- •Эконометрика
- •Лекция 1. Предмет и метод эконометрики. Ковариация, дисперсия и корреляция
- •1.1. Предмет и метод эконометрики
- •1.2. Выборочная ковариация.
- •1.3. Основные правила расчета ковариации.
- •1.4. Теоретическая ковариация.
- •1.5. Выборочная дисперсия. Правила расчета дисперсии.
- •1.6. Коэффициент корреляции.
- •1.7. Коэффициент частной корреляции.
- •Тест для самоконтроля
- •Лекция 2. Парная линейная регрессия.
- •2.1. Проблема оценивания линейной связи экономических переменных.
- •2.2. Модель парной линейной регрессии.
- •2.3. Регрессия по методу наименьших квадратов.
- •2.4. Интерпретация уравнения регрессии.
- •2.5. Качество оценки: коэффициент r2.
- •Тесты для самоконтроля
- •Лекция 3. Статистическая оценка достоверности выборочных показателей связи.
- •Оценка достоверности уравнения регрессии в целом
- •Определение средней ошибки, предельной ошибки и доверительных границ коэффициента корреляции
- •3.1. Оценка достоверности уравнения регрессии в целом
- •3.2. Определение средней ошибки, предельной ошибки и доверительных границ коэффициента корреляции
- •3.3. Проверка гипотезы и интервальная оценка коэффициента регрессии.
- •3.4. Средняя ошибка уравнения и интервальная оценка отдельных значений результативного признака.
- •Тесты для самоконтроля
- •Лекция 4. Нелинейная регрессия
- •4.1. Спецификация модели
- •4.2. Классификация нелинейных функций.
- •4.3. Отдельные виды нелинейных регрессий.
- •4.3.2. Равносторонняя гипербола.
- •4.3.3. Степенная функция.
- •4.4.Коэффициенты эластичности в нелинейных регрессиях.
- •4.5. Корреляция для нелинейной регрессии.
- •Тесты для самоконтроля
- •Лекция 5. Множественная регрессия и корреляция
- •Понятие множественной регрессии, и ее графическая интерпретация
- •Отбор факторов при построении модели.
- •Коллинеарность факторов. Методы преодоления межфакторной связи
- •Модульная единица 5.1. Параметризация и спецификация уравнения множественной регрессии
- •5.1.1. Понятие множественной регрессии, и ее графическая интерпретация
- •5.1.2. Отбор факторов при построении модели.
- •5.1.3. Коллинеарность факторов. Методы преодоления межфакторной связи
- •5.1.4. Параметризация уравнения множественной регрессии и его интерпретация
- •Тесты для самоконтроля
- •Модульная единица 5.2. Множественная и частная корреляция. Предпосылки мнк.
- •5.2.1.Множественная корреляция.
- •5.2.2. Скорректированный индекс детерминации (корреляции).
- •5.2.3. Частная корреляция.
- •5.2.4. Частные f- тесты
- •5.2.5. Предпосылки мнк.
- •Тесты для самоконтроля
- •Лекция 6. Моделирование динамических процессов
- •6.1. Элементы временного ряда
- •6.2. Автокорреляция
- •6.3. Выявление структуры временного ряда
- •6.4. Моделирование тенденции
- •6.5. Изучение взаимосвязи переменных по данным временных рядов
- •6.6. Критерий Дарбина-Уотсона
- •Тесты для самоконтроля
- •Лекция 7. Системы эконометрических уравнений
- •Модульная единица 7.1. Виды систем эконометрических уравнений и их идентификация. Косвенный метод наименьших квадратов
- •7.1.1. Понятие и необходимость применения систем уравнений
- •7.1.2. Косвенный метод наименьших квадратов
- •7.1.3. Проблема идентификации
- •Вопросы для повторения
- •Тесты для самоконтроля
- •Модульная единица 7.2. Методы решения сверхидентифицируемых систем
- •7.2.1. Двухшаговый метод наименьших квадратов
- •7.2.4. Исходные данные
- •7.2.2. Понятие о трехшаговом методе наименьших квадратов
- •7.2.3. Применение систем уравнений
- •Контрольные вопросы
- •Тесты для самоконтроля
- •Пример выполнения работы.
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Общая постановка задачи. Используя средства ms excel построить парную линейную модель регрессии, рассчитать показатели тесноты связи по индивидуальным данным.
- •Пример и методические указания к выполнению работы.
- •1. Исходные данные
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Общая постановка задачи. Используя встроенный инструмент «Регрессия» ms excel, построить парную линейную модель регрессии, оценить результаты.
- •Пример и методические указания к выполнению работы.
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Пример и методические указания к выполнению работы.
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Пример и методические указания к выполнению работы.
- •1. Исходные данные
- •2. Оценка значимости. Точечная и интервальная оценки параметров уравнения регрессии
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Общая постановка задачи. Используя средства ms excel построить множественную линейную модель регрессии, рассчитать показатели тесноты связи по индивидуальным данным.
- •Пример и методические указания к выполнению работы.
- •2 Способ.
- •4 Способ.
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Общая постановка задачи. Требуется проверить модель регрессии на гетероскедастичность остатков
- •Пример и методические указания к выполнению работы.
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Общая постановка задачи. Используя средства ms excel построить уравнение тренда.
- •Пример и методические указания к выполнению работы.
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Общая постановка задачи. Построить модель связи между экономическими переменными по данным временных рядов.
- •Пример и методические указания к выполнению работы.
- •1. Исходные данные
- •2. Автокорреляционные функции
- •2.1. Тест на автокорреляцию остатков трендов
- •3. Первые разности
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Список индивидуальных данных:
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Пример и методические указания к выполнению работы.
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Общая постановка задачи.
- •Пример и методические указания к выполнению работы.
- •2. Исходные данные
- •Контрольные вопросы к защите
- •Способ оценки результатов
- •Словарь основных терминов и определений (глоссарий)
- •Промежуточный тест по дисциплине «Эконометрика» Учебный модуль 3. Модульная единица 6.
- •Тестовые задания
- •Итоговый тест по дисциплине «Эконометрика»
- •1. Шкала проходных баллов по модулям
- •Модульная единица 2. Парная линейная регрессия.
- •Модульная единица 3. «Статистическая оценка достоверности выборочных показателей связи»
- •Модуль 2. Множественная регрессия и корреляция Модульная единица 5.1. Параметризация и спецификация уравнения множественной регрессии
- •Модуль 4. Системы эконометрических уравнений Модульная единица 7.1. Виды систем эконометрических уравнений и их идентификация. Косвенный метод наименьших квадратов
- •Модуль 4. Модульная единица 7.2. «Методы решения сверхидентифицируемых систем»
- •Контрольные работы промежуточного контроля Контрольная работа №1(модульные единицы 1, 2, 3)
- •Предмет и метод эконометрики.
- •Контрольная работа №1(модульные единицы 1, 2, 3)
- •Контрольная работа №1(модульные единицы 1, 2, 3)
- •Контрольная работа №1(модульные единицы 1, 2, 3)
- •Контрольная работа №1(модульные единицы 1, 2, 3)
- •Контрольная работа №1(модульные единицы 1, 2, 3)
- •Контрольная работа №2 (модульная единица 4)
- •5. Классификация нелинейных функций.
- •Контрольная работа № 3 (модуль 5, модульные единицы 5.1, 5.2)
- •Контрольная работа № 4 (модуль 7, модульные единицы 7.1, 7.2)
- •Контрольные вопросы итогового контроля
6.3. Выявление структуры временного ряда
Анализ автокорреляционной функции и коррелограммы позволяет выявить структуру временного ряда. Выявить структуру временного ряда – это значит выявить наличие или отсутствие его основных компонент (Т – трендовой компоненты и S – сезонной или циклической компоненты). Ряд может состоять только из трендовой и случайной компонент; или циклической и случайной; может содержать только случайную компоненту или все три компоненты одновременно (рис. 6.1.1).
Если наиболее высоким оказался коэффициент первого порядка, то исследуемый ряд содержит только тенденцию (табл. 6.1.1, вариант А).
Таблица 6.1.1 Варианты автокорреляционной функции
Лаг |
Коэффициенты автокорреляции |
|||
Варианты |
||||
А |
Б |
В |
Г |
|
1 |
0,98 |
0,43 |
0,63 |
0,09 |
2 |
0,95 |
0,97 |
0,38 |
0,12 |
3 |
0,94 |
0,51 |
0,72 |
0,07 |
4 |
- |
0,92 |
0,97 |
0,10 |
5 |
- |
- |
0,55 |
- |
6 |
- |
- |
0,40 |
- |
Если наиболее высоким оказался коэффициент автокорреляции порядка К, то ряд содержит циклические колебания с периодичностью в К моментов времени, Так, например, если при анализе временного ряда наиболее высокими оказались коэффициенты автокорреляции второго порядка, то ряд имеет циклы в два периода времени, то есть имеет так называемую пилообразную структуру (вариант Б). Наиболее высокий коэффициент четвертого порядка указывает на наличие в ряду цикла в четыре момента (периода) времени (вариант В). Если ни один из коэффициентов не является статистически значимым (вариант Г), то можно сделать следующие предположения:
ряд не содержит ни тенденции, ни циклов, а состоит только из случайной компоненты;
ряд содержит сильную нелинейную тенденцию, для выявления которой нужно провести дополнительный анализ.
6.4. Моделирование тенденции
Один из наиболее распространенных способов моделирования тенденции временного ряда – это подбор и решение математического уравнения, которое бы отражало зависимость уровней ряда от фактора времени. Такие функции называются трендами, а способ построения такой функции – это способ аналитического выравнивания временного ряда.
Зависимость от времени может принимать разные формы, поэтому, как и в случае регрессионных уравнений, для построения трендов могут быть выбраны разные функции:
линейный тренд ;
гипербола ;
экспонента , где е = 2,71828;
степенная функция ;
парабола и другие.
Параметры таких функций могут быть определены обычным МНК. Параметризация нелинейных трендов требует предварительной их линеаризации.
Как определить форму тренда? Существует несколько способов решения этой проблемы. Самый простой способ – это визуальный анализ графика зависимостей уровней ряда от времени. Второй способ – это определение основных показателей динамики. Если цепные абсолютные приросты для всего ряда примерно равны друг другу, то это линейный тренд; если примерно равны друг другу цепные коэффициенты роста, то функция может быть степенной или показательной. Третий способ определения формы тренда – это анализ коэффициентов автокорреляции. Если временной ряд имеет линейную тенденцию, то его соседние уровни тесно коррелированны, и в этом случае коэффициент автокорреляции первого порядка должен быть очень высокий.
Если есть подозрение на существование нелинейной зависимости, то следует прологарифмировать исходный ряд данных и определить коэффициент автокорреляции первого порядка по логарифмам уровней. Чем сильнее выражена нелинейная тенденция, тем выше будет автокорреляция логарифмов по сравнению с автокорреляцией исходных данных.
Если форму связи всеми перечисленными способами определить достаточно трудно, то перебирают все основные формы трендов, учитывая при этом соотношение числа наблюдений и числа определяемых параметров. Для каждого уравнения определяют коэффициент детерминации и выбирают уравнение с максимальным его значением (экспериментальный способ). Реализация этого метода предполагает компьютерную обработку данных.
Наиболее простую экономическую интерпретацию имеют параметры линейного и показательного трендов. Параметры линейного тренда интерпретируются следующим образом: Параметр а – начальный уровень временного ряда в момент времени t = 0; b – средний абсолютный прирост уровней ряда за один период.
Уравнение показательного тренда имеет вид . Параметр а – начальный уровень временного ряда в момент времени t = 0, а показатель степени t - это средний за единицу времени коэффициент роста уровней ряда.
Если форма тренда описывается параболой, то качественный анализ такого тренда предполагает определение поворотных точек в динамике, замедления или ускорения темпов изменения, начиная с определенного момента времени под влиянием ряда факторов. В случае, если уравнение тренда выбрано неверно, то результаты анализа и прогнозирования динамики временного ряда с использованием выбранного уравнения будут недостоверными вследствие ошибок спецификации.
Для оценки пригодности уравнения тренда для прогноза, также как и для регрессионной модели, может быть рассчитана средняя ошибка аппроксимации
(%) (6.1.3)
Если ее величина не превышает 8-10%, то уравнение тренда может быть использовано в прогнозировании будущих значений результативного признака.