- •Учебно-методические материалы к изучению дисциплины «Эконометрика»
- •Введение
- •1 Эконометрика и математическая статистика
- •Особенности статистических данных. Источники информации
- •1.2. Выборочная ковариация и выборочная дисперсия
- •Потребительские расходы на бензин и его реальная цена в условных единицах
- •Расчет выборочной ковариации
- •1.3 Метод Монте-Карло
- •2. Метод наименьших квадратов
- •2.1. Модель парной регрессии
- •2.2. Регрессия по методу наименьших квадратов
- •2.3. Формулы для коэффициентов регрессии. Обязательные свойства линии регрессии. Недостатки метода наименьших квадратов
- •2.4. Объясненная и необъясненная дисперсия зависимой переменной. Коэффициент r2, его связь с коэффициентом корреляции
- •Расчетная таблица
- •3 Свойства коэффициентов регрессии
- •3.1 Теорема Гаусса - Маркова. Смысл условий теоремы
- •Расчеты значений y
- •Результаты оценки значений a и b
- •Результаты расчетов значений y
- •Результаты оценки значений a и b
- •3.2. Стандартные отклонения и стандартные ошибки коэффициентов регрессии
- •Результаты расчетов стандартных ошибок
- •Результаты расчетов
- •4. Проверка гипотез
- •4.1. Выбор нулевой и альтернативной гипотезы
- •4.2. Уровень значимости
- •4.3 Ошибки I и II рода, степени свободы критическое значение, доверительный интервал. Т-тест для коэффициентов регрессии
- •4. 4. Односторонние и двусторонние тесты
- •4.7. Связь между тестами
- •5. Нелинейная регрессия. Простейшие модели
- •5.1. Нелинейность по переменным и нелинейность по параметрам
- •Соотношение между ежегодным потреблением бананов и годовым доходом
- •5.2. Логарифмирование
- •5.3. Эластичность и ее моделирование
- •5.4 Случайный член как множитель
- •5.5. Тест Бокса – Кокса (решетчатый поиск). Подбор функции методом Зарембки
- •Регрессии расходов на питание и жилье
- •Результаты оценивания регрессий для расходов
- •Алгоритмы вычисления эконометрических показателей
- •Список рекомендуемых литературных источников
Расчеты значений y
|
|
|
|
0 |
|
1 |
-0,59 |
1,91 |
11 |
1,59 |
9,09 |
2 |
-0,24 |
2,76 |
12 |
-0,92 |
7,08 |
3 |
-0,83 |
2,67 |
13 |
-0,71 |
7,79 |
4 |
0,03 |
4,03 |
14 |
-0,25 |
8,75 |
5 |
-0,36 |
4,12 |
15 |
1,69 |
11,19 |
6 |
-2.19 |
2,81 |
16 |
0,15 |
10,15 |
7 |
1,03 |
6,53 |
17 |
0,02 |
10,52 |
8 |
0,24 |
6,24 |
18 |
-0,11 |
10,89 |
9 |
2,53 |
9,03 |
19 |
-0,91 |
10,59 |
10 |
-0,13 |
6,87 |
20 |
1,42 |
13,42 |
Второй эксперимент также был успешным. Теперь оказалось больше , - несколько меньше . В табл. 3.2 приведены оценки и при 10-кратном повторении эксперимента с использованием разных наборов случайных чисел в каждом варианте.
Таблица 3.2
Результаты оценки значений a и b
Эксперимент |
|
|
1 |
1,63 |
0,54 |
2 |
2,52 |
0,48 |
3 |
2,13 |
0,45 |
4 |
2,14 |
0,50 |
5 |
1,71 |
0,56 |
6 |
1,81 |
0,51 |
7 |
1,72 |
0,56 |
8 |
3,18 |
0,41 |
9 |
1,26 |
0,58 |
10 |
1,94 |
0,52 |
Можно заметить, что, несмотря на то, что в одних случаях оценки принимают заниженные значения, а в других - завышенные, в целом значения и группируются вокруг истинных значений и , равных соответственно 2,00 и 0,50. При этом хороших оценок получено больше, чем плохих. Например, фиксируя значения при очень большом числе повторений эксперимента, можно построить таблицу частот и получить аппроксимацию функции плотности вероятности, показанную на рис. 3.1. Это нормальное распределение со средним 0,50 и стандартным отклонением 0,0388.
Рис. 3.1 Распределение в эксперименте по методу Монте-Карло
Выше говорилось, что расхождения между коэффициентами регрессии и истинными значениями параметров вызваны случайным членом . Отсюда следует, что чем больше элемент случайности, тем, вообще говоря, менее точными являются оценки.
Таблица 3.3
Результаты расчетов значений y
|
|
|
|
|
|
1 |
-1,18 |
1,32 |
11 |
3,18 |
10,68 |
2 |
-0,48 |
2,52 |
12 |
-1,84 |
6,16 |
3 |
-1,66 |
1,84 |
13 |
-1,42 |
7,08 |
4 |
0,06 |
3,94 |
14 |
-0,50 |
8,50 |
5 |
-0,76 |
3,74 |
15 |
3,38 |
12,88 |
6 |
-4,38 |
0,62 |
16 |
0,30 |
10,30 |
7 |
2,06 |
7,56 |
17 |
0,04 |
10,54 |
8 |
0,48 |
6,48 |
18 |
-0,22 |
10,78 |
9 |
5,06 |
11,56 |
19 |
-1,82 |
9,68 |
10 |
-0,26 |
6,74 |
20 |
2,84 |
14,84 |
Этот вывод будет проиллюстрирован с помощью второй серии экспериментов по методу Монте-Карло, связанной с первой. Мы будем использовать те же значения и , что и раньше, те же значения и тот же источник случайных чисел для генерирования случайного члена, но теперь будем брать значения случайного члена в каждом наблюдении. Последний выразим через (i=1, 2, …, n), значения которого равны удвоенному случайному числу: ,…, . Фактически мы используем в точности ту же выборку случайных чисел, что и раньше, но на этот раз удвоим их значения. Теперь на основе данных табл. 3.1 рассчитаем табл. 3.3. Далее, оценивая регрессию между и , получим уравнение:
. (3.10)
Это уравнение гораздо менее точно, чем уравнение (3.8).
Таблица 3.4