- •Эконометрика
- •3. Системы эконометрических уравнений…………...………………87
- •4. Временные ряды……………………………………………………..102
- •Предисловие
- •Введение
- •1. Парная регрессия и корреляция
- •1.1. Линейная модель парной регрессии и корреляции
- •1.2. Нелинейные модели парной регрессии и корреляции
- •2. Множественная регрессия и корреляция
- •2.1. Спецификация модели. Отбор факторов при построении уравнения множественной регрессии
- •2.2. Метод наименьших квадратов (мнк). Свойства оценок на основе мнк
- •2.3. Проверка существенности факторов и показатели качества регрессии
- •2.4. Линейные регрессионные модели с гетероскедастичными остатками
- •А б
- •2.5. Обобщенный метод наименьших квадратов (омнк)
- •2.6. Регрессионные модели с переменной структурой (фиктивные переменные)
- •3. Системы эконометрических уравнений
- •3.1. Структурная и приведенная формы модели
- •3.2. Проблема идентификации
- •3.3. Методы оценки параметров структурной формы модели
- •4. Временные ряды
- •4.1. Автокорреляция уровней временного ряда
- •4. 2. Моделирование тенденции временного ряда
- •4.3. Моделирование сезонных колебаний
- •4.4. Автокорреляция в остатках. Критерий Дарбина-Уотсона
- •Случайные переменные Дискретная случайная переменная
- •Математическое ожидание дискретной случайной величины
- •Математические ожидания функций дискретных случайных переменных
- •Правила расчета математического ожидания
- •Независимость случайных переменных
- •Теоретическая дисперсия дискретной случайной переменной
- •Вероятность в непрерывном случае
- •Постоянная и случайная составляющие случайной переменной
- •Способы оценивания и оценки
- •Оценки как случайные величины
- •Несмещенность
- •Эффективность
- •Противоречия между несмещенностью и минимальной дисперсией
- •Влияние увеличения размера выборки на точность оценок
- •Состоятельность
- •Тестовые задания
- •Варианты индивидуальных заданий d.1. Парная регрессия и корреляция
- •Решение
- •Варианты индивидуальных заданий
- •Вариант 1
- •Решение
- •Варианты индивидуальных заданий
- •Вариант 1
- •Вариант 2
- •Вариант 3
- •Вариант 4
- •Вариант 5
- •Вариант 6
- •Вариант 7
- •Вариант 8
- •Вариант 9
- •Вариант 10
- •D.3. Системы эконометрических уравнений
- •E.2. Критические значения -критерия Стьюдента при уровне значимости 0,10, 0,05, 0,01 (двухсторонний)
- •E.3. Значения статистик Дарбина-Уотсона при 5%-ном уровне значимости
- •Литература Основная:
- •Дополнительная:
Противоречия между несмещенностью и минимальной дисперсией
В данном обзоре мы уже выяснили, что для оценки желательны несмещенность и наименьшая возможная дисперсия. Эти критерии совершенно различны, и иногда они могут противоречить друг другу. Может случиться так, что имеются две оценки теоретической характеристики, одна из которых является несмещенной (на рис.A.8), другая же смещена, но имеет меньшую дисперсию ().
Рис. A.8.
Оценка хороша своей несмещенностью, но преимуществом оценкиявляется то, что ее значения практически всегда близки к истинному значению. Какую из них вы бы выбрали?
Данный выбор зависит от обстоятельств. Если возможные ошибки вас не очень тревожат при условии, что за длительный период они «погасят» друг друга, то, по-видимому, вы выберете . С другой стороны, если для вас приемлемы малые ошибки, но неприемлемы большие, то вам следует выбрать.
Формально говоря, выбор определяется функцией потерь, стоимостью сделанной ошибки как функцией ее размера. Обычно выбирают оценку, дающую наименьшее ожидание потерь, и делается это путем взвешивания функции потерь по функции плотности вероятности. (Если вы не любите риск, то можете также пожелать учесть дисперсию потерь.)
Влияние увеличения размера выборки на точность оценок
Будем по-прежнему предполагать, что мы исследуем случайную переменную с неизвестным математическим ожиданиеми теоретической дисперсиейи что для оцениванияиспользуется. Каким образом точность оценкизависит от числа наблюдений?
Ответ неудивителен: при увеличении оценка, вообще говоря, становится более точной. В единичном эксперименте большая по размеру выборка необязательно даст более точную оценку, чем меньшая выборка, – всегда может присутствовать элемент везения, – но общая тенденция должна быть именно такой. Поскольку дисперсиявыражается формулой(доказательство этого факта мы опускаем), она тем меньше, чем больше размер выборки, и, значит, тем сильнее «сжата» функция плотности вероятности для.
Это показано на рис. A.9. Мы предполагаем, что нормально распределена со средним 25 и стандартным отклонением 50. Если размер выборки равен 25, то стандартное отклонение величины, равное, составит:. Если размер выборки равен 100, то это стандартное отклонение равно 5. На рис. А.9 показаны соответствующие функции плотности вероятности. Вторая () выше первой в окрестности, что говорит о более высокой вероятности получения с ее помощью аккуратной оценки. За пределами этой окрестности вторая функция всюду ниже первой.
Рис. A.9.
Чем больше размер выборки, тем уже и выше будет график функции плотности вероятности для . Еслистановится действительно большим, то график функции плотности вероятности будет неотличим от вертикальной прямой, соответствующей. Для такой выборки случайная составляющаястановится действительно очень малой, и поэтомуобязательно будет очень близкой к. Это вытекает из того факта, что стандартное отклонение, равное, становится очень малым при больших.
В пределе, при стремлении к бесконечности,стремится к нулю истремится в точности к.