- •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.