Эконометрика и ее методы
Понятие парной и множественной регрессии. Суть метода наименьших квадратов для линейной регрессионной модели. Определение коэффициентов корреляции и эластичности. Средняя ошибка аппроксимации. Виды временных рядов. Гетероскедастичность случайных ошибок.
Рубрика | Экономико-математическое моделирование |
Вид | контрольная работа |
Язык | русский |
Дата добавления | 08.02.2022 |
Размер файла | 464,7 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
,
Функцию r(ф) называют автокорреляционной функцией временного ряда, а ее график - коррелограммой.
Необходимо подчеркнуть, что линейные коэффициенты автокорреляции характеризуют тесноту только линейной связи текущего и предыдущих уровней ряда. Поэтому по коэффициентам автокорреляции можно судить только о наличии или отсутствии линейной (или близкой к линейной) зависимости. Для проверки ряда на наличие нелинейной тенденции рекомендуется вычислить линейные коэффициенты автокорреляции для временного ряда, состоящего из логарифмов исходных уровней. Отличные от нуля значения коэффициентов автокорреляции будут свидетельствовать о наличии нелинейной тенденции.
Автокорреляция чаще всего вызывается неправильной спецификацией модели. Поэтому для её устранения необходимо, прежде всего, попытаться скорректировать саму модель. Также автокорреляция может быть вызвана отсутствием в модели некоторой важной объясняющей переменной. Необходимо попытаться определить данный фактор и учесть его в уравнении регрессии. Также можно попробовать изменить формулу зависимости. Однако если изменения спецификации модели всё же не помогли, то можно предположить, что автокорреляция обусловлена какими-то внутренними свойствами ряда{et}. В этом случае можно воспользоваться авторегрессионным преобразованием. В линейной регрессионной модели либо в моделях, сводящихся к линейной, наиболее целесообразным и простым преобразованием является авторегрессионная схема первого порядка AR(1).
25. Системы одновременных эконометрических уравнений. Назовите структурную и приведенную форма модели
Экономические процессы и явления, как правило, представляют собой сложные системы, характеризующиеся большим количеством параметров и сложными взаимосвязями. Использование отдельных изолированных уравнений регрессии для исследования экономических процессов является сильным упрощением. Однако ряд экономических процессов моделируется не одним, а несколькими уравнениями, содержащими как повторяющиеся, так и собственные переменные. Возникает необходимость использования систем эконометрических уравнений.
Наиболее широко этот подход применяется в макроэкономических исследованиях, а также в исследованиях спроса и предложения. Например, в рыночной экономике равновесные цены рассматриваются как результат взаимодействия спроса и предложения. При этом предложение товара в существенной степени зависит от сложившейся цены, а цена, в свою очередь, определяется величиной среднего дохода потребителя и имеющимся на рынке предложением товара. Соответствующая модель определяется системой из двух уравнений
, (1)
где Pt - средняя цена за единицу товара, Qt - объем предложения товара, It - средний уровень дохода, t - означает текущий период времени, b10, b11, b20, b21, b22 - постоянные параметры, е1t, е2t - ошибки уравнений.
Переменные в системах эконометрических уравнений подразделяются на эндогенные и экзогенные. Приставки «эндо» и «экзо» означают соответственно «внутреннее» и «внешнее».
Эндогенными переменными называются взаимозависимые переменные, которые определяются внутри модели (системы). Число эндогенных переменных, обозначаемых обычно буквой y, равно числу уравнений системы. Например, для системы (1) все переменные Pt, Qt, It являются эндогенными, так как они определяются внутри системы.
Экзогенными (предопределенными) переменными называются переменные, которые определяются вне системы. Это независимые переменные, обозначаемые буквой x. Для системы (1) It - средний уровень дохода, является экзогенной переменной, так как она определяется вне модели.
К предопределенным переменным относятся и лаговые (значения переменных за предыдущие моменты времени) переменные системы. Предполагается, что в каждом уравнении экзогенные переменные некоррелированы со случайной компонентой е.
Структурной формой модели (системой одновременных уравнений) называется система уравнений, в каждом из которых помимо объясняющих переменных могут содержаться объясняемые переменные из других уравнений. Уравнения, составляющие исходную модель, называют структурными уравнениями модели.
Параметры структурной формы модели называются структурными коэффициентами.
Их подразделяют на поведенческие уравнения (описывают взаимодействия между переменными) и уравнения-тождества (соотношения, которые должны выполняться во всех случаях). Тождества не содержат каких-либо подлежащих оценке параметров, а также не включают случайную компоненту е.
В общем случае эндогенные переменные коррелированы со случайной компонентой е, поэтому применение МНК к структурной форме модели приводит к смещенным и несостоятельным оценкам структурных коэффициентов.
Для определения структурных коэффициентов структурная форма модели преобразуется в приведенную форму.
Уравнения, в которых дана схема определения эндогенных переменных через экзогенные или предопределенные переменные, называются уравнениями в приведенной форме (приведенными уравнениями).
Параметры приведенной формы модели называются коэффициентами приведенной формы (приведенными коэффициентами). Качественно оценить параметры системы одновременных уравнений на основе МНК невозможно в силу получения смещенных и несостоятельных оценок. Поэтому для получения «хороших» оценок требуется использование других методов. Одним из них является косвенный метод наименьших квадратов (КМНК).
Оцененные коэффициенты приведенной формы могут быть использованы для оценивания структурных коэффициентов. Такой способ оценивания структурных коэффициентов и называют косвенным методом наименьших квадратов (КМНК).
Смысл такого названия очевиден: оценки bi вычисляются не напрямую по МНК, а через коэффициенты приведенных уравнений. Полученные оценки bi являются состоятельными.
Тот или иной структурный коэффициент может либо однозначно выражаться через приведенные коэффициенты, либо иметь несколько разных оценок, либо совсем не выражаться через них.
Размещено на Allbest.ru
Подобные документы
Анализ метода наименьших квадратов для парной регрессии, как метода оценивания параметров линейной регрессии. Рассмотрение линейного уравнения парной регрессии. Исследование множественной линейной регрессии. Изучение ошибок коэффициентов регрессии.
контрольная работа [108,5 K], добавлен 28.03.2018Построение линейного уравнения парной регрессии, расчет линейного коэффициента парной корреляции и средней ошибки аппроксимации. Определение коэффициентов корреляции и эластичности, индекса корреляции, суть применения критерия Фишера в эконометрике.
контрольная работа [141,3 K], добавлен 05.05.2010Понятие взаимосвязи между случайными величинами. Ковариация и коэффициент корреляции. Модель парной линейной регрессии. Метод наименьших квадратов, теорема Гаусса-Маркова. Сравнение регрессионных моделей. Коррекция гетероскедастичности, логарифмирование.
курс лекций [485,1 K], добавлен 02.06.2011Построение обобщенной линейной модели множественной регрессии, ее суть; теорема Айткена. Понятие гетероскедастичности, ее обнаружение и методы смягчения проблемы: тест ранговой корреляции Спирмена, метод Голдфелда-Квандта, тесты Глейзера, Парка, Уайта.
контрольная работа [431,2 K], добавлен 28.07.2013Параметры парной линейной, линейно-логарифмической функции. Оценка статистической надёжности. Ошибка положения регрессии. Расчёт бета коэффициентов, уравнение множественной регрессии в стандартизованном масштабе. Задача на определение тесноты связи рядов.
контрольная работа [192,2 K], добавлен 23.06.2012Выбор факторных признаков для двухфакторной модели с помощью корреляционного анализа. Расчет коэффициентов регрессии, корреляции и эластичности. Построение модели линейной регрессии производительности труда от факторов фондо- и энерговооруженности.
задача [142,0 K], добавлен 20.03.2010Параметры уравнения и экономическое толкование коэффициента линейной регрессии. Расчет коэффициентов детерминации и средних относительных ошибок аппроксимации. Построение структурной формы модели с использованием косвенного метода наименьших квадратов.
контрольная работа [99,2 K], добавлен 27.04.2011Параметры уравнений линейной парной регрессии. Показатели корреляции и детерминации. Изменение средней заработной платы и выплат социального характера. Средняя ошибка аппроксимации. Коэффициент эластичности и стоимость активных производственных фондов.
контрольная работа [1,1 M], добавлен 23.06.2011Выбор факторных признаков для построения регрессионной модели неоднородных экономических процессов. Построение диаграммы рассеяния. Анализ матрицы коэффициентов парной корреляции. Определение коэффициентов детерминации и средних ошибок аппроксимации.
контрольная работа [547,6 K], добавлен 21.03.2015Исследование зависимости сменной добычи угля на одного рабочего от мощности пласта путем построения уравнения парной линейной регрессии. Построение поля корреляции. Определение интервальных оценок заданных коэффициентов. Средняя ошибка аппроксимации.
контрольная работа [2,1 M], добавлен 09.08.2013