактора к первоначальной величине остаточной дисперсии.
Частные уравнения множественной регрессии – позволяют оценить влияния отдельных факторов на результат, посредством закрепления всех факторов, кроме исследуемого на среднем уровне.
Число степеней свободы – определяется как разность между числом независимых измерений и числом наложенных связей. Число степеней свободы для общей суммы квадратов отклонений равно «Т – 1», для факторной – «n», для остаточной – «T – n – 1», где Т – общий объем выборки, n – число параметров при независимых переменных.
Э
Экзогенные переменные – факторные признаки, объясняющие, независимые переменные.
Эконометрика – самостоятельная научная дисциплина со своим сформировавшимся набором методов, способов и приемов исследования, дающая количественное выражение качественным закономерностям развития и функциони-
58
рования какой-либо социально-экономической системы в конкретном временном и (или) пространственном такте.
Эндогенные переменные – результативные признаки, формируются внутри и в процессе функционирования системы под воздействием экзогенных переменных во взаимосвязи друг с другом.
Этапы эконометрического моделирования:
постановочный;
априорный;
параметризация модели;
информационный;
идентификация модели;
верификация модели.
Эффективность оценок – оценки считаются эффективными, если характеризуются минимальной величиной дисперсий.
59
9. Самостоятельная работа студентов
Самостоятельная работа является неотъемлемой составляющие изучения любой дисциплины, в т.ч. и «Эконометрика».
Число часов, отведенных на самостоятельную работу студентов, по каждой теме указано в подразделе 1.1 учебно-методического комплекса. Для студентов заочного отделения самостоятельная работа составляет более 85 % от общего количества часов.
Самостоятельная работа студентов, обучающихся по заочной форме с полным сроком обучения по специальности 080104.65 «Экономика труда» предусматривает выполнение контрольной работы и подготовку к сдаче экзамена, для студентов сокращенной формы обучения – подготовку к сдаче экзамена.
Самостоятельная работа студентов, обучающихся по заочной форме по специальностям 080105.65 «Финансы и кредит» и 080109.65 «Бухгалтерский учет, анализ и аудит» предусматривает подготовку к сдаче зачета.
Студенты заочной формы обучения осваивают дисциплину до наступления экзаменационной сессии. В процессе освоения дисциплины ими должны быть проработаны литературные источники, материалы учебно-методического комплекса и интернет-ресурсы, на основе изучения которых студенты находят ответы на каждый из предложенных вопросов к экзамену (зачету), а также готовят вопросы, которые вызвали наибольшую сложность в освоении, с целью задать их преподавателю во время аудиторных занятий.
Изучение дисциплины «Эконометрика» студентами очного отделения, обучающихся по специальностям 080105.65 «Финансы и кредит» и 080109.65 «Бухгалтерский учет, анализ и аудит» предусматривает четыре рубежных контроля (для проведения ежемесячной аттестации), а также итоговое контрольное тестирование и сдачу зачета. Контрольное тестирование осуществляется в конце семестра, рубежный контроль – в конце каждого месяца, что позволяет набрать студентам необходимые рейтинговые баллы к итоговой аттестации (зачету).
Дисциплина считается освоенной (зачтенной), если число набранных баллов составляет не менее 60.
Рейтинговые баллы по видам работ распределяются следующим образом:
устный ответ на семинарском занятии – максимум 5 баллов;
каждый рубежный контроль – максимум 10 баллов;
контрольное тестирование – максимум 15 баллов;
зачет – максимум 15 баллов.
60