Эконометрика
Покупка
Основная коллекция
Тематика:
Эконометрика
Издательство:
Сибирский федеральный университет
Год издания: 2018
Кол-во страниц: 148
Дополнительно
Вид издания:
Учебное пособие
Уровень образования:
ВО - Бакалавриат
ISBN: 978-5-7638-3996-8
Артикул: 765686.01.99
Рассмотрены линейная модель множественной регрессии, нелинейные модели, временные ряды, системы эконометрических уравнений. Приведены примеры решения задач и варианты индивидуальных заданий, а также тесты и вопросы к экзамену. Предназначено для студентов укрупненной группы направлений подготовки бакалавров 38.03.01 «Экономика». 38.03.02 «Менеджмент», а также для преподавателей, применяющих методы эконометрики в социально-экономических исследованиях.
Тематика:
ББК:
УДК:
- 338: Эк. положение. Эк. политика. Управление и планирование в эк-е. Производство. Услуги. Цены
- 519: Комбинатор. анализ. Теория графов. Теория вер. и мат. стат. Вычисл. мат., числ. анализ. Мат. кибер..
ОКСО:
- ВО - Бакалавриат
- 38.03.01: Экономика
- 38.03.02: Менеджмент
ГРНТИ:
Скопировать запись
Фрагмент текстового слоя документа размещен для индексирующих роботов.
Для полноценной работы с документом, пожалуйста, перейдите в
ридер.
Рассмотрены линейная модель множественной регрессии, нелинейные модели, временные ряды, системы эконометрических уравнений. Приведены примеры решения задач и варианты индивидуальных заданий, а также тесты и вопросы к экзамену. В. А. Середа, А. В. Литаврин, Н. Л. Собачкина ЭКОНОМЕТРИКА Учебное пособие ИНСТИТУТ МАТЕМАТИКИ И ФУНДАМЕНТАЛЬНОЙ ИНФОРМАТИКИ
Оглавление 1 Министерство науки и высшего образования Российской Федерации Сибирский федеральный университет В. А. Середа, А. В. Литаврин, Н. Л. Собачкина ЭКОНОМЕТРИКА Учебное пособие Красноярск СФУ 2018
Оглавление 2 УДК 338:519.862.6(07) ББК 65в631я73 С325 Р е ц е н з е н т ы: С. И. Сенашов, доктор физико-математических наук, профессор Сибирского государственного университета науки и технологий имени академика М. Ф. Решетнёва; К. А. Филиппов, доктор физико-математических наук, профессор Красноярского государственного аграрного университета Середа, В. А. С325 Эконометрика : учеб. пособие / В. А. Середа, А. В. Литаврин, Н. Л. Собачкина. – Красноярск : Сиб. федер. ун-т, 2018. – 148 с. ISBN 978-5-7638-3996-8 Рассмотрены линейная модель множественной регрессии, нелинейные модели, временные ряды, системы эконометрических уравнений. Приведены примеры решения задач и варианты индивидуальных заданий, а также тесты и вопросы к экзамену. Предназначено для студентов укрупненной группы направлений подготовки бакалавров 38.03.01 «Экономика», 38.03.02 «Менеджмент», а также для преподавателей, применяющих методы эконометрики в социально-экономических исследованиях. Электронный вариант издания см.: http://catalog.sfu-kras.ru УДК 338:519.862.6(07) ББК 65в631я73 ISBN 978-5-7638-3996-8 © Сибирский федеральный университет, 2018
Оглавление 3 ОГЛАВЛЕНИЕ ПРЕДИСЛОВИЕ .................................................................................................. 5 ВВЕДЕНИЕ В КОРРЕЛЯЦИОННО-РЕГРЕССИОННЫЙ АНАЛИЗ ......... 6 1. ЛИНЕЙНАЯ МОДЕЛЬ МНОЖЕСТВЕННОЙ РЕГРЕССИИ .................. 9 1.1. Показатели качества регрессии ............................................................ 10 1.2. Множественная регрессия .................................................................... 15 1.3. Оценивание регрессионных моделей с помощью пакета прикладных программ Excel ................................................................ 20 1.4. Линейные регрессионные модели с гетероскедастичными и автокоррелированными остатками ................................................... 22 1.5. Обобщенный метод наименьших квадратов. Прогнозирование ...... 26 2. НЕЛИНЕЙНЫЕ МОДЕЛИ РЕГРЕССИИ ................................................. 29 2.1. Мультипликативные модели регрессии .............................................. 29 2.2. Гиперболическая и полиномиальная регрессии ................................. 29 2.3. Экспоненциальная и степенная регрессии ......................................... 31 3. ВРЕМЕННЫЕ РЯДЫ ................................................................................... 37 3.1. Характеристики временных рядов. Выявление тренда в динамических рядах экономических показателей .......................... 37 3.2. Моделирование сезонных и циклических колебаний ....................... 39 3.3. Статистика Дарбина – Уотсона ............................................................ 41 4. СИСТЕМЫ ЭКОНОМЕТРИЧЕСКИХ УРАВНЕНИЙ ............................ 44 4.1. Системы зависимых и взаимозависимых уравнений ......................... 45 4.2. Структурная и приведенная формы модели ....................................... 46 4.3. Проблема идентификации .................................................................... 48 4.4. Методы оценки параметров структурной формы модели ................. 53 ПРИМЕРЫ РЕШЕНИЯ И ВАРИАНТЫ ИНДИВИДУАЛЬНЫХ ЗАДАНИЙ ................................................................ 56 З а д а ч а 1. Парная регрессия и корреляция ........................................... 56 З а д а ч а 2. Множественная регрессия.................................................... 63 З а д а ч а 3. Системы эконометрических уравнений ............................. 73 З а д а ч а 4. Временные ряды .................................................................... 76
Оглавление 4 ТЕСТЫ ................................................................................................................ 88 Т е с т 1. Парная регрессия и корреляция ................................................ 88 Т е с т 2. Множественная регрессия и корреляция ................................. 90 Т е с т 3. Системы эконометрических уравнений ................................... 93 Т е с т 4. Временные ряды ......................................................................... 95 КОНТРОЛЬНЫЕ ВОПРОСЫ ПО ДИСЦИПЛИНЕ ................................ 97 ВОПРОСЫ К ЭКЗАМЕНУ ............................................................................. 99 ЗАДАЧИ ДЛЯ САМОСТОЯТЕЛЬНОЙ РАБОТЫ ................................... 101 КОНТРОЛЬНЫЕ ЗАДАНИЯ ........................................................................ 107 Парная регрессия и корреляция ............................................................... 108 Множественная регрессия и корреляция ................................................. 119 Системы эконометрических уравнений ................................................... 126 Временные ряды в эконометрических исследованиях ........................... 132 БИБЛИОГРАФИЧЕСКИЙ СПИСОК .......................................................... 140 ПРИЛОЖЕНИЯ ............................................................................................... 142
Введение в корреляционно-регрессионный анализ 5 ПРЕДИСЛОВИЕ Переход к рыночной экономике повышает требования к качеству подготовки экономистов, которые, чтобы быть конкурентоспособными и востребованными на рынке труда, должны владеть количественными методами анализа в экономике. При этом высокий динамизм происходящих в стране социально-экономических процессов приводит к тому, что знания об экономике отстают от потребностей управления. Сегодня нужны специалисты, не только владеющие опытом и знаниями предыдущих поколений, но и готовые к встрече с новыми постановками задач, обусловленными спецификой России. В связи с этим дисциплина «Эконометрика» входит в учебные планы подготовки экономистов всех специальностей и направлений в качестве базовой, обязательной дисциплины и преподается как во всех ведущих университетах мира, так и в отечественных вузах. В данном курсе рассматриваются задачи эконометрики – науки о связях экономических явлений, условия и методы построения экономических регрессионных моделей по статистическим данным и временным рядам. Изучение этих прикладных разделов математики занимает важное место в формировании экономистов высокой квалификации и служит основой для описания, анализа и прогнозирования реальных экономических процессов. Курс эконометрики призван научить различным способам выражения связей и закономерностей через эконометрические модели, основанные на данных статистических наблюдений. Значительное внимание в настоящем издании уделяется логическому анализу исходной информации и экономической интерпретации получаемых результатов. В нем даются необходимый теоретический материал и большое количество примеров и задач для самостоятельного решения, а также тесты и вопросы для закрепления материала. Учебное пособие предназначено для студентов экономических специальностей, направлений подготовки бакалавров, а также для преподавателей, применяющих методы эконометрики в социально-экономических исследованиях. Авторы выражают искреннюю благодарность доктору физикоматематических наук, профессору С. И. Сенашову, доктору физикоматематических наук, профессору К. А. Филиппову за рецензирование и редактору Л. Г. Семухиной за целый ряд полезных замечаний и поправок, способствовавших улучшению пособия.
Эконометрика 6 ВВЕДЕНИЕ В КОРРЕЛЯЦИОННО-РЕГРЕССИОННЫЙ АНАЛИЗ Одна из наиболее общих задач в экономических исследованиях состоит в оценивании степени зависимости изучаемой величины Y от одной или нескольких случайных (или неслучайных) величин X, называемых факторами. Зависимость может быть функциональной, статистической либо отсутствовать вовсе. Строгая функциональная зависимость между экономическими показателями (наличие всегда выполняющегося равенства Y = f(X)) реализуется редко, так как они подвержены влиянию случайных факторов. При статистической зависимости изменение одной из величин влечет изменение распределения другой (в частности, среднего значения; в этом случае статистическую зависимость называют корреляционной). Причем всегда есть несколько величин, которые определяют главные тенденции изменения рассматриваемой величины, и в экономической теории и практике ограничиваются тем или иным кругом таких величин (объясняющих переменных). Однако всегда существует и воздействие большого числа других менее важных или трудно идентифицируемых факторов, приводящее к отклонению значений объясняемой (зависимой) переменной от конкретной формулы ее связи с объясняющими переменными, сколь бы точной эта формула ни была. Нахождение, оценка и анализ таких связей, идентификация объясняющих переменных, построение формул зависимости и оценка их параметров и составляют предмет корреляционнорегрессионного анализа, при этом корреляционный анализ занимается исследованием взаимозависимости случайных величин, тогда как регрессионный анализ на базе выборочных данных исследует зависимость случайной величины от ряда неслучайных и случайных величин. Примерами корреляционно, но не функционально связанных величин являются объемы производства и себестоимость продукции, объемы продаж и прибыль, урожай зерна и количество внесенных удобрений. Действительно, в последнем примере с одинаковых по площади участков земли при равных количествах внесенных удобрений снимают различный урожай, т. е. отсутствует функциональная связь. Это объясняется влиянием случайных факторов (осадки, температура, качество семян и др.). Вместе с тем, как показывает опыт, средний урожай меняется с изменением количества удобрений, т. е. прослеживается корреляционная зависимость.
Введение в корреляционно-регрессионный анализ 7 Рассмотрим сначала однофакторную регрессионную модель. В этом случае имеется n пар наблюдений (xi, yi), i = 1, 2, …, n, над некоторыми случайными величинами Х = {xi} и Y = {yi}. Эти наблюдения можно представить точками на плоскости с координатами (xi, yi) в виде так называемой диаграммы рассеяния. Задача построения регрессионной модели заключается в том, что необходимо подобрать некоторую кривую (график соответствующей функции) таким образом, чтобы она располагалась как можно «ближе» к этим точкам. Такого рода кривую называют эмпирической или аппроксимирующей кривой. Весьма часто тип эмпирической кривой определяется экспериментальными или теоретическими соображениями (исходя из законов экономической теории), в противном случае выбор кривой осуществить довольно трудно. Иногда точки на диаграмме рассеяния располагаются таким образом, что не наблюдается никакого их группирования и, соответственно, нет никаких оснований предполагать наличие в наблюдениях какой-либо взаимозависимости. Результатом исследования статистической взаимозависимости на основе выборочных данных является построение уравнений регрессии вида y = f(x). В самом простом случае предполагается, что f задает уравнение прямой f(x) = 0 + 1х. Модель в этом случае имеет вид уi = 0 + 1хi + i (i = 1, 2, …, n). (1) Здесь i являются вертикальными уклонениями точек (xi, yi) от аппроксимирующей прямой. Вопрос о нахождении формулы зависимости можно ставить после положительного ответа на вопрос о существовании такой зависимости. О наличии или отсутствии линейной связи можно судить по величине коэффициента корреляции. Угловой коэффициент 1 прямой линии регрессии Y на X называют коэффициентом регрессии Y на X и обозначают yx. Выражение х 2 = 2 2 ( ) x x есть выборочная дисперсия Х (или квадрат выборочного среднего квадратического отклонения). Выборочный коэффициент корреляции определяется равенством ryx = ( xy xy )/(хy), (2) где y есть выборочное среднее квадратическое отклонение Y. З а м е ч а н и е 1. Верхняя черта, как это принято в теории вероятностей и математической статистике, означает среднее значение выборочной совокупности, в данном случае
Эконометрика 8 2 2 1 1 1 1 , , , . n n n n i i i i i i i i i х y x x y х y x xy n n n n Коэффициент корреляции измеряет силу (тесноту) линейной связи между Y и X. Он является безразмерной величиной, не зависит от выбора единиц измерения обеих переменных. Для него всегда выполняется 0 ryx 1, и чем ближе его значение к 1, тем сильнее линейная связь. Коэффициент корреляции будет положительным, если зависимость переменных Х и Y прямо пропорциональная, и отрицательным – если обратно пропорциональная.
1. Линейная модель множественной регрессии 9 1. ЛИНЕЙНАЯ МОДЕЛЬ МНОЖЕСТВЕННОЙ РЕГРЕССИИ Под линейной моделью множественной регрессии понимается зависимость вида y = 0 + 1х1 + 2х2 + … + mхm + . (3) В случае парной линейной регрессии имеется только один объясняющий фактор х и линейная регрессионная модель записывается следующим образом: y = 0 + 1х + , (4) где – случайная составляющая с независимыми значениями, М = 0, D = 2. (5) Оценка параметров регрессии 0 и 1 производится по наблюденным значениям зависимой и объясняющей переменных (xi, yi), i = 1, 2, …, n, где n – число пар наблюдений (объем выборки). После выполнения элементарных преобразований, которые называются методом наименьших квадратов (МНК), получают так называемую систему нормальных уравнений, из которой и находят искомые параметры. Для парной линейной регрессии записывают 1 = 2 2 ( ) xy xy x x , 0 = 2 1 2 2 ( ) ( ) α ( ) x y x xy y x x x , (6) где 2 2 , , , i i i i i x y x y x xy x y x n n n n . Из выражений (2) и (6) следует, что yx = ryx y /х. (7) Если выборка имеет достаточно большой объем и хорошо представляет генеральную совокупность (репрезентативна), то заключение о тесноте линейной зависимости между признаками, полученными по данным выборки, в известной степени может быть распространено и на генеральную совокупность, т. е. можно выдвинуть гипотезу об имеющейся линейной связи во всей генеральной совокупности вида у = 0 + 1х.
Эконометрика 10 Оценки, сделанные с помощью МНК, обладают следующими свойствами: ● оценки являются несмещенными, т. е. математическое ожидание оценки каждого параметра равно его истинному значению. Это вытекает из того, что М = 0, и свидетельствует об отсутствии систематической ошибки в определении положения линии регрессии; ● оценки состоятельны, так как дисперсия оценок параметров при возрастании числа наблюдений стремится к нулю. Иначе говоря, надежность оценки при увеличении выборки растет; ● оценки эффективны, они имеют наименьшую дисперсию по сравнению с любыми другими оценками данного параметра (при линейной аппроксимации). 1.1. Показатели качества регрессии Надежность получаемых оценок 0 и 1 зависит от дисперсии отклонений переменной у от оцененной линии регрессии i = уi – 0 – 1хi. Несмещенная оценка дисперсии случайной составляющей вычисляется по формуле 2 2 1 1 ˆσ ε 2 n i i n , (8) и является мерой разброса зависимой переменной вокруг линии регрессии (необъясненная дисперсия). В качестве меры того, насколько хорошо регрессия описывает данную систему наблюдений, служит коэффициент детерминации, при этом вычисляются следующие суммы квадратов отклонений: S2 = i (yi – у)2 – фактических значений от их среднего арифметического; Ŝ2 = i(ŷi – у)2 – выровненных значений от среднего арифметического фактических значений; Š2 = i (yi – ŷ i)2 – фактических от выровненных значений. Имеет место равенство S2 = Ŝ2 + Š2. Коэффициент детерминации есть отношение объясненной части вариации ко всей вариации в целом: R2 = Ŝ2/S2 = 1 – Š2/S2. (9) Таким образом, чем «ближе» этот коэффициент к единице, тем лучше описание, разумеется, если при этом модель методически правильна.
1. Линейная модель множественной регрессии 11 П р и м е р 1. Исследовать зависимость розничного товарооборота, млрд руб., магазинов от среднесписочного числа работников. В табл. 1 в столбцах 2 и 3 приведены значения, соответственно, объемов розничного товарооборота у и среднесписочного числа работников х, а в следующих столбцах – значения необходимых расчетных величин. Таблица 1 № п/п у х (х – х )2 2 ( ) y y х2 ху ŷ ε ε2 1 2 3 4 5 6 7 8 9 10 1 0,5 73 1 600 0,49 5 329 36,5 0,43 0,07 0,0049 2 0,7 85 784 0,25 7 225 59,5 0,661 0,039 0,0015 3 0,9 102 121 0,09 10 404 91,8 0,998 –0,098 0,0096 4 1,1 115 4 0,01 13 225 126,5 1,239 –0,139 0,0193 5 1,4 122 81 0,04 14 884 170,8 1,373 0,027 0,0007 6 1,4 126 169 0,04 15 876 176,4 1,45 –0,05 0,0025 7 1,7 134 441 0,25 17 956 227,8 1,604 0,096 0,0092 8 1,9 147 1 156 0,49 21 609 279,3 1,854 0,046 0,0021 Сумма 9,6 904 4 356 1,66 106 508 1 168,6 9,592 0,001 0,0479 Среднее 1,2 113 544,5 0,2075 13 313,5 146,075 1,199 0,0001 0,0060 В соответствии с выражением (6) 1 = ( ху – х у)/( 2 х – ( х )2) = (146,075 – 1131,2)/544,5 = 0,019 24; 0 = (( 2 х ) у– х ху)/( 2 х – ( х )2) = (13 313,51,2 – 113146,075)/544,5 = = –0,974. Таким образом, получено уравнение регрессии ŷ = –0,974 + 0,019 24х. Коэффициент регрессии 1 = 0,019 24 показывает, что увеличение среднесписочной численности на одного человека приводит к повышению объема товарооборота в среднем на 19,24 млн руб. Это своего рода эмпирический норматив приростной эффективности использования работников данной группы магазинов. Если увеличение численности на одного работника приводит к меньшему росту объема товарооборота, то прием его на работу необоснован. Выборочный коэффициент корреляции можно определить, используя равенство (7): ryx = 0,019 24544,5 0,2075 ⁄ = 0,9856, что свидетельствует о наличии тесной линейной связи между численностью работников и розничным товарооборотом.