- •Содержание
- •5. Лабораторная работа № 4. Проверка предпосылки отсутствия корреляции возмущений. Оценка параметров модели с автокоррелированными остатками …………………………………………………………...79
- •9. Лабораторная работа № 8. Статистический анализ рядов ди-
- •Введение
- •Лабораторная работа № п.1. Функции программы ms Excel выполнения операций с матрицами и категории «Статистические» применяемые при решении задач курса «Эконометрия»
- •1.2. Выполнение операций с матрицами с помощью функций ms Excel.
- •Функции программы ms Excel для работы с матрицами
- •1.3. Обработка наблюдений статистических признаков
- •Наблюдения статистических признаков и .
- •Функции программы ms Excel для расчета числовых характеристик статистических признаков
- •Реализация в ms Excel формул задания 2
- •1.4. Нахождение значений статистических критериев.
- •Функции программы ms Excel для нахождения значений статистических критериев
- •1.5. Вопросы для самоподготовки к лабораторной работе № п.1
- •2. Лабораторная работа № 1. Выявление взаимосвязи между статистическими признаками
- •Реализация в ms Excel формул заданий 1-3
- •2.7. Вопросы для самоподготовки к лабораторной работе № 1
- •3. Лабораторная работа № 2. Классическая линейная регрессионная модель. Метод наименьших квадратов (1-мнк) оценки параметров модели
- •Выборочные данные наблюдений статистических признаков: объем реализации и площадь магазина .
- •Реализация в ms Excel формул на рис. 3.1
- •Реализация в ms Excel формул на рис. 3.1
- •Реализация в ms Excel формул на рис. 3.3
- •Показатели отчета на рис. 3.4
- •Реализация в ms Excel формул на рис. 3.3
- •3.7. Вопросы для самоподготовки к лабораторной работе № 2
- •4. Лабораторная работа № 3. Модель множественной регрессии. Проверка предпосылок 1-мнк. Оценка параметров обобщенной линейной эконометрической модели
- •4.1. Модель множественной регрессии (задание 3.1)
- •Примеры многофакторных эконометрических моделей
- •Реализация в ms Excel формул задания №1
- •4.3. Проверка предпосылки гомоскедастичности возмущений. Обобщенный метод наименьших квадратов оценки параметров модели с гетероскедастичными остатками (задание 3.3).
- •Реализация в ms Excel формул при проверке гетероскедастичности модели возмущений по критерию Гольфельда-Квандта (рис. 4.13)
- •Сравнение эконометрических моделей производительности труда
- •4.4. Экономический анализ и прогноз по многофакторной модели линейной регрессии. (задание 3.4).
- •Реализация в ms Excel лабораторной работы № 3 (задание 3.4)
- •Реализация в ms Excel формул задании №3 (лаб. Раб. №3)
- •4.5. Вопросы для самоподготовки к лабораторной работе № 3
- •5. Лабораторная работа № 4. Проверка предпосылки отсутствия корреляции возмущений. Оценка параметров модели с автокоррелированными остатками
- •Реализация в ms Excel формул на рис. 5.2.
- •Сравнение эконометрических моделей товарооборота продовольственных товаров
- •5.5. Вопросы для самоподготовки к лабораторной работе № 4
- •6. Лабораторная работа № 5. Фиктивные (индикативные) переменные в эконометрических моделях
- •Значения переменных 2-ой модели
- •6.4. Вопросы для самоподготовки к лабораторной работе № 5
- •7. Лабораторная работа № 6. Экономический анализ деятельности предприятия с помощью производственной функции
- •Вопросы для самоподготовки к лабораторной работе № 6
- •8. Лабораторная работа № 7. Системы эконометрических уравнений
- •8.3. Организация данных и расчетов на листе ms Excel.
- •8.4. Результаты оценивания параметров уравнений двухшаговым мнк
- •8.5. Вопросы для самоподготовки к лабораторной работе № 7
- •9. Лабораторная работа № 8. Статистический анализ рядов динамики.
- •9.1. Теоретические замечания.
- •Потребление электроэнергии
- •Исходные данные и скользящие средние
- •Исходные данные и экспоненциально слаженные уровни
- •9.3. Выявление тренда во временном ряде и построение кривых роста.
- •9.4. Выявление сезонных колебаний во временном ряде. Построение аддитивной и мультипликативной моделей временного ряда с сезонными колебаниями.
- •Значения коэффициента автокорреляции
- •Расчёты аддитивной модели
- •Определение сезонной составляющей в аддитивной модели
- •Определение прогноза по аддитивной модели
- •Расчёты мультипликативной модели
- •Определение сезонной составляющей в мультипликативной модели
- •9.5. Адаптивные модели временных рядов.
- •Количество проданных джинсов: апрель 2009 - март 2012 г
- •Расчёты задания 4 по способу Брауна
- •9.6. Вопросы для самоподготовки к лабораторной работе № 8
- •Раздел 10. Задания лабораторных работ
- •10.1. Требования к выполнению и оформлению лабораторных работ по курсу «Эконометрия»
- •Сроки и порядок допуска, выполнения и защиты лабораторных работ
- •10.2. Задания лабораторной работы № п.1 Функции программы ms Excel выполнения операций с матрицами и категории «Статистические» применяемые при решении задач курса «Эконометрия»
- •Выполнение операций с матрицами с помощью функций ms Excel.
- •Наблюдения статистических признаков и
- •Преобразования данных наблюдений статистических признаков и
- •10.3. Задания лабораторной работы № 1
- •Отбор показателей в лабораторной работе № 1
- •10.4. Задания лабораторной работы № 2
- •Данные для выполнения лабораторной работы № 2
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •Данные наблюдений показателей и
- •10.5. Задания лабораторной работы № 3.
- •Данные для построения многофакторной регрессии
- •Данные для построения многофакторной регрессии
- •Данные для построения многофакторной регрессии
- •10.6. Задания лабораторной работы № 4
- •10.7. Задания лабораторной работы № 5 Фиктивные (индикативные) переменные в эконометрических моделях
- •Возраст компьютерной техники ( , месяцы)
- •Данные для задачи 2 (для нечетного номера варианта) лабораторной работы №6.
- •Данные для задачи 3 (для четного номера варианта) лабораторной работы №6.
- •10.8. Задания лабораторной работы № 6
- •Затраты труда,
- •Затраты производственных фондов,
- •Выпуск продукции,
- •10.9. Задания лабораторной работы № 7 Системы эконометрических уравнений.
- •Модели для выполнения лабораторной работы №8(*)
- •Исходные данные к лабораторной работе № 8
- •Исходные данные к лабораторной работе № 8
- •Исходные данные к лабораторной работе № 8 (вариант 6)
- •Исходные данные к лабораторной работе № 8 (вариант 11)
- •10.10. Задания лабораторной работы № 8 Статистический анализ рядов динамики
- •Экономический смысл показателей заданий 1,2,3
- •Экономический смысл показателей задания 4
- •Данные заданий 1,2,3 (варианты 1-12)
- •Данные заданий 1,2,3 (варианты 13-24)
- •Данные заданий 1,2,3 (варианты 25-35)
- •Данные задания 4 (варианты 1 - 12)
- •Данные задания 4 (варианты 13 - 24)
- •Данные задания 4 (варианты 25 - 35)
- •10. Задания контрольной работы студентов заочного отделения
- •Задания контрольной работы
- •Выбор варианта контрольной работы
- •Список рекомендованной литературы Основная
- •Дополнительная
- •Приложение а задания и требования к выполнению самостоятельных работ и творческих заданий творческих заданий по курсу «эконометрия»
- •Приложение б Статистические таблицы
- •Значения - критерия Фишера при уровне значимости
- •Значения - критерия Стьюдента при уровне значимости 0,10; 0,05; 0,01 (двусторонний)
- •Значения - критерия Пирсона при уровне значимости 0,10; 0,05; 0,01
- •Значения статистик Дарбина-Уотсона при 5%-ом уровне значимости
- •Значения функции Гаусса
- •Значения интегральной функции Лапласа
- •Продолжение табл. Б.6
Вопросы для самоподготовки к лабораторной работе № 6
Аналитическая функция Кобба-Дугласа. Записать ее вид и разъяснить.
Способы расчета параметров , , производственной функции Кобба-Дугласа.
Средняя производительность труда. Расчет и экономическая интерпретация.
Средняя фондоотдача. Расчет и экономическая интерпретация.
Предельная производительность труда. Расчет и экономическая интерпретация.
Предельная фондоотдача. Расчет и экономическая интерпретация.
Эластичность выпуска продукции по затратам труда. Расчет и экономическая интерпретация.
Эластичность выпуска продукции по производственным фондам. Расчет и экономическая интерпретация.
Потребность в ресурсах труда . Расчет и экономическая интерпретация.
Потребность в производственных фондах . Расчет и экономическая интерпретация.
Фондовооруженность труда. Расчет и экономическая интерпретация.
Предельная норма замещения затрат труда производственными фондами . Расчет и экономическая интерпретация.
Эластичности замещения ресурсов. Расчет и экономическая интерпретация.
8. Лабораторная работа № 7. Системы эконометрических уравнений
8.1. Теоретические замечания. Ряд экономических процессов моделируется не одним, а несколькими эконометрическими уравнениями, содержащими как повторяющиеся, так и собственные переменные. В силу этого возникает необходимость использования систем эконометрических уравнений. Кроме того, в одних уравнениях определенная переменная рассматривается как объясняющая, а в другое уравнение она входит как зависимая переменная. Сложные экономические процессы описывают с помощью системы взаимосвязанных (одновременных) уравнений. Различают несколько видов систем.
Система эконометрических уравнений называется системой независимых уравнений, если в каждом уравнении зависимая переменная рассматривается как функция одного и того же набора факторов. В общем случае ее можно записать в виде:
(8.1)
Система эконометрических уравнений называется системой рекурсивных уравнений, если зависимая переменная одного уравнения является фактором в последующих уравнениях. В общем случае ее можно записать в виде:
(8.2)
Найти параметры систем (8.1), (8.2) можно с помощью МНК, применяя его последовательно к каждому уравнению системы.
Система эконометрических уравнений называется системой взаимосвязанных (одновременных) уравнений, если зависимые переменные уравнений является факторами в других уравнениях. В общем случае ее можно записать в виде:
(8.3)
Такая система уравнений называется структурной формой модели. Найти параметры таких систем можно с помощью косвенного или двухшагового МНК.
Эндогенными переменными называются переменные, которые определяются внутри системы. Экзогенными переменными называются переменные, которые определяются вне системы. Предопределенными переменными называются экзогенные и лаговые эндогенные переменные. Коэффициенты при переменных в структурной формой модели называются структурными.
Для определения структурных коэффициентов структурная форма модели преобразуется в приведённую форму. Система линейных функций эндогенных переменных от всех предопределенных переменных системы называется приведенной формой модели:
(8.4)
где - коэффициенты приведенной формы модели.
Проблема идентификации. При переходе от приведенной формы модели к структурной возникает проблема идентификации. Идентификация – это единственность соответствия между приведенной и структурной формами моделей. С позиции идентифицируемости системы можно разделить на три вида:
идентифицируемые;
неидентифицируемые;
сверхидентифицируемые.
Структурный коэффициент называется точно идентифицируемым, если его можно однозначно вычислить на основе приведенных коэффициентов; сверхидентифицируемым, если он имеет несколько разных оценок через приведенные коэффициенты; неидентифицируемым, если он не выражается через приведенные коэффициенты.
Точно идентифицируемый и сверхидентифицируемый коэффициент называют идентифицируемым.
Какое-либо структурное уравнение является идентифицируемым, если идентифицируемы все его коэффициенты. Если хотя бы один структурный коэффициент неидентифицируемый, то и всё уравнение является неидентифицируемым.
Модель считается идентифицируемой, если каждое её уравнение идентифицируемо. Если хотя бы одно из уравнений системы неидентифицируемо, то и вся модель неидентифицируема.
Непосредственно проверять идентифицируемость сложно. Для этого надо устанавливать разрешимость нелинейной системы уравнений. Поэтому для определения идентифицируемости используют определенное правило, состоящее из необходимого и достаточного условия.
Необходимое условие идентифицируемости (условие порядка) уравнения. Пусть общее количество экзогенных переменных модели; количество экзогенных переменных, которые входят в е уравнение структурной формы модели, количество эндогенных переменных в -м уравнении структурной формы. Тогда имеет место необходимое условие идентифицируемости: если для го уравнения выполняется неравенство , то оно идентифицируемо.
Запишем это условие в виде
– уравнение точно идентифицируемо; (8.5)
– уравнение сверхидентифицируемо; (8.6)
– уравнение неидентифицируемо. (8.7)
Одни только необходимые условия не гарантируют идентифицируемость уравнения. Может случиться, что условие порядка для некоторого уравнения выполнено, а уравнение неидентифицируемо. Для уточнения вопроса идентифицируемости уравнения добавляют к необходимому условию ещё и достаточное.
Достаточное условие идентифицируемости (ранговое условие). Уравнение идентифицируемо, если ранг матрицы, составленной из коэффициентов при переменных во всех других уравнениях, кроме данного, отсутствующих в исследуемом уравнении, равен числу эндогенных переменных системы без единицы, т.е. .
Методы оценивания параметров структурной модели. Для оценки коэффициентов структурной модели применяются различные способы в зависимости от вида системы одновременных уравнений. Наибольшее распространение получили:
косвенный метод наименьших квадратов;
метод инструментальных переменных;
двухшаговый метод наименьших квадратов (2МНК);
трехшаговый метод наименьших квадратов (3МНК).
Для оценки параметров идентифицируемых уравнений применяется косвенный метод наименьших квадратов, для сверхидентифицированных – двухшаговый МНК.
Косвенный МНК включает следующие этапы:
составляют приведенную форму модели;
оценивают параметры каждого уравнения приведенной формы с помощью МНК;
путем алгебраических преобразований переходят от приведенной формы к уравнениям структурной формы модели, получая тем самым оценки структурных параметров.
Двухшаговый МНК включает следующие этапы:
записывают общий вид приведенной формы модели;
оценивают параметры каждого уравнения приведенной формы с помощью МНК;
выявляют эндогенные переменные, находящиеся в правой части структурного уравнения и находят расчетные значения по полученным на втором этапе соответствующим уравнениям приведенной формы;
с помощью обычного МНК определяют параметры каждого структурного уравнения, в отдельности используя в качестве исходных данных фактические значения предопределенных переменных и расчетные значения эндогенных переменных, стоящих в правой части данного структурного уравнения, полученные на втором этапе.
8.2. Проверка идентифицируемости системы эконометрических уравнений. Рассматривается модель экономики страны:
|
– функция потребления; |
|
||||
|
– функция инвестиций; |
(8.8) |
||||
|
– функция денежного рынка; |
|
||||
|
– тождество дохода. |
|
Здесь:
– расходы на потребление в период ;
– совокупный доход в период ;
– инвестиции в период ;
– процентная ставка в период ;
– денежная масса в период ;
– государственные расходы в период ;
– расходы на потребление в период ;
– инвестиции в период ;
– случайные ошибки.
Для данной модели требуется:
предложить способ оценки параметров модели (предполагается, что имеются временные ряды по всем переменным модели);
как изменится ответ на вопрос п.1, если из модели исключить тождество дохода.
Решение. Модель представляет собой систему одновременных уравнений. Для определения способа оценок параметров модели проверим каждое уравнение на идентифицируемость.
Модель включает четыре эндогенные переменные , , , и четыре предопределенные переменные (две экзогенные переменные – , и две лаговые эндогенные переменные – , ), т.е. .
Проверим необходимое условие идентифицируемости уравнений исходной модели.
Первое уравнение включает две эндогенные переменные , и одну предопределённую . В этом уравнении присутствует одна предопределенная переменная . Значения , для трёх уравнений и предварительные выводы по необходимому условию идентифицируемости представлены в таблице.
Урав- нение |
число эндогенных переменных в уравнении |
число пред-определенных переменных в уравнении |
Вид неравенства
|
Вид идентифицируемости уравнения |
1 |
2 |
1 |
|
Сверхиденти-фицируемо |
2 |
2 |
1 |
|
Сверхиденти-фицируемо |
3 |
2 |
1 |
|
Сверхиденти-фицируемо |
4 |
Уравнение - тождество |
Замечание. Уравнение 4 представляет собой тождество, параметры которого известны. Необходимости в его идентификации нет.
Проверим для каждого из уравнений ещё и достаточное условие. Для этого составим матрицу коэффициентов при переменных модели.
|
|
|
|
|
|
|
|
|
1 уравнение |
–1 |
|
|
0 |
0 |
0 |
0 |
0 |
2 уравнение |
0 |
0 |
0 |
–1 |
|
|
0 |
0 |
3 уравнение |
0 |
|
0 |
0 |
–1 |
0 |
|
0 |
Тождество |
1 |
–1 |
0 |
1 |
0 |
0 |
0 |
1 |
|
Матрица А |
Матрица коэффициентов при переменных, не входящих в первое уравнение
|
–1 |
|
|
0 |
0 |
, , где |
|
0 |
0 |
|
0 |
–1 |
0 |
|
0 |
0 |
|
0 |
|
||
1 |
0 |
0 |
0 |
1 |
0 |
0 |
1 |
|
Ранг матрицы равен трём, так как определитель квадратной матрицы третьего порядка этой матрицы не равен нулю. Первое уравнение идентифицируемо.
Аналогично первому уравнению выписываем матрицу коэффициентов при переменных, не входящих во второе уравнение, и находим её ранг:
-
–1
0
0
, где
0
0
0
0
0
0
0
.
1
–1
0
0
1
0
0
1
Второе уравнение также идентифицируемо.
Аналогично выписываем матрицу коэффициентов при переменных, не входящих в третье уравнение и находим её ранг:
|
–1 |
|
0 |
0 |
0 |
, , где |
|
0 |
0 |
|
0 |
0 |
–1 |
|
0 |
0 |
|
0 |
. |
||
1 |
0 |
1 |
0 |
1 |
0 |
0 |
1 |
|
Третье уравнение также идентифицируемо.
Таким образом, все уравнения модели точно идентифицируемы. Для оценки их параметров применим двухшаговый метод наименьших квадратов.