- •Моделі ancova
- •2.1. Ancova - Модель при наявності у фіктивної змінної двох альтернатив
- •2.2. Моделі ancova за наявності у якісних змінних більш двох альтернатив
- •3. Використання фіктивних змінних у сезонному аналізі
- •Нелінійні моделі
- •2. Нелінійні регресії 1-го класу
- •2.1. Поліноміальна модель
- •2.2. Гіперболічна модель
- •3. Нелінійні регресії 2-го класу
- •3.1. Показникова моделі
- •3.2. Степенева модель
- •4. Виробнича функція Кобба – Дугласа
- •Основні наслідки мультиколінеарності:
- •Дослідження наявності мультиколінеарності
- •Ознаки мультиколінеарності
- •1. Поняття системи одночасних структурних рівнянь та різновиди їх форм
- •2. Необхідність використання систем рівнянь
- •1. Модель «Попит - пропозиція»
- •2. Модель формування доходів Кейнса
- •3. Моделі is-lm
- •2. Складові систем рівнянь
- •3. Мнк для систем одночасних рівнянь - непрямий метод найменших квадратів (нмнк).
- •Ідентифікація системи одночасних рівнянь
- •1. Часові ряди. Лаги економічних моделей
- •Причини наявності лагів в економіці
- •2. Оцінка моделей із лагами
- •3. Перетворення Койка
- •3. Структура часових рядів
- •Виявлення тренду:
- •4. Автокореляція спостережень часових рядів
- •5. Стаціонарні ряди
- •Прогнозування за допомогою часових рядів
3. Нелінійні регресії 2-го класу
3.1. Показникова моделі
Модель Y = аеβх (4) досить широко застосовується в економетричному аналізі. Найбільш важливим її застосуванням є ситуація, коли аналізується зміна фактора Y із постійним темпом приросту в часі: X символічно заміняється змінною t: Y = а еβt.
3.2. Степенева модель
Нехай деяка економічна залежність моделюється формулою Y = а0 Х а1, (5)
де а0 і а1 - параметри моделі, що підлягають визначенню. Ця функція може характеризувати:
залежність попиту Y на благо від його ціни X (у цьому випадку (а1 < 0) або від доходу X (у цьому випадку а1 > 0); при такій інтерпретації змінних X і Y функція (1) називається функцією Енгеля)
залежність обсягу випуску Y від використання ресурсу X (виробнича функція), 0 < а1 < 1.
Модель
(5) не є лінійною функцією відносно X
(похідна
залежної змінної Y
по X,
що
вказує
на зміну Y
щодо
зміни X,
буде
залежати від X:
),
тобто
не буде константою, що властиве тільки
нелінійним моделям. Стандартним і широко
використовуваним підходом до аналізу
функцій даного роду в економетриці є
логарифмування
за експонентою
е
.
Прологарифмувавши обидві частини (1), маємо: 1п Y =1па + β lnX.
Після заміни 1пА = βо модель (2) прийме вигляд 1п Y = βо + β1 lnX. (6)
З метою статистичної оцінки коефіцієнтів додамо в модель випадкову похибку ε й одержимо так звану подвійну логарифмічну модель (і залежна змінна, і пояснююча змінна задані в логарифмічному вигляді): 1п Y = β 0 + β ln Х + и (6*)
Дане рівняння є лінійним відносно 1пХ і 1п Y, а також щодо параметрів β0 і β. Вводячи заміни Y* = 1п Y і Х* = 1пХ, (4) можна переписати у вигляді: Y* = β о + β Х* + и. (7)
Модель (7) є лінійною моделлю. Якщо всі необхідні передумови класичної лінійної регресійної моделі для (7) виконані, то за МНК («ЛИНЕЙН») можна визначити незміщені оцінки коефіцієнтів βо і β. Але при цьому коефіцієнт детермінації розраховується не для фактичних змінних Y і Х, а для їх логарифмів. Тобто для оцінювання якості розрахованої моделі потрібно додатково розрахувати коефіцієнти детермінації:
№ п/п |
Х |
Y |
Y- |
(Y- )2 |
|
|
|
|
|
|
|
|
|
|
|
Σ |
|
|
|
|
|
→ 0 |
|
R2
=
1-
=
,
Dу
=
,
=
.
Коефіцієнт β є константою, яка характеризує сталу, тобто процентну зміну Y для даної процентної зміни X. Тому найчастіше подвійна логарифмічна модель називається моделлю постійної еластичності.
Дана модель легко узагальнюється на більшу кількість змінних. Наприклад,
1п Y = β0 + β1 lnX1 + β 2 lnX2 + ε. (9)
Тут коефіцієнти β1, β2 є еластичностями змінної Y за змінними X1 і Х2 відповідно.
