41_0_Econometrics_Polyansky__Part_0
.pdfМИНИСТЕРСТВО ВНУТРЕННИХ ДЕЛ РОССИЙСКОЙ ФЕДЕРАЦИИ
АКАДЕМИЯ ЭКОНОМИЧЕСКОЙ БЕЗОПАСНОСТИ
КАФЕДРА МАТЕМАТИКИ И ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ
ЭКОНОМЕТРИКА
ЭКОНОМИЧЕСКОЕ МОДЕЛИРОВАНИЕ И ПРОГНОЗИРОВАНИЕ
Допущено Министерством внутренних дел Российской Федерации в качестве учебного пособия для курсантов и слушателей образовательных учреждений МВД России
по специальности «Финансы и кредит»
УЧЕБНОЕ ПОСОБИЕ
Москва, 2008
Полянский Ю.Н. Эконометрика. Экономическое моделирование и прогнозирование.
ББК 330.115
П
Учебное54 пособие рекомендовано к изданию для вузов ДКО МВД России по специальности «Финансы и кредит» (протокол №8 от 30 июня 2007 г.).
Автор:
Ю.Н. Полянский – заместитель начальника кафедры математики и ин- формационных технологий Академии экономиче- ской безопасности МВД России, канд. техн. наук,
доцент
Рецензенты:
В.С. Мхитарян – директор института статистики и эконометрики Московского государственного университета эко- номики, статистики и информатики, доктор экон. наук, профессор;
Э.М. Карташов – заведующий кафедрой высшей и прикладной мате- матики Московской государственной академии тон- кой химической технологии (МИТХТ) им. М.В.Ломоносова, акад. Российской Академии есте- ственных наук, доктор физ.-мат. наук, профессор;
Л.В. Большакова – профессор кафедры информационных систем Санкт-Петербургского университета МВД России, канд. физ.-мат. наук, доцент;
Н.М. Дубинина – начальник кафедры информатики и математики Московского университета МВД России, канд. юрид. наук, доцент
Полянский Ю.Н.
П 54 Эконометрика. Экономическое моделирование и прогнозиро-
вание: учебное пособие. – М.: Академия экономической безопасности МВД России, 2008. – 190 с.
Настоящее учебное пособие предназначено для курсантов, студентов и слушате- лей вузов МВД, обучающихся на экономических специальностях по всем формам обуче- ния. В пособии рассмотрены общие теоретические основы дисциплины «Эконометрика» со- гласно требованиям Государственного образовательного стандарта. Для более успешного осво- ения и закрепления материала в пособии подробно рассмотрен процесс решения типовых прак- тических задач, которые могут встретиться в служебной деятельности будущего сотрудника экономических подразделений правоохранительных органов. Для подготовки к экзамену (заче- ту) приведены тестовые вопросы с возможными вариантами ответов.
© Академия экономической безопасности МВД России, 2008
2
Полянский Ю.Н.
Эконометрика. Экономическое моделирование и прогнозирование.
ПРЕДИСЛОВИЕ
Эконометрика (или иначе – эконометрия) как самостоятельная наука развивается сравнительно недавно - с начала XX века. Ее зарождение и интенсивное развитие связано прежде всего с необходимостью количе- ственного измерения общих качественных зависимостей, выявленных и обоснованных экономической теорией. Не случайно само ее название со- стоит из слов «экономика» и «метрика».
Эконометрика возникла на стыке трех наук: математики, экономиче- ской теории и статистики. Первоначальные попытки количественных ис- следований в экономике предпринимались учеными-экономистами разных стран, начиная с XVII века (В.Петти, Г.Кинг, Ч.Давенант, Дж.Э.Юл, Г.Хукер и др.). Сам термин «эконометрика» (вернее «эконометрия») ввел П.Цьемпа (Австро-Венгрия) в 1910 году. Более серьезную научную прора- ботку эконометрика получила в 1930-50-е годы в работах Р.Фриша, Ч.Руса, Й.Шумпетера, Я.Тинберга, О.Андерсона и др. Свидетельствами общего признания эконометрики стали присуждения Нобелевской премии в 1969 году эконометристам Р.Фришу и Я.Тинбергу, в 1980 году – Л.Клейну, в 1989 году – Т.Хаавельмо, в 2000 году – Дж.Хекману и Д.Макфаддену.
Ее развитие как самостоятельной науки неразрывно связано с науч- ными и практическими успехами в других науках. Конечно, грани между экономической теорией, математической экономикой, математической ста- тистикой, экономической статистикой и эконометрикой не очень четкие.
Экономическая теория, опираясь на знание основных экономических тенденций и законов, дает качественные, обобщенные результаты, которые эконометрика уточняет, сводит к конкретным практическим количествен- ным показателям, критериям. выражает известные экономические за
Математическая экономика -
коны в виде формул и соотношений, которые эконометрика эксперимен- тально проверяет, уточняет и дает рекомендации по их практическому при-
менению. дает общий математический аппарат
Математическая статистика
для изучения случайных явлений и процессов, который эконометрика уточ- няет применительно к экономике, рассматривает с практической точки зре-
ния. Экономическая статистика, дает рекомендации по сбору и обработке экономических данных, между которыми эконометрика количественно изу- чает взаимосвязь.
Так как эконометрические исследования основываются на обработке
3
Полянский Ю.Н. Эконометрика. Экономическое моделирование и прогнозирование.
больших объемов статистических данных, то особенно бурное развитие эконометрики, как и многих других наук, началось с успехами вычисли- тельной математики и информатики, широкого распространения вычис- лительной техники, особенно персональных компьютеров. В настоящее время эта наука продолжает формироваться. Она находится на этапе бурно- го распространения и развития, в частности в России.
До 1990-х годов в социалистических странах для планового развития централизованной экономики в основном использовались балансовые и оп- тимизационные методы исследований. Эконометрические эксперименты в таких условиях были мало востребованы. И лишь с началом рыночных от- ношений существенно возросла необходимость применения и развития эко- нометрических методов в управлении экономикой.
В 2000 году эконометрика впервые включена в Государственный об-
разовательный стандарт Российской Федерации на правах самостоятельной учебной дисциплины естественнонаучного цикла. Практически все эконо-
мические вузы и факультеты страны начали преподавание этой важной науки. По мнению известного российского экономиста академика РАН В.Л.Макарова «Современное экономическое образование держится на 3-х китах: макроэкономике, микроэкономике и эконометрике».
Ведущие ученые-экономисты и экономические научно- исследовательские организации России активно включились в процесс ис- следований по этому направлению.
Важным является еще и то, что получившие в эконометрике мощное практическое развитие методы регрессионного анализа, корреляционного анализа, компонентного анализа могут применяться не только в экономике. Конечно, экономические данные и законы идеально подходят для эконо- метрических исследований. Но разработанные в рамках эконометрики ме- тоды и подходы могут с успехом использоваться для решения многих соци- альных, технических, технологических, организационных, военных, право- охранительных, юридических и иных задач.
Для успешного овладения этой дисциплиной необходимо предвари- тельное изучение в рамках учебного плана математики (математического анализа, линейной алгебры, теории вероятностей и математической стати- стики), экономической статистики, экономической теории, информатики. Эконометрика вбирает в себя многие их положения. Она подводит слушате- лей к реальным, практическим научным исследованиям, обучает их творче- скому, осознанному подходу к выявленным экономическим закономерно- стям. Простое механическое применение формул, полученных в экономиче- ской теории, статистике, математике могут зачастую дать численно пра- вильный, но далекий от жизненных реальностей результат.
Аудиторные занятия по эконометрике заключаются не только в теоре- тической подготовке на лекциях и разборе типовых задач на семинарах. За- дачи должны практически реализовываться на ЭВМ с использованием об-
4
Полянский Ю.Н.
Эконометрика. Экономическое моделирование и прогнозирование.
щего и специального программного обеспечения. Наиболее полный пакет
функций реализован в многочисленных специализированных прикладных статистических программах и системах (например, Statistica, Econometricи др
Views,предназначенныхStatgraphics,дляSTATA,работыSAS,в различныхSYSTAT, SPSS,операционныхTSP, GAUSS,системахMicrofitВместе.), с тем очень многие необходимые возможности реализованы в широко. рас- пространённой офисной программе Microsoft Excel из пакета Microsoft Of-
fice. Конечно, наиболее эффективными инструментами являются специ- альные эконометрические и статистические пакеты. Однако, на взгляд авто- ра, прежде чем пользоваться ими, надо овладеть навыками эконометриче- ского моделирования, получить практику расчетов по основным формулам, чтобы более глубоко понимать суть анализируемых явлений и процессов. Поэтому обучение эконометрике обязательно надо начинать с непосред- ственных расчетов на Microsoft Excel по теоретическим формулам. А уже потом переходить на более совершенные пакеты и программы, облегчаю- щие и ускоряющие процесс исследований.
В эконометрике, сравнительно новой и быстро развивающейся науке, еще не до конца сложились единые системы обозначений и терминологии. Это во многом определяется тем, что она находится на стыке нескольких наук, каждая со своей историей и традициями, а также тем, что эконометри- ка зародилась и развивалась до недавнего времени в основном за рубежом, где символика и терминология несколько отличаются от российских. Это, конечно, вызывает дополнительные трудности при изучении дисциплины.
Условимся в данной работе придерживаться сложившейся в российской науке системы обозначений.
Предлагаемое пособие не претендует на полноту изложения теорети- ческого материала, особенно в современных условиях, когда эконометрика как самостоятельная наука еще не до конца сформировалась. Предлагаю слушателям дополнительно прочитать монографии, учебники, учебные по- собия, приведенные в списке литературы. Автор ставил своей целью озна-
комить читателя с главными положениями современной эконометрической науки и подкрепить их практическими примерами и задачами.
Процесс обучения в правоохранительном вузе имеет свои особенно- сти. Поэтому в ряде задач рассмотрены реальные проблемы, с которыми
может столкнуться сотрудник в предстоящей служебной деятельности по защите экономических интересов страны.
С пожеланием успехов, |
Ю.Н.Полянский |
www.dvbi.ru ser_pol@imail.ru
5
Полянский Ю.Н. Эконометрика. Экономическое моделирование и прогнозирование.
ВВЕДЕНИЕ
Используемая система обозначений
|
В современных теории вероятностей, математической статистике и |
||||||||||||||
эконометрике, |
к сожалению, |
окончательно не утвердилась единая система |
|||||||||||||
обозначений и названий случайных величин |
(СВ), их компонентов |
(в случае |
|||||||||||||
многомерности СВ), наблюдаемых и оценочных значений этих СВ. Кроме |
|||||||||||||||
того, |
эконометрика лежит на стыке многих наук и зачастую использует их |
||||||||||||||
системы обозначений. В настоящей работе принята система, |
использующа- |
||||||||||||||
яся чаще в эконометрике. А именно: |
|
|
|
|
|
|
|
Z и т.п.; |
|||||||
|
- |
СВ обозначаются латинскими заглавными буквами: X , Y , |
|||||||||||||
объясняемые переменные обозначаются Y ; |
объясняющие переменные обо- |
||||||||||||||
значаются: количественные – |
|
X , качественные – |
Z ; |
|
|
значения СВ обо- |
|||||||||
|
- |
конкретные наблюдаемые |
(экспериментальные) |
||||||||||||
значаются соответствующими латинскими строчными буквами: x , |
y , z ; |
||||||||||||||
|
- |
объясняющие переменные |
(факторы) |
нумеруются с помощью ниж- |
|||||||||||
него индекса |
j |
(j=1,2,…,p), |
например, X1 , X |
2 ,..., X j ,..., X p . При рассмотре- |
|||||||||||
нии совокупности p факторов как одной многомерной объясняющей пере- |
|||||||||||||||
менной |
она |
обозначается |
|
без |
индекса |
|
X |
или |
|
в |
виде |
вектора |
|||
( X1 , X 2 ,..., X j ,..., X p ) ; |
|
|
|
|
|
|
|
|
|
|
|
||||
нием |
- |
наблюдения (результаты эксперимента) в моделях с одним уравне- |
|||||||||||||
(главы |
1… |
5) нумеруются с помощью нижнего индекса |
i (i=1,2,…,n), |
||||||||||||
например, yi |
- |
результат i-го наблюдения объясняемой СВ Y , xij - |
результат |
||||||||||||
i-го наблюдения j-го фактора |
X j ; |
в системах эконометрических уравнений |
|||||||||||||
(глава 6) используется самостоятельная система индексации; |
|
|
|||||||||||||
|
- |
оценочные (расчетные) значения СВ |
(и их соответствующих харак- |
||||||||||||
теристик) обозначаются знаком «^» над буквой, |
например, y , b2 |
и т.д. Ис- |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
ˆ |
ˆ |
|
ключение составляют некоторые исторически сложившиеся самостоятель- |
|||||||||||||||
ные обозначения, например, |
выборочная дисперсия |
s |
2 |
как оценка гене- |
|||||||||||
ральной дисперсии σ2 , остатки e как оценки ошибок |
ε |
и др. |
|
|
|||||||||||
|
Итак, рассмотрим зависимость случайной объясняемой переменной Y |
||||||||||||||
от многомерной объясняющей переменной |
X = ( X1 , X |
2 |
,..., X р ) , включаю- |
||||||||||||
щей |
p |
компонент - факторов, являющихся, как правило, детерминирован- |
|||||||||||||
ными |
(принимающими заранее заданные, строго определенные значения) |
||||||||||||||
величинами. |
|
|
|
|
|
|
|
|
,..., x р ) значений фак- |
||||||
торов |
Одному и тому же конкретному набору ( x1 , x2 |
||||||||||||||
в различных наблюдениях могут соответствовать несколько различ- |
|||||||||||||||
ные (но не произвольные) значения y объясняемой переменной |
Y . В них |
6
Полянский Ю.Н.
Эконометрика. Экономическое моделирование и прогнозирование.
может наблюдаться некоторая закономерность, они могут иметь определён- ный закон распределения. Т.е. каждому набору значений факторов в разных конкретных реализациях могут соответствовать не строго заранее опреде- ленные соответствующие значения объясняемой переменной, а её условные математические ожидания. Такая зависимость называется регрессионной.
! Замечания.
• Объясняющие переменные могут также быть случайными величинами.
• Объясняемую переменную Y иногда называют иначе - зависимая пере-
менная, выходная переменная, результирующая переменная, результативный признак, функция отклика. Объясняющие переменные ( X1 , X 2 ,..., X р ) иначе назы-
вают независимыми переменными, входными переменными, предсказывающими переменными, факторами, признаками-факторами, регрессорами и т.п.
Всего имеем (вместе с объясняемой переменной Y ) m = p +1 пере- менных. Количество наблюдений (объём выборки) будем обозначать n .
Объясняющую переменную Y практически невозможно определить через факторы абсолютно точно. Независимо от желания исследователя и по разным причинам при этом неизбежно возникают ошибки.
Наблюдаемые (иначе - фактические, экспериментальные, реальные)
значения y объясняемой переменной Y можно достаточно условно разде- лить на составляющие:
• объясненную часть (теоретическое значение) ˆy = f ( x ,x ,...,xр ), в
качестве которой обычно принимают условное математическое1 2ожидание
M x ( y); |
|
|
|
|
|
|
|
|
|
• случайную часть ε (ошибки, возмущения, невязки). |
|
||||||
|
Таким образом, |
ˆ |
ε |
= M x ( y ) + |
ε |
. |
(0.1) |
|
|
y = y + |
|
|
|||||
|
|
в наиболее общем виде выглядит |
|
|||||
или иначе |
ˆy = f ( x1 , x2 ,..., x р ) |
|
|
(0.2) |
||||
y = f ( x1 , x2 ,..., x |
) +ε . |
|
(0.2`) |
|||||
|
Эти уравнения (0.2) и (0.2`) |
выражают спецификацию эконометриче- |
||||||
ской модели – теоретический вид модели, формулу функции, которую зада- |
||||||||
ёт исследователь, исходя из своих предположений о характере связи между |
||||||||
переменными. |
|
|
|
|
|
|
|
|
|
Причины появления случайной составляющей ε : |
|||||||
|
• неучет в используемой модели некоторых факторов, |
от которых |
||||||
также существенно зависит Y (например, |
если в исследованиях полагать, |
что стоимость автомобиля зависят только от срока его эксплуатации, то тем самым будут неучтены, например, такие факторы, как его текущее техниче- ское состояние или наличие дополнительного оборудования);
7
Полянский Ю.Н. Эконометрика. Экономическое моделирование и прогнозирование.
• не достаточно точно выбранная спецификация модели (например, если считать, что доход магазина просто прямо пропорционален времени его работы, то можно не учесть неравномерность спроса в течение дня);
• наличие ошибок исходных данных:
- случайных ошибок (описок персонала, сбоев техники, неточно- стей округления чисел и т.п.);
- систематических преднамеренных и непреднамеренных ошибок (например, умышленного занижения бухгалтерской отчетности, использо- вание неверных экономических показателей, критериев и т.п.).
В каждом i-ом эксперименте для конкретной выборки размером n имеем не сами ошибки ε i , а их наблюдаемые значения ei - остатки.
Классификация эконометрических моделей:
1.По количеству объясняющих переменных:
•модель парной регрессии;
•модель множественной регрессии.
2.По виду функции регрессии:
•модель линейной регрессии;
•модель нелинейной регрессии.
3.По типу используемых данных:
•модель пространственной выборки;
•модель временного ряда;
•модели со смешанными данными.
4.По количеству эконометрических уравнений:
•модель с одним уравнением регрессии;
•модель с системой одновременных уравнений.
Любая модель (физическая, математическая, экономическая и т.п.)
– это в той или иной степени упрощение, идеализация явлений, собы- тий, объектов реального мира. Поэтому при их построении принимают- ся допущения (гипотезы, предпосылки) – некие идеальные условия, при которых соответствующая модель адекватно описывает действитель- ность. Нарушение того или иного допущения может привести к значи- тельной неточности, неадекватности полученной модели. Это не всегда значит, что данной моделью пользоваться нельзя. Надо лишь учитывать, что точность модели может пострадать. Возможно, при другом наборе допущений необходима и другая модель.
8
Полянский Ю.Н.
Эконометрика. Экономическое моделирование и прогнозирование.
Основные допущения регрессионного анализа:
1. Спецификация модели (конкретный вид зависимости)
|
|
y = f ( x |
1 , x2 ,..., x р ) +ε . |
(0.3) |
||
Конкретный вид функции выбирается исследователем индивиду- |
||||||
ально для конкретной задачи, исходя из формы поля корреляции, экономи- |
||||||
ческих, технических и т.п. соображений, величин соответствующих харак- |
||||||
теристик точности и значимости различных моделей. |
|
|
||||
2. Распределение случайного элемента |
не зависит от объясняющих |
|||||
переменных X j . Чаще используется более «сильное» требование: нестоха- |
||||||
стичность (неслучайность, детерминированность, заданность заранее) |
зна- |
|||||
чений всех объясняющих переменных |
x j : |
|
|
|
||
|
|
M ( xijε i |
) =0 , |
( i =1,2,...,n , j =1,2,..., p ). |
(0.4) |
|
При отсутствии случайности в значениях y |
зависимость попросту |
|||||
становится функциональной. |
Требование детерминированности x j в эко- |
|||||
номической практике часто довольно нереалистично, т.к. объясняющие пе- |
||||||
ременные зачастую сами определяются из других зависимостей. Кроме то- |
||||||
го, экономические расчеты редко удаётся повторить вновь с теми же значе- |
||||||
ниями объясняющих переменных. |
|
|
|
|
||
3. а) Несмещенность ошибок всех наблюдений |
|
|
||||
(1-е условие Гаусса-Маркова): |
|
|
|
|||
|
|
M ( εi ) = 0 , |
|
( i =1,2,..., n ). (0.5) |
||
Иначе: отсутствие систематических ошибок |
(завышения или зани- |
|||||
жения результата). |
|
|
|
|
|
|
Визуально: линия регрессии на графике должна проходить точно |
||||||
посередине поля корреляции на каждом диапазоне объясняемой перемен- |
||||||
ной. |
|
|
|
|
|
|
б) Постоянство дисперсии ошибок всех наблюдений |
|
|||||
(2-е условие Гаусса-Маркова): |
|
|
|
|||
D( ε ) =σ 2 =Const , |
|
( i =1,2,...,n ). (0.6) |
||||
Иначе: разброс объясняемой переменной y |
относительно своего |
|||||
|
i |
|
|
|
|
|
среднего значения при различных значениях конкретной объясняющей пе- ременной x должен быть постоянен. В противном случае оценки могут стать неэффективнымиj [13] и может наблюдаться явление гетеро-
скедастичности (см. подробнее в п.4.1.2).
Визуально: облако поля корреляции должно представлять собой как бы воображаемую полосу постоянной ширины.
9
Полянский Ю.Н. Эконометрика. Экономическое моделирование и прогнозирование.
в) Некоррелированность ошибок разных наблюдений |
|
|||
(3-е условие Гаусса-Маркова): |
|
|
||
r( εi , ε j |
) = 0 , |
|
( i ≠ j ). |
(0.7), |
Иначе: различные значения объясняемой переменной должны быть |
||||
абсолютно независимыми друг от друга. |
Между ними не должно быть си- |
|||
стематической связи в разных наблюдениях. В противном случае оценки ре- |
||||
грессии могут стать неэффективными и может наблюдаться явление авто- |
||||
корреляции (см. подробнее в п.5.1.3). |
Нарушение этого требования особен- |
|||
но характерно для временных рядов, |
где более ранние наблюдения часто |
|||
некоторое время заметно влияют на последующие. |
|
|||
Визуально: в соседних наблюдениях поля корреляции не должна |
||||
быть заметна периодичность – « волны». |
|
|
||
г) Нормальное распределение ошибок всех наблюдений: |
|
|||
ε |
~ N ( 0 ,σ 2 ). |
(0.8) |
||
Это дополнительное требование, |
основанное на центральной пре- |
|||
i |
|
|
|
|
дельной теореме: случайная величина распределена нормально тогда, когда |
||
она является результатом взаимодействия большого числа не связанных |
||
друг с другом случайных факторов, |
среди которых нет доминирующего. |
|
Это требование в экономических задачах часто выполняется автоматически. |
||
Для множественной регрессии добавляется ещё одно допущение. |
||
4. Некоррелированность объясняющих переменных между собой: |
|
|
r( xi , x j ) =0 , |
( i ≠ j ). |
(0.9) |
Это требование на практике обычно трудно выполнить: в природе и обществе многие факторы так или иначе взаимосвязаны. Желательно, чтобы в модели были только факторы, которые минимально коррелируют друг с другом. Нарушение условия может существенно снизить точность модели и вызвать явление мультиколлинеарности (см. подробнее в п.4.1.1).
Измерения в экономике
Исходя из самого названия науки «эконометрика», понятно, что эко- нометрические исследования связаны с процессом измерения экономиче- ских данных. Что понимать под измерением?
В широком смысле, измерение – это процесс выделения некоторого свойства объекта, по которому осуществляется получение, сравнение и упо- рядочение информации. Иначе: наблюдаемым свойствам, фактам, каче- ствам, законам ставятся в соответствие некоторые числовые значения.
В узком смысле, измерение – это сравнение полученных числовых значений с некоторым эталоном (единицей измерения).
10