- •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
2.2.2. Аналітичні форми рівнянь регресії
В економетричному моделюванні часто і обґрунтовано застосовують лінійні форми рівнянь регресії як парні (прості),
, (2.1.2)
так і багатофакторні
. (2.1.3)
У цих рівняннях, як ми вже знаємо, параметр означає величинуу, яка не залежить від варіації незалежних змінних і обумовлюється іншими факторами. Його називають у парній регресії перетином. Параметривизначають змінуу при зміні на одну одиницю. У парній регресії його називають нахилом (див. рис. 2.3).
Рис. 2.3 − Параметри парної лінійної регресії
Дійсно, – це відрізок до точки перетину лінії регресії з віссюу , а - тангенс кута нахилу лінії регресії до вісіх. У множинній регресії такі назви параметрів (перетин, нахил) не прийнятні, бо в даному разі ми маємо не площину, а багатовимірний простір.
Розрізняють два види (класи) нелінійних регресій. До першого належать регресії, що нелінійні за факторами , але лінійні відносно параметрів, які підлягають оцінюванню. Такі регресії називаютьсяквазілінійними. До квазілінійних регресій відносяться, наприклад, параболічні другого порядку (квадратичні)
(2.14)
і гіперболічні (зворотні)
. (2.15)
За допомогою парної регресії квадратичної форми можна апроксиміювати прискорене або уповільнене зростання, а також прискорене або уповільнене падіння у при збільшенні х. Парабола другого порядку має вершину, тобто точку насичення зростання або падіння, після якої тенденція зміни у змінюється на симетрично протилежну. Парабола третього порядку має S – подібну форму з двома точками насичення.
Парна гіперболічна регресія придатна для апроксиміювання уповільненого падіння у при зростанні х і має лінію насичення .
Другий клас нелінійних регресій складають суттєво нелінійні регресії, що характеризуються нелінійністю за своїми параметрами. До них належать часто використовувані степенева
; (2.16)
і показникова форми
; . (2.17)
Парні степеневі й показникові форми регресії придатні для апроксиміювання прискореного або уповільненого зростання, а також прискореного або уповільненого падіння залежної змінної, але ці тенденції не обмежені, як у параболи другого порядку, насичення відсутнє.
В окремих випадках застосовують більш складні форми суттєво нелінійної регресії:
модифікована експонента
, (2.18)
крива Гомперця
, (2.19)
логістична крива (крива Перла-Ріда)
. (2.20)
У цих формах і– невідомі параметри рівняння регресії, що підлягають оцінюванню.
На рис. 2.4 наведені приклади графіків криволінійних форм парної регресії (для >0;x>0):
1/2
а0
Рис. 2.4 − Графіки квазілінійних і суттєво нелінійних форм залежностей