Основы эконометрики

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Министерство сельского хозяйства Российской Федерации

Департамент научно-технологической политики и образования

Федеральное государственное бюджетное образовательное учреждение высшего образования

«Красноярский государственный аграрный университет»

Институт экономики и финансов АПК

Кафедра «Бухгалтерского учета и статистики»

Контрольная работа

На тему: «Основы эконометрики»

Выполнил: студент группы 13БУ

Каракича Е.Н.

Принял: к.ф.-м.н., доцент Брит А.А.

Красноярск 2016г.



Содержание

1. Системы эконометрических уравнений

2. Структурная и приведенная формы модели

3. Проблема идентификации

4. Методы оценки параметров структурной формы модели

5. Решение задачи

Библиографический список



1. Системы эконометрических уравнений

При использовании отдельных уравнений регрессии, например для экономических расчетов, в большинстве случаев предполагается, что аргументы (факторы) можно изменять независимо друг от друга. Однако это предположение является очень грубым: практически изменение одной переменной, как правило, не может происходить при абсолютной неизменности других. Ее изменение повлечет за собой изменения во всей системе взаимосвязанных признаков. Следовательно, отдельно взятое уравнение множественной регрессии не может характеризовать истинные влияния отдельных признаков на вариацию результирующей переменной. Именно поэтому в последние десятилетия в экономических исследованиях важное место заняла проблема описания структуры связей между переменными системой так называемых одновременных уравнений, называемых также структурными уравнениями.

Система уравнений в эконометрических исследованиях может быть построена по-разному.

Возможна система независимых уравнений, когда каждая зависимая переменная y рассматривается как функция одного и того же набора факторов x :

Набор факторов x_j в каждом уравнении может варьировать. Каждое уравнение системы независимых уравнений может рассматриваться самостоятельно. Для нахождения его параметров используется метод наименьших квадратов. По существу, каждое уравнение этой системы является уравнением регрессии. Так как фактические значения зависимой переменной отличаются и от теоретических на величину случайной ошибки то в каждом уравнении присутствует величина случайной ошибки.

Если зависимая переменная y одного уравнения выступает в виде фактора x в другом уравнении, то исследователь может строить модель в виде системы рекурсивных уравнений.

В данной системе зависимая переменная y включает в каждое последующее уравнение в качестве факторов все зависимые переменные предшествующих уравнений наряду с набором собственно факторов . Каждое уравнение этой системы может рассматриваться самостоятельно, и его параметры определяются методом наименьших квадратов (МНК).

Наибольшее распространение в эконометрических исследованиях получила система взаимозависимых уравнений. В ней одни и те же зависимые переменные в одних уравнениях входят в левую часть, а в других уравнения в правую часть системы:

Система взаимозависимых уравнений получила название системы совместных, одновременных уравнений. Тем самым подчеркивается, что в системе одни и те же переменные одновременно рассматриваются как зависимые в одних уравнениях и как независимые в других. В эконометрике эта система уравнений называется также структурной формой модели.

В отличие от предыдущих систем каждое уравнение системы одновременных уравнений не может рассматриваться самостоятельно, и для нахождения его параметров традиционный МНК неприменим. С этой целью используются специальные приемы оценивания.

2. Структурная и приведенная формы модели

Система совместных, одновременных уравнений (или структурная форма модели) обычно содержит эндогенные и экзогенные переменные.

Эндогенные переменные - это зависимые переменные, число которых равно числу уравнений в системе и которые обозначаются через y.

Экзогенные переменные - это предопределенные переменные, влияющие на эндогенные переменные, но не зависящие от них. Обозначаются через x.

Классификация переменных на эндогенные и экзогенные зависит от теоретической концепции принятой модели. Экономические переменные могут выступать в одних моделях как эндогенные, а в других как экзогенные переменные. Внеэкономические переменные (например, климатические условия, социальное положение, пол, возрастная категория) входят в систему только как экзогенные переменные. В качестве экзогенных переменных могут рассматриваться значения эндогенных переменных за предшествующий период времени (лаговые переменные).

Структурная форма модели позволяет увидеть влияние изменений любой экзогенной переменной на значения эндогенной переменной. Целесообразно в качестве экзогенных переменных выбирать такие переменные, которые могут быть объектом регулирования. Меняя их и управляя ими, можно заранее иметь целевые значения эндогенных переменных.

Структурная форма модели в правой части содержит при эндогенных переменных коэффициенты b_ik и экзогенных переменных коэффициенты, ?_ij которые называются структурными коэффициентами модели. Все переменные в модели выражены в отклонениях от среднего уровня, т.е. под x подразумевается x-x? , а под y соответственно y-y?. Поэтому свободный член в каждом уравнении системы отсутствует.

Использование МНК для оценивания структурных коэффициентов модели дает, как принято считать в теории, смещенные и несостоятельные оценки. Поэтому обычно для определения структурных коэффициентов модели структурная форма модели преобразуется в приведенную форму модели.

Приведенная форма модели представляет собой систему линейных функций эндогенных переменных от экзогенных:

где д_ij - коэффициенты приведенной формы модели

u_i - остаточная величина для приведенной формы.

По своему виду приведенная форма модели ничем не отличается от системы независимых уравнений, параметры которой оцениваются традиционным МНК. Применяя МНК, можно оценить д_ij , а затем оценить значения эндогенных переменных через экзогенные.

Коэффициенты приведенной формы модели представляют собой нелинейные функции коэффициентов структурной формы модели. Рассмотрим это положение на примере простейшей структурной модели, выразив коэффициенты приведенной формы модели через коэффициенты структурной модели.

Для структурной модели вида:



приведенная форма модели имеет вид

Из первого уравнения можно выразить y₂ следующим образом (ради упрощения опускаем случайную величину):

Подставляя во второе уравнение имеем:

откуда

Поступая аналогично со вторым уравнением системы, получим

т.е. система принимает вид



Таким образом, можно сделать вывод о том, что коэффициенты приведенной формы модели будут выражаться через коэффициенты структурной формы следующим образом.

Следует заметить, что приведенная форма модели хотя и позволяет получить значения эндогенной переменной через значения экзогенных переменных, но аналитически она уступает структурной форме модели, так как в ней отсутствуют оценки взаимосвязи между эндогенными переменными.

эконометрический уравнение переменная экзогенный

3. Проблема идентификации

При переходе от приведенной формы модели к структурной эконометрии сталкивается с проблемой идентификации.

Идентификация - это единственность соответствия между приведенной и структурной формами модели. Структурная модель в полном виде содержит m*(m+n-1) параметров, а приведенная форма модели в полном виде содержит m*m параметров. Т.е. в полном виде структурная модель содержит большее число параметров, чем приведенная форма модели. Соответственно m*(m+n-1) параметров структурной модели не могут быть однозначно определены из m*n параметров приведенной формы.

Чтобы получить единственно возможное решение для структурной модели, необходимо предположить, что некоторые из структурных коэффициентов модели ввиду слабой взаимосвязи признаков с эндогенной переменной из левой части системы равны нулю. Тем самым уменьшится число структурных коэффициентов модели. Уменьшение числа структурных коэффициентов модели возможно и другим путем: например, путем приравнивания некоторых коэффициентов друг к другу, т.е. путем предположений, что их воздействие на формируемую эндогенную переменную одинаково. На структурные коэффициенты могут накладываться, например, ограничения вида:

b_ik+?_ij=0

С позиции идентифицируемости структурные модели можно подразделить на три вида:

1. идентифицируемые;

2. неидентифицируемые;

3. сверхидентифицируемые.

Модель идентифицируема, если все структурные ее коэффициенты определяются однозначно, единственным образом по коэффициентам приведенной формы модели, т. е. если число параметров структурной модели равно числу параметров приведенной формы модели. В этом случае структурные коэффициенты модели оцениваются через параметры приведенной формы модели и модель идентифицируема.

Модель неидентифицируема, если число приведенных коэффициентов меньше числа структурных коэффициентов, и в результате структурные коэффициенты не могут быть оценены через коэффициенты приведенной формы модели.

Модель сверхидентифицируема, если число приведенных коэффициентов больше числа структурных коэффициентов. В этом случае на основе коэффициентов приведенной формы можно получить два или более значений одного структурного коэффициента. В этой модели число структурных коэффициентов меньше числа коэффициентов приведенной формы. Сверхидентифицируемая модель в отличие от неидентифицируемой модели практически решаема, но требует для этого специальных методов исчисления параметров.

Структурная модель всегда представляет собой систему совместных уравнений, каждое из которых требуется проверять на идентификацию. Модель считается идентифицируемой, если каждое уравнение системы идентифицируемо. Если хотя бы одно из уравнений системы неидентифицируемо, то и вся модель считается неидентифицируемой. Сверхидентифицируемая модель содержит хотя бы одно сверхидентифицируемое уравнение. Выполнение условия идентифицируем-ости модели проверяется для каждого уравнения системы. Чтобы уравнение было идентифицируемо, необходимо, чтобы число предопределенных переменных, отсутствующих в данном уравнении, но присутствующих в системе, было равно числу эндогенных переменных в данном уравнении без одного.Если обозначить число эндогенных переменных в i_-m уравнении системы через H, а число экзогенных (предопределенных) переменных, которые содержатся в системе, но не входят в данное уравнение, через D, то условие идентифицируемости модели может быть записано в виде следующего счетного правила:

D+1=H уравнение идентифицируемо

D+1<H уравнение неидентифицируемо

D+1>H уравнение сверхидентифицируемо

Для оценки параметров структурной модели система должна быть идентифицируема или сверхидентифицируема.

Рассмотренное счетное правило отражает необходимое, но недостаточное условие идентификации. Более точно условия идентификации определяются, если накладывать ограничения на коэффициенты матриц параметров структурной модели. Уравнение идентифицируемо, если по отсутствующим в нем переменным (эндогенным и экзогенным) можно из коэффициентов при них в других уравнениях системы получить матрицу, определитель которой не равен нулю, а ранг матрицы не меньше, чем число эндогенных переменных в системе без одного.

Целесообразность проверки условия идентификации модели через определитель матрицы коэффициентов, отсутствующих в данном уравнении, но присутствующих в других, объясняется тем, что возможна ситуация, когда для каждого уравнения системы выполнено счетное правило, а определитель матрицы названных коэффициентов равен нулю. В этом случае соблюдается лишь необходимое, но недостаточное условие идентификации. В эконометрических моделях часто наряду с уравнениями, параметры которых должны быть статистически оценены, используются балансовые тождества переменных, коэффициенты при которых равны ±1. В этом случае, хотя само тождество и не требует проверки на идентификацию, ибо коэффициенты при переменных в тождестве известны, в проверке на идентификацию собственно структурных уравнений системы тождества участвуют.

4. Методы оценки параметров структурной формы модели

Коэффициенты структурной модели могут быть оценены разными способами в зависимости от вида системы одновременных уравнений. Наибольшее распространение в литературе получили следующие методы оценивания коэффициентов структурной модели:

1. косвенный метод наименьших квадратов;

2. двухшаговый метод наименьших квадратов;

3. трехшаговый метод наименьших квадратов;

4. метод максимального правдоподобия с полной информацией;

5. метод максимального правдоподобия при ограниченной информации.

Косвенный метод наименьших квадратов (КМНК) применяется в случае точно идентифицируемой структурной модели. Процедура применения КМНК предполагает выполнение следующих этапов работы.

1. Структурная модель преобразовывается в приведенную форму модели.

2. Для каждого уравнения приведенной формы модели обычным МНК оцениваются приведенные коэффициенты д_ij .

3. Коэффициенты приведенной формы модели трансформируются в параметры структурной модели.

Если система сверхидентифицируема, то КМНК не используется, ибо он не дает однозначных оценок для параметров структурной модели. В этом случае могут использоваться разные методы оценивания, среди которых наиболее распространенным и простым является двухшаговый метод наименьших квадратов (ДМНК). Основная идея ДМНК на основе приведенной формы модели получить для сверхидентифицируемого уравнения теоретические значения эндогенных переменных, содержащихся в правой части уравнения.

Далее, подставив их вместо фактических значений, можно применить обычный МНК к структурной форме сверхидентифицируемого уравнения. Метод получил название двухшагового МНК, ибо дважды используется МНК: на первом шаге при определении приведенной формы модели и нахождении на ее основе оценок теоретических значений эндогенной переменной y_i=д_i1x₁+д_i2x₂+...+д_inx_n и на втором шаге применительно к структурному сверхидентифицируемому уравнению при определении структурных коэффициентов модели по данным теоретических (расчетных) значений эндогенных переменных.

Сверхидентифицируемая структурная модель может быть двух типов:

1. все уравнения системы сверхидентифицируемы;

2. система содержит наряду со сверхидентифицируемыми точно идентифицируемые уравнения.

Если все уравнения системы сверхидентифицируемые, то для оценки структурных коэффициентов каждого уравнения используется ДМНК. Если в системе есть точно идентифицируемые уравнения, то структурные коэффициенты по ним находятся из системы приведенных уравнений.

Для примера, рассмотренного в предыдущем параграфе, необходимо применить именно двухшаговый метод наименьших квадратов. Но можно сделать следующее замечание. Если из модели исключить тождество дохода, число эндогенных переменных модели снизится на единицу переменная y_t станет экзогенной. А число предопределенных переменных модели не изменится, т.к. из модели будет исключена эндогенная переменная G_t, но ее место займет переменная y_t. В правых частях функции потребления и функции денежного рынка будут находиться только предопределенные переменные. Функция инвестиций постулирует зависимость эндогенной переменной I_t от эндогенной переменной r_t (которая зависит только от предопределенных переменных) и предопределенной переменной i_t-1.

Таким образом, мы получим рекурсивную систему. Ее параметры можно оценивать обычным МНК, и нет необходимости исследования уравнения на идентификацию.

Косвенный и двухшаговый методы наименьших квадратов подробно описаны в литературе и рассматриваются как традиционные методы оценки коэффициентов структурной модели. Эти методы достаточно легко реализуемы.

Метод максимального правдоподобия рассматривается как наиболее общий метод оценивания, результаты которого при нормальном распределении признаков совпадают с МНК. Однако при большом числе уравнений системы этот метод приводит к достаточно сложным вычислительным процедурам. Поэтому в качестве модификации используется метод максимального правдоподобия при ограниченной информации (метод наименьшего дисперсионного отношения), разработанный в 1949 г. Т. Андерсоном и Н. Рубиным.

В отличие от метода максимального правдоподобия в данном методе сняты ограничения на параметры, связанные с функционированием системы в целом. Это делает решение более простым, но трудоемкость вычислений остается достаточно высокой. Несмотря на его значительную популярность, к середине 60-х годов он был практически вытеснен двухшаговым методом наименьших квадратов (ДМНК) в связи с гораздо большей простотой последнего.

Дальнейшим развитием ДМНК является трехшаговый МНК (ТМНК), предложенный в 1962 г. А. Зельнером и Г. Тейлом. Этот метод оценивания пригоден для всех видов уравнений структурной модели. Однако при некоторых ограничениях на параметры более эффективным оказывается ДМНК

5. Решение задачи

Требуется:

1. Построить линейное уравнение парной регрессии y по x.

2. Рассчитать линейный коэффициент парной корреляции, коэффициент детерминации и среднюю ошибку аппроксимации.

3. Оценить статистическую значимость уравнения регрессии в целом с помощью F - критерия Фишера.

Найдем параметры уравнения линейной регрессии:



Для расчета параметров уравнения регрессии построим расчетную таблицу

N 1	X 2	Y 3	X*Y 4	XІ 5	YІ 6	? 7	Y-?? 8	A? 9
1	87	141	12267	7569	19881	153,47	-12,47	8,84397
2	89	148	13172	7921	21904	155,21	-7,21	4,87162
3	87	143	12441	7569	20449	153,47	-10,47	7,32168
4	79	154	12166	6241	23716	146,51	7,49	4,863636
5	106	165	17490	11236	27225	170	-5	3,0303
6	115	195	22425	13225	38025	177,83	17,17	8,805128
7	67	139	9313	4489	19321	136,07	2,93	2,107914
8	98	166	16268	9604	27556	163,04	2,96	1,783133
9	82	152	12464	6724	23104	149,12	2,88	1,894737
10	87	162	14094	7569	26244	153,47	8,53	5,265432
11	86	154	13244	7396	23716	152,6	1,4	0,909091
12	119	173	20587	14161	29929	181,31	-8,31	4,80347
Сумма	1102	1892	175931	103704	301070	1892,1	-0,1	54,50011
Среднее	91,83333	157,6667	14660,92	8642	25089,17	157,675	-0,00833	4,541676

= 0,87

Получено уравнение регрессии:

•

Параметр регрессии позволяет сделать вывод, что с увеличением среднедушевого прожиточного минимума на 1 руб., среднедневная заработная плата возрастает в среднем на 0,87 руб. ( или 87 коп.).

Рассчитать линейный коэффициент парной корреляции, коэффициент детерминации исреднюю ошибку аппроксимации.

Тесноту линейной связи оценит коэффициент корреляции:



общая дисперсия результативного признака y

у²_x = (87-91,83)² + (89-91,83)² + (87-91,83)² + (79-91,83)² + (106-91,83)² + (115-91,83)² + (67-91,83)² + (98-91,83)² + (82-91,83)² + (87-91,83)² + (86-91,83)² + (119-91,83)² = 2503,67

у_x=

у²_y=(141-157,67)²+(148-157,67)²+(143-157,67)²+(154-157,67)²+(165-157,67)²+(195-157,67)²+(139-157,67)²+(166-157,67)²+(152-157,67)²+(162-157,67)²+(154-157,67)² +(173-157,67)²=2764,79

у_у=

r_xy

Так как значение корреляции > 0,7, то это говорит о наличии весьма тесной линейной связимежду признаками

Коэффициент детерминации:

r_xy² =0,826² = 0,682

Это означает, что 68% вариации заработной платы (y)объясняется вариацией фактора (x)-среднедушевого прожиточного минимума.

Качество модели определяет средняя ошибка аппроксимации.

В = 4,467

Качество построенной модели оценивается как хорошее, так как В не превышает 10%

Оцениваем статистическое значение уравнения F- критерия Фишера.



F_факт

Табличное значение критерия при пятипроцентном уровне значимости и степенях свободы k₁ = 1 и k₂ = 12 - 2 = 10 составляет F_табл = 4,96

Так как F_факт = 18,57 >F_табл = 4,96, то уравнение регрессии признается статистически значимым.



Библиографический список

1. Кремер, Н. Ш. Эконометрика : учебник для студентов вуза / Н. Ш. Кремер, Б. А. Путко ; под ред. Н. Ш. Кремера. - 3-е изд., перераб. и доп. - Москва : ЮНИТИ, 2010.- 125 с.

2. Гладилин, А. В. ЭконометрикА : учебное пособие для студентов вузов, обучающихся по экономическим специальностям / А. В. Гладилин, А. Н. Гарасимов, Е. И. Громов. - 3-е изд., стер. - М. : КноРУС, 2011.- 245 с.

3. Валентинов, В. А. Эконометрика : практикум / В. А. Валентинов. - 3-е изд. - Москва : Дашков и К, 2010.- 154 с.

4. Казмер Л. Методы статистического анализа в экономке. M.: Статистика, 2012.- 58 с.

5. Джонсон Дж. Эконометрические методы. M.: Статистика, 2014.- 45 с.

6. Тимофеев, В. С. Эконометрика : учебник для академического бакалавриата для студентов вузов, обучающихся по экономическим направлениям и специальностям / В. С. Тимофеев, А. В. Фадеенков, В. Ю. Щеколдин ; Новосиб. гос. техн. ун-т. - 2-е изд., перераб. и доп. - М. : Юрайт, 2015. - 328 с.

7. Булдык Г.М. Статистическое моделирование и прогнозирование: Учебник. - Мн.: НО ООО «БИП-С», - 2013.- 562 с.

8. Орлов А.И. Эконометрика. Учебник. М.: Издательство «Экзамен», 2002. - 576 с.

9. Шанченко, Н. И. Лекции по эконометрике : учебное пособие / Ульяновск : УлГТУ, 2011.- 12 с.

10. Карп Д.Б. «Эконометрика: основные формулы с комментариями». Учебно-методическое пособие. Владивосток, 2014.- 312 с.

Размещено на Allbest.ru