- •Економетрія
- •Змістовий модуль 1: постановка задачі економетричного моделювання
- •1.1. Предмет, заВдання і зміст економетричного моделювання
- •1.1.1. Предмет економетрії
- •1.1.2. Проблеми і завдання економетричного моделювання
- •1.1.3. Зміст (послідовність) економетричного моделювання
- •1.2. Формування матриці даних для економетричного моделювання
- •1.2.1 Загальна характеристика матриці
- •1.2.2 Змінні в матриці
- •1.2.3. Об’єкти спостереження в матриці
- •1.2.4. Вимоги до розмірів матриці
- •1.2.5. Показники варіації змінних
- •1.2.6. Поля кореляції і їх аналіз
- •1.2.7. Вилучення аномальних об’єктів спостереження
- •1.3. Комплекс контрольних завдань
- •Навчальні елементи, що підлягають контролю і оцінюванню:
- •1.3.1. Тестові завдання
- •1.3.2. Логічні вправи
- •1.3.3. Розрахункові вправи
- •Змістовий модуль 2: специфікація економетричних моделей
- •2.1. Ідентифікація незалежних змінних
- •2.1.1. Мета і послідовність ідентифікації
- •2.1.2. Коефіцієнти парної кореляції і детермінації
- •2.1.3. Тестування суттєвості (невипадковості) коефіцієнтів кореляції
- •2.1.4. Інтервали довіри для коефіцієнтів кореляції
- •2.1.5 Мультиколінеарність
- •2.1.6. Бета - коефіцієнти
- •2.1.7. Тестування автономії екзогенних змінних
- •2.1.8. Коефіцієнт множинної кореляції і детермінації
- •2.1.9. Тестування значущості вкладу факторів у множинну детермінацію
- •2.1.10. Вилучення екзогенних змінних
- •2.2. Специфікація аналітичної форми рівнянь регресії
- •2.2.1. Мета і способи специфікації
- •2.2.2. Аналітичні форми рівнянь регресії
- •2.2.3. Спосіб перших різниць
- •2.2.4. Лінеаризація нелінійних рівнянь регресії
- •2.3. Комплекс контрольних завдань
- •Навчальні елементи, що підлягають контролю і оцінюванню:
- •2.3.1. Тестові завдання
- •2.3.2. Логічні вправи
- •2.3.3. Розрахункові вправи
- •Змістовий модуль 3: оцінювання параметрів економетричних моделей
- •3.1. Оцінювання параметрів рівнянь регресії
- •3.1.1. Мета і вимоги до оцінювання параметрів
- •3.1.2. Основні припущення щодо оцінювання параметрів
- •3.1.3. Метод найменших квадратів
- •3.1.4. Виконання за мнк основних припущень щодо оцінювання параметрів
- •3.1.5. Гетероскедастичність
- •3.1.6. Автокореляція
- •3.1.7. Значущість (адекватність) рівняння регресії
- •3.1.8. Перевірка значущості параметрів моделі
- •3.1.9. Інтервали довіри до коефіцієнтів регресії
- •3.2. Прогнозування залежної змінної
- •3.2.1. Прогнозування на парних моделях
- •3.2.2. Прогнозування на множинних моделях
- •3.3. Комплекс контрольних завдань
- •Навчальні елементи, що підлягають контролю і оцінюванню:
- •3.3.1. Тестові завдання
- •3.3.2. Логічні вправи
- •3.3.3. Розрахункові вправи
- •4. Відповіді до розрахункових вправ
- •Економетричних моделей
- •Список літератури
- •Критичні значення t для побудови прямокутного шаблону двомірного розсіювання*
- •Значення f – критерію Фішера
- •Навчальне видання
- •61002, Харків, хнамг, вул. Революції, 12
- •61002, Харків, хнамг, вул. Революції, 12
2.1.8. Коефіцієнт множинної кореляції і детермінації
Сила впливу на залежну змінну однієї окремо взятої незалежної змінної, як уже відомо, визначається коефіцієнтом парної кореляції. А як оцінити силу одночасного впливу на неї множини факторів разом узятих та ще і при наявності мультиколінеарності? Для цього використовуютькоефіцієнт множинної кореляції, який можна визначити за формулою А. Боярського:
(2.8)
У чисельнику (2.8)– визначник повної матриці коефіцієнтів кореляції із заміною одиниці у правому нижньому куті на нуль, а у знаменнику – визначник матриці коефіцієнтів взаємної кореляції. Визначник у чисельнику приймають в розрахунку за модулем.
Розрахуємо коефіцієнт множинної кореляції для нашого прикладу
а також множинний коефіцієнт детермінації
.
Останній показує, що 88,92 % варіації рентабельності пояснюється впливом двох факторів разом узятих, а 11,08% варіації, яку називають залишковою, є середньою помилкою апроксимації, притаманною рівнянню регресії, що розробляється.
Але ж раніше (підрозділ 2.1.2) ми визначали, що фактор Е пояснює 81%, а фактор К–56%, або 137% разом! Це ще раз свідчить про наслідки колінеарності факторів.
Як же розділити 88,92% між факторами? Доведено, що у множинній лінійній кореляції при наявності мультиколінеарності коефіцієнт частинної парної детермінації становить не , а
(2.9)
У нашому прикладі маємо
=0,6963*0,8981=0,6253; 62,5%,
=0,3513*0,7513=0,2639; 26,4%,
або 88,9% разом. Таким чином, різний рівень рентабельності у 29 підприємств на 62,5% пояснюється варіацією енергоозброєності праці і на 26,4% – варіацією коефіцієнта постійності складу ПВП.
Розглянута щойно властивість β-коефіцієнтів дозволяє набагато простіше розрахувати коефіцієнт множинної кореляції. Замість формули (3.8) можна скористатися
(2.10)
У нашому прикладі, як і очікувалось, за формулою (2.10) отримаємо вже відому міру сили множинної кореляції
.
2.1.9. Тестування значущості вкладу факторів у множинну детермінацію
Абсолютна величина вкладу будь-якого фактора у множинну детермінацію визначається коефіцієнтом частинної детермінації (2.9) , тобто
бо <1.
Отже мова йде про те, чи достатньо значущий доданок у сумарній величині. Для з‘ясування цього використовуємоρ-тест:
(2.11)
де - коефіцієнт множинної кореляції за умови виключення і-го фактора. Застосування ρ-тесту доволі трудомістке, адже треба розрахувати окрімщет коефіцієнтів множинної кореляції . Наприклад, якщо факторів чотири, треба визначити п‘ять коефіцієнтів множинної кореляції:,,,,. Зауважимо, що для розрахунку будь-якого з них необхідно в кожному разі заново розрахувати значення.
Тестування факторів за ρ-тестом ґрунтується саме на порівнянні значень двох коефіцієнтів множинної детермінації: 1) за всіма т факторами і 2) за т-1 факторами, тобто без фактора, що тестується. Якщо розрахункове значення ρі значуще, то з певною ймовірністю маємо . Для ймовірності 0,95 цей тест відповідає умовіρі1,96.
У нашому прикладі значення такі:
,
.
Вклад фактора енергоозброєності праці в множинну детермінацію рентабельності значущий і з ймовірністю більше 0,95 повинен вводитися до рівняння регресії (2,277>1,96). Про вклад фактора постійності ПВП з такою впевненістю стверджувати не можна, адже 1,148<1,96. але це не значить, що він взагалі незначущий. Звернемося до таблиці нормального розподілу (додаток 1) і визначимо ймовірність, що відповідає коефіцієнту довіри t=1,148. Вона становить 0,75. Отже значущість вкладу цього фактора можна стверджувати з ймовірністю 0,75, що не так уже й сумнівно.