
- •1. Парная регрессия
- •1.1. Спецификация модели
- •1.2. Парная линейная регрессия. Оценка параметров. Экономическая интерпретация
- •1.3. Основные предположения регрессионного анализа
- •1.4. Статистические свойства оценок. Проверка статистической значимости в парной линейной регрессии
- •1.5. Доверительные интервалы для оценок параметров. Доверительные интервалы прогноза для парной линейной регрессии
- •1.6. Метод Гольдфельда—Квандта проверки гипотезы гомоскедастичности
- •2. Множественная регрессия
- •2.1. Спецификация модели
- •2.2. Множественная линейная регрессия. Оценка параметров. Экономическая интерпретация
- •3. Системы одновременных уравнений
- •4. Временные ряды
- •4.1. Компоненты временных рядов
- •4.2. Критерии случайности
- •4.3. Оценка тренда и периодической составляющей
- •4.4. Критерий Дарбина—Уотсона
- •4.5. Сглаживание временного ряда с помощью простой скользящей средней
- •4.6. Сглаживание временного ряда с помощью взвешенной скользящей средней
- •4.7. Сглаживание временного ряда с помощью скользящей медианы
- •5. Практические задания
- •5.1. Лабораторная работа № 1. Парная линейная регрессия
- •5.2. Лабораторная работа № 2. Метод Гольдфельда—Квандта проверки гипотезы гомоскедастичности
- •5.3. Лабораторная работа № 3. Множественная линейная регрессия
- •5.4. Лабораторная работа № 4. Макроэкономическая модель Кейнса
- •5.5. Лабораторная работа № 5. Проверка случайности ряда наблюдений
- •5.6. Лабораторная работа № 6. Оценка тренда и периодической составляющей
- •5.7. Лабораторная работа № 7. Сглаживание временного ряда с помощью простой скользящей средней
- •5.8. Лабораторная работа № 8. Критерий Дарбина—Уотсона
- •5.9. Лабораторная работа № 9. Подбор и оценка тренда с помощью встроенных средств Excel
- •5.10. Тест по парной и множественной регрессии
- •6. Рекомендуемая литература
- •8. Приложения. Статистические таблицы
- •8.1. Приложение 1. Стандартное нормальное распределение
- •8.2. Приложение 2. Критические значения -критерия Стьюдента
- •8.3. Приложение 3. Критические значения -критерия Фишера
- •8.4. Приложение 4. Критические значения статистики Дарбина—Уотсона
- •8.5. Приложение 5. Критические значения распределения
- •199034, С.-Петербург, Университетская наб., 7/9
- •199061, С.-Петербург, Средний пр., 41.
5.4. Лабораторная работа № 4. Макроэкономическая модель Кейнса
Простейшая макроэкономическая модель Кейнса экономики страны имеет следующий вид:
(1)
где
— личное потребление в постоянных
ценах;
— национальный доход в постоянных
ценах;
— инвестиции в основной капитал и в
запасы экспорта и импорта;
—
случайная составляющая,
;
— параметры (неизвестные) линейной
зависимости потребления
от
.
В этой модели
и
— эндогенные переменные,
— экзогенная переменная. Система
уравнений (1) задает структурную форму
модели.
Для построения
оценок
и
параметров
используется косвенный метод наименьших
квадратов (КМНК). Для его применения
строится система приведенных уравнений,
в которой эндогенные переменные
и
выражаются через экзогенную переменную
:
(2)
Здесь
— параметры, определяемые через
структурные коэффициенты
и
;
случайная составляющая u
определяется через случайную
составляющую
и структурный коэффициент
.
Далее по известным
данным
,
строятся оценки
коэффициентов парных линейных регрессий
(3)
после
чего
из второго уравнения выражается через
и подставляется в первое уравнение. В
результате получаем эмпирическое
выражение функции
, (4)
где
и
— оценки структурных параметров
и
соответственно.
Практическое задание
1. Постройте
приведенную форму (2) модели Кейнса. Для
этого получите аналитически выражение
коэффициентов
через коэффициенты
и
структурной формы модели (1), а также
выражение случайной составляющей
через
.
2. Смоделируйте
выборку из 20 наблюдений
.
Для этого:
-
задайте произвольно 20 значений экзогенной переменной
;
-
значения случайной составляющей
, возьмите из нормального распределения
; при построении значений
можно воспользоваться функциями СЛЧИС и НОРМОБР или возможностями пакета Анализ данных;
-
значения
и
задайте произвольно;
-
по полученным ранее значениям
, с помощью системы приведенных уравнений (2) и выражения коэффициентов
через коэффициенты
и
найдите соответствующие значения
.
3. По полученным в
п. 2 данным найдите оценки
коэффициентов двух парных линейных
регрессий (3). Для нахождения оценок
воспользуйтесь функцией ЛИНЕЙН.
4. Используя
полученные в п. 3 оценки коэффициентов
парных регрессий (3), найдите зависимость
(4) значений
от
,
т.е. получите аналитическое выражение
коэффициентов
и
,
которые, в свою очередь, являются,
оценками структурных коэффициентов
и
.
5. Для того чтобы
убедиться в преимуществе подобного
метода построения оценок структурных
коэффициентов, сравним полученные
оценки с оценками, определяемыми при
построении «прямых» регрессий. Для
этого, воспользовавшись значениями
,
вычисленными в п. 2, постройте парную
регрессию
на
методом наименьших квадратов с помощью
функции ЛИНЕЙН:
.
6. Сравните оценку
,
найденную в п. 4, и оценку
,
полученную в п. 5.
7. Выполните все
предыдущие вычисления для
.
Сравните результаты.
8.Оформите отчет, в котором:
-
приведите исходные данные, найденные значения
и
;
-
на одной диаграмме постройте график зависимости
из (1) и график зависимости
из (4); сравните с графиком зависимости
из п. 5;
-
проверьте значимость полученных парных линейных регрессий в п.3 с помощью коэффициента детерминации
и
-статистики (воспользуйтесь стандартной функцией ЛИНЕЙН);
-
для уравнения (4), полученного в п. 4, также проверьте статистическую значимость, вычислив
и
-статистику по соответствующим формулам;
-
сравните коэффициенты и значимость парных регрессий (п. 4, 5), сравните также для этих уравнений значения средних ошибок аппроксимации; сделайте выводы о преимуществах различных методов.