- •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
Контрольные вопросы к защите
Что такое автокорреляция уровней временного ряда?
Дайте определение тренда.
Перечислите основные виды трендов.
Какова интерпретация линейного тренда?
Что такое ложная корреляция и как ее избежать.
Перечислите основные методы исключения тенденции, назовите их достоинства и недостатки.
Какова методика построения модели регрессии по первым разностям?
Какова методика построения уравнения регрессии с учетом фактора времени?
Какова методика построения уравнения регрессии по отклонениям от трендов?
Какова интерпретация параметров в модели с включенным фактором времени?
Раскройте понятие автокорреляции в остатках.
С какой целью используется критерий Дарбина – Уотсона? Изложите алгоритм его применения.
Способ оценки результатов
№ п/п |
Элементы выполнения работы и усвоения теоретического материала |
Максимальный балл |
1 |
Расчетная часть работы выполнена корректно и полностью |
2 |
2 |
Сделаны подробные выводы, в которых отражены выявленные закономерности |
1 |
3 |
Защита работы |
1 |
4 |
Соблюдение сроков защиты |
1 |
Итого |
х |
5 |
Лабораторная работа № 11.
Построение аддитивной модели временного ряда
Модульная единица 6.
Требования к содержанию, оформлению и порядку выполнения:
Теоретическая часть.
Аддитивной моделью временного ряда называется такая модель, где уровни ряда представлены как сумма трендовой (Т), сезонной или циклической (S) и случайной (Е) компонент: уt=Т+S+Е. Построению аддитивной модели обычно предшествует анализ структуры временного ряда, то есть определение наличия или отсутствия этих компонент в ряду динамики. Для этих целей строят автокорреляционную функцию. Если коэффициент автокорреляции первого порядка существенно отличен от нуля, то в ряду динамики есть тенденция, если самым высоким оказался коэффициент автокорреляции порядка k, то в ряду есть цикличность в k периодов времени. Построение аддитивной модели сводится к количественному определению указанных компонент для каждого уровня ряда, определению прогнозных уровней как t=Т+S и оценке качества модели.
Общая постановка задачи: по предложенному варианту исходных данных выявить структуру ряда динамики, построить аддитивную модель временного ряда, оценить качество модели с помощью коэффициента детерминации R2.
Список индивидуальных данных:
Год |
Квартал года |
Варианты |
||||
1 |
2 |
3 |
4 |
5 |
||
Экспорт страны, млрд. долл. |
Прибыль компании, тыс. долл. |
Производство молока,тыс. т |
Потребление электроэнергии, тыс. кВт.-ч |
Товаро-оборот фирмы, млн. руб. |
||
1 |
I |
409 |
72 |
4,93 |
7,0 |
327 |
|
II |
474 |
100 |
9,11 |
5,4 |
316 |
|
III |
577 |
90 |
8,99 |
6,0 |
385 |
|
IV |
600 |
64 |
5,25 |
10,0 |
420 |
2 |
I |
564 |
70 |
5,85 |
8,2 |
376 |
|
II |
675 |
92 |
10,78 |
5,8 |
450 |
|
III |
631 |
80 |
10,35 |
7,0 |
421 |
|
IV |
711 |
58 |
5,50 |
11,0 |
495 |
3 |
I |
574 |
62 |
5,96 |
9,0 |
383 |
|
II |
709 |
80 |
10,95 |
6,6 |
473 |
|
III |
731 |
68 |
10,83 |
7,4 |
487 |
|
IV |
860 |
48 |
5,73 |
12,0 |
590 |
4 |
I |
698 |
52 |
6,08 |
10,0 |
465 |
|
II |
689 |
60 |
11,86 |
7,6 |
459 |
|
III |
753 |
50 |
11,49 |
8,0 |
512 |
|
IV |
799 |
30 |
6,22 |
11,8 |
595 |
Пример выполнения работы.
Дана динамика производства яиц в регионе по кварталам года.
Определим структуру ряда динамики, для чего построим автокорреляционную функцию. Для этого необходимо скопировать исходный ряд динамики, сдвинув его на одну дату вниз. Затем в главном меню программы Excel выбрать Сервис/ Анализ данных/ Корреляция. В диалоговое окно вода данных ввести образовавшиеся пары наблюдений (их будет на единицу меньше, чем уровней). Полученный коэффициент корреляции будет представлять собой коэффициент автокорреляции первого порядка. Повторить описанную процедуру, сдвинув ряд динамики последовательно на две, три и более дат. Результаты проведенного анализа представлены в таблице 1.
Таблица 1. Автокорреляционная функция временного ряда
-
Лаг
Коэффициент автокорреляции
1
0,365
2
-0,240
3
0,342
4
0,990
Значение коэффициента автокорреляции первого порядка значимо отличается от нуля, что указывает на наличие тенденции в ряду динамики. Самым высоким по значению оказался коэффициент автокорреляции 4-ого порядка, следовательно, в ряду динамики ярко выражена цикличность в 4 периода времени (4 квартала).
Проведем выравнивание исходных уровней ряда методом скользящей средней. Для этого:
а) просуммируем уровни ряда последовательно за каждые четыре квартала, каждый раз сдвигая период осреднения на один квартал, и определим условные годовые объемы производства (табл.2, графа 4);
б) разделив полученные суммы на 4, найдем скользящие средние
(графа 5). Отметим, что найденные таким образом средние уровни уже не содержат сезонной компоненты;
в) средние уровни в рядах динамики должны относиться к середине периода осреднения (между вторым и третьим кварталом, между третьим и четвертым и т.п.), поэтому приведем эти значения в соответствие с фактическими моментами времени. Для этого найдем средние из двух соседних скользящих средних – центрированные скользящие средние (графа 6).
Таблица 2. Расчет оценок сезонной компоненты
№ года |
№ квартала |
Уt , млн. шт. |
Скользящая сумма за 4 квартала |
Средняя скользящая |
Центрированная средняя скользящая ( ) |
Оценка сезонной компоненты ( Si) |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
1 |
I |
7,51 |
- |
- |
- |
- |
|
|
|
|
|
|
|
|
II |
9,12 |
- |
- |
- |
- |
|
|
|
33,28 |
8,32 |
|
|
|
III |
9,13 |
|
|
8,41 |
0.72 |
|
|
|
34,03 |
8,51 |
|
|
|
IV |
7,52 |
|
|
8,63 |
-1.11 |
|
|
|
34,94 |
8,74 |
|
|
2 |
I |
8,26 |
|
|
8,85 |
-0.59 |
|
|
|
35,85 |
8,96 |
|
|
|
II |
10,03 |
|
|
9,06 |
0.97 |
|
|
|
36,60 |
9,15 |
|
|
|
III |
10,04 |
|
|
9,22 |
0.82 |
|
|
|
37,18 |
9,29 |
|
|
|
IV |
8,27 |
|
|
9,38 |
-1.11 |
|
|
|
37,88 |
9,47 |
|
|
3 |
I |
8,84 |
|
|
9,56 |
-0.72 |
|
|
|
38,61 |
9,65 |
|
|
|
II |
10,73 |
|
|
9,73 |
1.00 |
|
|
|
39,19 |
9,80 |
|
|
|
III |
10,77 |
|
|
9,88 |
0.89 |
|
|
|
39,89 |
9,97 |
|
|
|
IV |
8,85 |
|
|
10,05 |
-1.2 |
|
|
|
40,54 |
10,14 |
|
|
4 |
I |
9,54 |
|
|
10,25 |
-0.71 |
|
|
|
41,45 |
10,36 |
|
|
|
II |
11,38 |
|
|
10,44 |
0.94 |
|
|
|
42,06 |
10,52 |
|
|
|
III |
11,63 |
- |
- |
- |
- |
|
|
|
|
|
|
|
|
IV |
9,51 |
- |
- |
- |
- |
|
|
|
|
|
|
|
Найдем оценки сезонной компоненты как разность между фактическими уровнями ряда и центрированными скользящими средними (табл.2, графа 6). Используем эти оценки для расчета сезонной компоненты S в аддитивной модели (табл.3). Для этого найдем средние за каждый квартал (по всем годам) оценки сезонной компоненты Si . В моделях с сезонной компонентой обычно предполагается, что сезонные воздействия за период взаимопогашаются, то есть сумма значений сезонной компоненты по всем кварталам должна быть равна нулю.
Таблица 3. Расчет значений сезонной компоненты в аддитивной модели
Показатели |
Год |
№ квартала |
|||
I |
II |
III |
IV |
||
1 |
- |
- |
0,72 |
-1.11 |
|
2 |
-0,59 |
0,97 |
0,82 |
-1,11 |
|
3 |
-0,72 |
1,00 |
0,89 |
-1,20 |
|
4 |
-0,71 |
0,94 |
- |
- |
|
Итого за i-ый квартал (за все годы) |
Х |
-2,02 |
2,91 |
2,43 |
-3,42 |
Средняя оценка сезонной компоненты за все годы, |
Х |
-0,67 |
0,97 |
0,81 |
-1,14 |
Скорректированная сезонная компонента S |
Х |
-0,66 |
0,98 |
0,82 |
-1,14 |
Для данной модели имеем:
-0,67 + 0,97 + 0,81 – 1,14 = - 0,03.
Определим корректирующий коэффициент:
k = - 0.03 / 4 = - 0,008.
Рассчитаем скорректированные значения сезонной компоненты как разность между ее средней оценкой и корректирующим коэффициентом k:
S = - k.
Проверим условие равенства нулю суммы значений сезонной компоненты:
-0,66+0,98+0,82-1,14=0.
Занесем полученные значения S в таблицу 4 (графа 3) для соответствующих кварталов каждого года.
Исключим влияние сезонной компоненты, вычитая ее значение из каждого уровня исходного временного ряда. Получим величины Т +Е= уt – S (гр.4). Эти значения рассчитываются для каждого периода времени (квартала) и содержат только тенденцию и случайную составляющую.
Таблица 4. Расчет выравненных значений и ошибок Е в аддитивной модели
t |
yt=T+S+E |
S |
Т +Е = = уt – S |
T |
=T+S |
E= yt – -( T+S) |
E2 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
1 |
7,51 |
-0,66 |
8,17 |
8,15 |
7,49 |
0,018 |
0,0003 |
2 |
9,12 |
0,98 |
8,14 |
8,34 |
9,32 |
-0,202 |
0,0407 |
3 |
9,13 |
0,82 |
8,31 |
8,53 |
9,35 |
-0,220 |
0,0485 |
4 |
7,52 |
-1,14 |
8,66 |
8,72 |
7,58 |
-0,059 |
0,0035 |
5 |
8,26 |
-0,66 |
8,92 |
8,91 |
8,25 |
0,012 |
0,0002 |
6 |
10,03 |
0,98 |
9,05 |
9,10 |
10,08 |
-0,046 |
0,0022 |
7 |
10,04 |
0,82 |
9,22 |
9,29 |
10,11 |
-0,065 |
0,0042 |
8 |
8,27 |
-1,14 |
9,41 |
9,47 |
8,33 |
-0,064 |
0,0041 |
9 |
8,84 |
-0,66 |
9,50 |
9,66 |
9,00 |
-0,162 |
0,0264 |
10 |
10,73 |
0,98 |
11,71 |
9,85 |
10,83 |
-0,101 |
0,0102 |
11 |
10,77 |
0,82 |
9,95 |
10,04 |
10,86 |
-0,090 |
0,0081 |
12 |
8,85 |
-1,14 |
9,99 |
10,23 |
9,09 |
-0,238 |
0,0569 |
13 |
9,54 |
-0,66 |
10,2 |
10,42 |
9,76 |
-0,217 |
0,0472 |
14 |
11,38 |
0,98 |
10,4 |
10,61 |
11,59 |
-0,206 |
0,0424 |
15 |
11,63 |
0,82 |
10,81 |
10,79 |
11,61 |
0,0154 |
0,0002 |
16 |
9,51 |
-1,14 |
10,65 |
10,98 |
9,84 |
-0,333 |
0,1111 |
Сумма |
|
|
|
|
|
|
0,4061 |
Определим трендовую компоненту Т в данной модели. Для этого проведем аналитическое выравнивание ряда (Т+Е) с помощью линейного тренда (методика рассмотрена ранее). Результаты аналитического выравнивания следующие:
константа 7,964
коэффициент регрессии 0,188
R-квадрат 0,758
число наблюдений 16
Таким образом, линейный тренд имеет вид:
Т = 7,964 + 0,188 t
Подставляя в это уравнение порядковые номера кварталов (t = 1, … 16), мы найдем значение трендовой компоненты для каждого периода времени.
Найдем значения уровней ряда, полученные по аддитивной модели =T+S . Для этого прибавим к уровням Т значения сезонной компоненты для соответствующих кварталов (графа 6).
Расчет ошибки (остатка) в каждом случае производится по формуле
E= yt - ( T+S)
Для оценки качества построения модели можно использовать сумму квадратов полученных абсолютных ошибок, что дает нам объем остаточной вариации. Для нашей модели . Для нахождения общего объема вариации уровней ряда определим дисперсию yt с помощью программы Excel (Вставка функций / Статистические / Диспр): .Умножив дисперсию на число наблюдений, мы получим общий объем вариации уровня ряда Wобщ. = 16 х 1,48715 = 23,79. Остаточная вариация по отношению к общей сумме квадратов отклонений составит всего 1,7% (0,406/23,79х100), соответственно коэффициент детерминации R2 = 0,983, что свидетельствует о высоком качестве модели и возможности использования ее для целей прогнозирования.