- •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
3.1.9. Інтервали довіри до коефіцієнтів регресії
Коефіцієнти регресії аi, як і коефіцієнти кореляції, мають t –розподіл Стьюдента. Тому довірчі інтервали для невідомих нам істинних коефіцієнтів регресії i визначається так:
аi – ≤ αi ≤ аi + . (3.23)
У нашому прикладі аЕ = 0,6556, = 0,0876 , αK = 0,0569,= 0,0227, а0 = 3,2427, = 0,644. Отже можна стверджувати, що істинні коефіцієнти регресії знаходяться в межах
0,6556 – 0,0876 ≤ αE ≤ 0,6556 + 0,0876 ,
0,0569 – 0,0227 ≤ αK ≤ 0,0569 + 0,0227,
3,2427 – 0,644 ≤ α0 ≤ 3,2427 + 0,644
або
0,568 ≤ αE ≤ 0,743,
0,0333 ≤ αK ≤ 0,0796 ,
2,599 ≤ α0 ≤ 3,887 .
Зауважимо, що коли інтервал довіри включає число “нуль”, відповідний фактор безумовно незначущий, бо помилка коефіцієнта регресії перевишує його величину. Зауважимо також, що такі випадки не трапляються, якщо на стадії ідентифікації фактори тестувалися на автономність впливу (див. підрозділ).
3.2. Прогнозування залежної змінної
3.2.1. Прогнозування на парних моделях
Парну (просту) лінійну регресію
після перевірки її на адекватність і значущість параметрів і(див. підрозділ 5.7) ми можемо використовувати для прогнозування (розрахунків) залежної змінноїу для будь-яких прогнозних значень змінної х. Слід мати на увазі, що рівняння регресії надійно відображає залежність в межах абсолютного розмаху варіації х (). Тому при прогнозних значеннях х, що виходять за ці межі, надійність прогнозу знижується. Отже інтерполяція за регресією незаперечна, а інтерполяція має бути обережною.
Розрізняють два типа прогнозів за рівнянь регресії: точкові й інтервальні.
Точковий прогноз залежної змінної визначають підстановкою у рівняння регресії прогнозного значення фактора:
.
Прогнозне значення є точковою оцінкою дійсного значення, яке, як відомо, дорівнює
,
де - значення неспостережуваної випадкової величини. Оскільки дійсне значеннявідрізняється від прогнозного, то необхідна побудоваінтервального прогнозу – інтервалу довіри для , в якому із заданою ймовірністю буде знаходиться дійсне значення.
Інтервал довіри для математичного сподіваннявизначається за формулою
, (3.24)
де, як і раніше, - середньоквадратичне відхилення випадкової величиние . Нагадаємо, що
.
Розглянемо умовний приклад. Рівняння регресії має такий вигляд:
;
=22; - 0,75; =8,06; =22,3. Тоді, для прогнозного значення =10 точковий прогнозстановить
=5,67+2,72*10=32,87.
Інтервал довіри за формулою (3.24) дорівнює
σ= 0,75.
Отже, дійсне значення з ймовірністю 0,95 має знаходитися в межах
32,87 – 0,35 ≤≤ 32,87+0,35,
або
32,52 ≤≤ 33,22.
Зауважимо, що помилка прогнозу не постійна. Як видно з формули (3.24), в міру збільшення або зменшення прогнозних значеньвідносно помилка прогнозу зростає. Наприклад, при =15 помилка прогнозу зросте за формулою (3.24) до 1,11. якщо =5, то вона також буде більшою, а саме 0,51. Найменша помилка прогнозу буде для ==8,06, в цьому разі вона дорівнює всього 0,16.
Отже на віддалених ділянках варіації незалежної змінної помилки прогнозу залежної змінної зростають, а довіра до прогнозу зменшується (рис.3.4).
Рис. 3.4 − Границі помилок прогнозу для парної лінійної регресії
Інтервали довіри до прогнозу будуються заздалегідь шляхом варіювання в розумних межах. Це усуває необхідність визначати інтервали довіри в кожному окремому випадку прогнозування залежної змінної.