- •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
Реализация в ms Excel формул заданий 1-3
адрес ячейки |
формула |
реализация в MS Excel |
|
|
=МОПРЕД(J4:N8) |
|
|
=МОБР(J4:N8) |
|
|
=-(I2-1-(1/6)*(2*L2+5))* *LN(ABS(I10)) |
|
|
=ХИ2ОБР(0,05;L2*(L2+1)/2) |
- |
|
B53=(B41-1)*($B$31-$E$31)/($E$31-1) |
|
|
=FРАСПОБР(0,05;L2;I2-L2-1) |
- |
|
=КОРЕНЬ((K4^2)* *($I$2-2)/(1-K4^2)) |
|
|
=СТЬЮДРАСПОБР(0,05;I2-2) |
- |
|
=-J12/КОРЕНЬ(I12*J13) |
- |
|
=КОРЕНЬ(M18^2* *($I$2-$L$2)/(1-M18^2)) |
|
|
=СТЬЮДРАСПОБР(0,05;I2-L2) |
Задание 3 и лабораторная работа № 1 выполнена полностью.
2.7. Вопросы для самоподготовки к лабораторной работе № 1
Типы взаимосвязи между явлениями. Функциональная и корреляционная связь между показателями и ее принципиальное отличие.
Задачи, решаемые при изучении взаимосвязей между экономическими явлениями.
Типы данных и типы моделей. Специфика экономических данных.
Взаимосвязи между признаками.
Ковариация между переменными. Формула расчета ковариации.
Коэффициент парной корреляции, формула расчета.
Качественная оценка коэффициента корреляции. Шкала Чеддока.
Оценка значимости линейных коэффициентов корреляции, -критерий Стьюдента.
Матрица коэффициентов парной корреляции.
Множественный коэффициент корреляции.
Выборочный множественный коэффициент детерминации и проверка его значимости по -критерию Фишера.
Частный коэффициент корреляции. Формула его расчета.
3. Лабораторная работа № 2. Классическая линейная регрессионная модель. Метод наименьших квадратов (1-мнк) оценки параметров модели
3.1. Теоретические замечания. Для количественной оценки влияния факторного признака на результативный признак по выборкам наблюдений и данных признаков объема определяют уравнение регрессии [3].
Решение данной задачи осуществляется в несколько этапов:
выполняется спецификация модели зависимости результативного признака от факторного признака ;
формируются совокупности наблюдений и для оценки параметров модели;
вычисляются оценки параметров модели (определяют выборочное уравнение регрессии);
выполняется проверка качества модели: точности и адекватности совокупности наблюдений;
проводят экономический анализ на основании эконометрической модели (прогноз, количественная оценка влияния факторов).
Предполагается, что зависимость результативного признака от факторного признака описывается эконометрической моделью в виде уравнения с одной объясняющей переменной и аддитивной случайной составляющей следующего вида:
(3.1)
Далее рассмотрим, как выполняются 5 этапов, перечисленные выше.
1 этап. Для спецификации модели (3.1) необходимо определить явный вид функции . Этот этап выполняется на основании теоретических знаний о взаимосвязи между данными показателями или на основании статистического анализа при помощи выбора из возможных альтернативных вариантов.
Простейшей является линейная форма зависимости между двумя переменными:
, (3.2)
или покомпонентная:
, , (3.3)
где и параметры модели.
Возможны также другие формы зависимости результативного признака от факторного признака в формуле (3.1):
- показательная,
- степенная,
- гиперболическая,
- логарифмическая.
После спецификации модели необходимо сформировать совокупность наблюдений, на основании которых оценить параметры модели. Рассмотрим, как рассчитать оценки параметров линейной модели (3.2), т.е. построить уравнение линейной регрессии:
, (3.3)
которое для отдельных значений признаков имеет вид:
, , (3.4)
где - оценка условного математического ожидания .
Отметим, что в случае, если выбрана нелинейная модель, ее легко преобразовать к линейной методом замены переменных или алгебраических преобразований (например, при помощи операции логарифмирования). После оценки параметров линейной модели нужно определить параметры исходной модели.
2 и 3 этапы. Формируя совокупности наблюдений и нужно обеспечить однородность и сопоставимость их в пространстве и времени.
Оценить параметры модели (3.1) можно методом наименьших квадратов (МНК) целевая функция которого имеет вид:
. (3.5)
Применение МНК требует выполнения условий Гаусса-Маркова для случайной составляющей . Также предполагается, что случайный член имеет нормальное распределение вероятностей. Если случайный член удовлетворяет данным условиям, то оценки и будут обладать свойствами несмещенности, эффективности и состоятельности.
Вычислить оценки и можно несколькими способами: решить систему нормальных уравнений, по явным формулам, матричным способом.
I способ. Система нормальных уравнений является системой двух линейных уравнений с двумя неизвестными и и имеет следующий вид:
(3.6)
Система (3.6) может быть решена методом подстановки.
II способ. Явные формулы для вычисления оценок и следующие:
. (3.7)
. (3.8)
III способ. В матричном виде формулы для вычисления оценок и имеют вид:
. (3.9)
где , , .
4 этап. Оценка качества построенной модели осуществляется на основании значений коэффициента детерминации и средней относительной ошибки аппроксимации. Также проверяется значимость коэффициента детерминации, коэффициентов уравнения регрессии и определяются доверительные интервалы для коэффициентов уравнения регрессии.
Расчетные формулы для коэффициента детерминации и средней относительной ошибки аппроксимации соответственно имеют вид:
. (3.10)
. (3.11)
Значение коэффициента детерминации удовлетворяет условию: и показывает долю дисперсии (колебания) результативного признака , которая объясняется построенной моделью. Значение характеризует долю дисперсии (колебания) результативного признака , которая приходится на факторы неучтенные в модели.
Для того чтобы построенную модель можно было использовать для экономического анализа и прогноза средняя относительная ошибка аппроксимации должна быть меньше 7% - 10% (в зависимости от уровня модели: макро- или микроуровень).
Значимость (адекватность) модели проверяется с помощью F-критерия Фишера, который проверяет нулевую гипотезу о статистической незначимости уравнения регрессии. Для этого сравним фактическое и критическое -значения критерия Фишера при степенях свободы , и уровне значимости . определяется по формуле:
, (3.12)
где – число регрессоров, в случае однофакторной модели .
Оценка статистической значимости коэффициентов регрессии и корреляции осуществляется с помощью -критерия Стьюдента. Расчетные значения статистик имеют вид:
; ; (3.13)
; (3.14)
, (3.15)
(3.16)
Для расчета доверительного интервала определяем предельную ошибку для каждого параметра:
, (3.17)
Формулы для расчета доверительных интервалов имеют следующий вид:
, (3.18)
. (3.19)
5 этап. Для нахождения прогнозного значения результативного признака необходимо прогнозное значение факторного признака подставить в уравнение регрессии (3.3):
. (3.20)
Оценим точность прогноза, рассчитав ошибку прогноза и его доверительный интервал. Средняя стандартная ошибка прогноза определяется по формуле:
. (3.21)
Доверительный интервал (с надежностью ) для прогнозных значений имеет вид:
(3.22)
3.2. Организация данных и расчетов на листе MS Excel. Рассмотрим пример построения и анализа модели парной регрессии по пунктам 1) – 8) задания лабораторной работы №2 (исходные данные примера в табл. 3.1).
Таблица 3.1