- •Содержание
- •Введение
- •1. Парная корреляция и регрессия
- •1.1. Спецификация модели
- •1.2. Линейная корреляция и регрессия
- •1.3. Нелинейная регрессия
- •1.4. Проверка значимости линейного уравнения регрессии
- •1.5. Корреляция для нелинейной регрессии
- •1.6. Предпосылки метода наименьших квадратов
- •1.7. Обобщенный метод наименьших квадратов
- •2. Множественная корреляция и регрессия
- •2.1. Множественный корреляционный анализ
- •2.2. Спецификация модели
- •2.3. Частные уравнения регрессии
- •2.4. Выбор формы уравнения множественной регрессии
- •Оценка параметров уравнения множественной регрессии
- •2.6. Многошаговый регрессионный анализ
- •3.1.2. Способы выявления структурной неоднородности
- •3.2. Методы последовательного разбиения
- •3.3. Методы многомерной классификации
- •3.3.1. Мера сходства
- •3.3.2. Модели кластерного анализа
- •4.2. Числовые характеристики экономического развития
- •4.3. Состав динамического ряда
- •4.4. Моделирование одномерных динамических рядов
- •4.4.1. Типы экономического развития и их трендовые модели
- •4.4.2. Построение трендовых моделей
- •4.4.3. Сглаживание временных рядов
- •4.4.4. Моделирование тенденции временного ряда при наличии структурных изменений
- •4.4.5. Влияние автокорреляции на структуру временного ряда
- •4.5. Многомерные временные ряды
- •4.5.1. Сущность и особенности многомерных динамических рядов
- •4.5.2. Способы построения множественной регрессионной модели по временным рядам
- •5.1.2. Связь однородности статистической совокупности с типом моделей
- •5.2. Динамическое моделирование взаимосвязей в структурно-однородных совокупностях
- •5.2.1. Методы построения пространственно-динамических
- •Моделей
- •5.2.2. Выбор вида пространственно-динамической модели
- •5.2.3. Динамизация параметров связи
- •5.3.2. Построение динамических моделей на основе временных выборок
- •6. Системы эконометрических уравнений
- •6.1.Общие понятия и способы представления систем эконометрических уравнений
- •6.2. Структурная и приведенная формы модели
- •6.3. Проблемы идентификации структурной модели
- •6.4. Оценка параметров структурной модели
- •6.5. Двухшаговый метод наименьших квадратов
- •7. Динамические эконометрические модели
- •7.1. Общая характеристика моделей с распределенным лагом и моделей авторегрессии
- •7.2. Оценка параметров авторегрессионных моделей
- •7.3. Интерпретация параметров модели с распределенным лагом
- •7.4. Интерпретация параметров модели авторегрессии
- •7.5. Изучение структуры лага и выбор вида модели с распределенным лагом
- •7.6. Лаги Алмон
- •8. Статистическое прогнозирование динамических рядов
- •8.1. Сущность и виды статистических прогнозов
- •8.2. Методы статистического прогнозирования
- •8.2.1. Экстраполяция динамических рядов
- •8.2.2. Прогнозирование на основе экспоненциального сглаживания
- •8.2.3. Прогнозирование на основе регрессионных и авторегрессионных моделей
- •Список литературы
5.2. Динамическое моделирование взаимосвязей в структурно-однородных совокупностях
5.2.1. Методы построения пространственно-динамических
Моделей
В данном разделе рассматриваются методы моделирования зависимостей на основе пространственно-временных выборок. Предполагается, что статистическая совокупность является однородной в каждый период времени, т.е. состоит из объектов с идентичной структурой связи показателей.
Пусть – число временных периодов; – объём выборки в момент времени ; – значения результативного признака для i-го объекта, ; – значения факторных признаков; m – число факторных признаков.
В силу однородности совокупности объектов для каждого периода строится своя пространственная модель (одногодичное уравнение), например, линейное множественное уравнение связи
. (5.1)
Параметры данной модели оцениваются обычным МНК.
Необходимо построить обобщенную пространственно–динамическую модель зависимости признаков, которая аппроксимирует данную связь на всем периоде наблюдения
. (5.2)
Построение обобщенной модели (5.2) проводят одним из трех методов.
А. Метод агрегации (предварительного усреднения) данных
На первом этапе определяются средние значения признаков за весь период наблюдений для каждого объекта
,
где – номер признака, ;
– номер объекта, .
На втором этапе строится пространственная модель связи (5.2) по вычисленным средним значениям признаков.
Данный метод приводит к удовлетворительным результатам только в том случае, если все объекты развиваются одинаково, т.е. имеют сходную динамику показателей.
B. Метод «заводо-лет»
Применяется в случае небольшого числа объектов, когда объем пространственной совокупности недостаточен для построения моделей связи показателей. Соответствующий алгоритм предусматривает увеличение объема выборки за счет того, что каждый объект включается в совокупность столько раз, сколько зафиксировано периодов наблюдения. Для расширенной выборки строится одна единственная пространственная модель (5.2).
Предположим, что n-объектов характеризуется одним факторным признаком ( ), наблюдались два периода времени ( ). Расширенная совокупность включает наблюдений. Коэффициент регрессии линейного уравнения связи в этом случае равен
.
Среднее по расширенной выборке значение результативного показателя
,
где – средние значения результативного признака в первый и второй периоды соответственно.
Аналогично
.
Для отдельных периодов коэффициенты регрессии линейных уравнений связи в отдельный период равны
,
где – оценка дисперсии факторного признака в период t.
C. Метод усреднения показателей связи
На первом этапе строятся одногодичные уравнения связи (5.1). На втором этапе проводится непосредственное усреднение полученных параметров связи как
,
где – вес, в качестве которого можно использовать оценки дисперсии j- го фактора в период t – .