- •А.Б. Кригер
- •1. Основные положения эконометрики
- •1.1 Эконометрическая модель с двумя переменными – модель парной регрессии
- •1.3 Коэффициент Дарбина-Уотсона
- •1.4 Нелинейная регрессия. Линеаризация
- •1.5 Эконометрические модели с несколькими переменными – модель множественной регрессии
- •2. Эконометрические модели с одной переменной – парная регрессия
- •2.1 Эконометрическая модель доходов на душу населения и потребительских расходов на душу населения
- •2.2 Моделирование финансовых потоков для страховых компаний
- •3. Эконометрические модели с несколькими объясняющими переменными – модели множественной регрессии
- •3.1 Эконометрическая модель оценки прожиточного минимума в регионах России
- •3.2 Эконометрические модели в задачах маркетинга
- •4. Эконометрические модели государственных финансов
- •4.2 Эконометрическая модель для оценки расходов и построения нормативов по основным статьям расходов бюджетов Российской Федерации
- •ВЫВОДЫ
- •Литература
- •Приложение 1
- •Приложение 2
- •Приложение 3
- •Приложение 4
регрессии |
gi |
имеют смысл эластичности |
изменения |
показателя«уровень |
|
||||
прожиточного минимума» по отобранным факторам. |
|
|
|
|
|||||
Оценка (3.3) и (3.4) показала, что изучаемый социально-экономический |
|||||||||
показатель наиболее эластичен по факторуFi - стоимость фиксированного |
|||||||||
набора потребительских товаров и услуг на одного человека. При оценивании |
|
||||||||
модели с тремя факторами получены следующие результаты. При изменении |
|
||||||||
стоимости фиксированного набора потребительских товаров и услуг 1%на |
|
||||||||
величина прожиточного минимума изменяется 0,96%,на |
при |
изменении |
|||||||
стандарта стоимости жилищно-коммунальных услуг |
1%на |
величина |
|
||||||
прожиточного минимума изменяется на0,14%, при изменении стоимости1 |
|
||||||||
кВтч. для населения на 1% |
величина прожиточного минимума изменяется на |
||||||||
0,017%. |
Таким |
образом, |
оценка |
модели |
в |
логарифмической |
форме |
||
подтверждает выводы сделанные выше. |
|
|
|
|
|
|
|||
3.2 Эконометрические модели в задачах маркетинга |
|
|
|
Эконометрические задачи успешно применяются для анализа рынков– |
|
|||||||
маркетинговых исследований. |
|
|
|
|
|
|||
Рассмотрим пример применения эконометрического моделирования для |
|
|||||||
изучения рынка пива в Греции с1980 по 1983 гг. [11]1. Модель построена на |
|
|||||||
реальных |
экономических показателях характеризующих производителей пива: |
|
||||||
мощность производства, |
объемы продаж, расходы на рекламу. Рынок поделен |
|
||||||
между пятью фирмами-производителями, условно назовем ихA, B, C, D, E. |
|
|||||||
Причем |
до 1981 года |
на рынке |
присутствовали фирмыA, B, C, а в1981 в |
|
||||
отрасли появились фирмы D и E. Однако уже в 1983 году у фирмы A возникают |
|
|||||||
финансовые трудности, а фирма D не выдерживает конкуренции. |
|
|||||||
Целью исследования является |
выявление |
факторов, влияющих на |
|
|||||
объемы продаж производителей пива , ив конечном счете, успешность и |
|
|||||||
конкурентоспособность |
фирмы. |
Проанализировав |
финансовые |
и |
||||
экономические показатели функционирования фирм, аналитики предположили, |
|
|||||||
что такими факторами |
являются объемы продаж в предшествующий период |
|
||||||
времени, объем расходов на рекламу, число туристов, температуру воздуха в |
|
|||||||
изучаемый период и уровень потребительских . Дляцен подтверждения |
|
|||||||
правильности выводов, необходимо подобрать функциональную зависимость, |
|
|||||||
определяющую объем продаж(в денежном выражении) от предполагаемых |
|
|||||||
факторов |
|
|
|
|
|
|
|
|
Объем _ продаж(в$ _ США) = f {Объем _ продажt , Расходы _ на _ рекламу, |
|
|||||||
число _ туристов,T _ воздуха, уровень _ цен) |
|
|
||||||
Была |
выбрана |
линейная |
форма |
модели |
множественной . |
регре |
Соответствующее уравнение имеет вид
1 рассматривается модель, использованная корпорацией Statsoft для демонстрации применения ЭИС
Statistica
30
S (t) = a + b1 S(t -1) + b2 A(t) + b3 A(t -1) + b4T (t) + b5W (t) + b6 P(t) , ( 3.5)
где S (t) - объем продаж на текущий период; S (t - 1) - объем продаж в предшествующий период; A(t) - расходы на рекламу (в денежном выражении)
в текущий период; A(t - 1) - расходы на рекламу предшествующий период; T (t) - средняя температура воздуха на текущий период; W (t) - число туристов за текущий период; P(t) - индекс розничных цен. Для анализа использовались показатели о ежемесячных продажах за два года– число наблюдений 24. Уравнение оценивалось на данных как для каждой изпяти фирм, так и для отрасли в целом. Оценка уравнения (3.5) МНК выявила не значимость коэффициентов b5 , b4 . Т.е. влияние таких факторов как температура воздуха и индекс розничных цен не подтвердилось. Параметры W (t) и P(t) были исключены из модели. В итоге модельное уравнение приобрело вид
S (t) = a + b1S (t -1) + b2 A(t) + b3 A(t -1) + b5W (t) . |
(3.6) |
Оценки коэффициентов для уравнения (3.6) приведены в Таблице 3.2
Таблица 3.2 - Результат оценивания модели (3.6)
Фирмы |
S (t - 1) |
Коэффициенты |
b1 |
Отрасль |
0.56 |
A |
0.29 |
B |
0.49 |
C |
0.45 |
D |
0.59 |
E |
0.60 |
A(t) |
A(t - 1) |
W (t) |
R2 |
b2 |
b 3 |
b5 |
|
11.81 |
|
0.52 |
0.801 |
7.93 |
|
0.22 |
0.881 |
3.85 |
11.75 |
0.25 |
0.893 |
|
12.41 |
0.19 |
0.703 |
0.1 |
|
0.73 |
0.317 |
2.6 |
13.9 |
|
0.600 |
Пустые клетки в таблице оставлены , |
гдетам коэффициенты |
оказались |
|
незначимы. В целом, оценка значений t -статистик для коэффициентов модели |
|||
показали их значимость. Исключение составили коэффициенты b2 для фирм B, |
|||
D, E. Для этих фирм |
финансовые |
показатели зависят |
от рекламно |
деятельности за предыдущий |
период времени. |
|
|
Значение коэффициентов детерминации оказались высокими, что говорит о соответствии модели множественной линейной регрессии наблюдаемым показателям. Коэффициент детерминации для регрессии, построенной по отраслевым показателям, составил 0,8, т.е. объяснено 80% дисперсии модельных значений. Высокие значения коэффициента детерминации для фирм
A, B и C так же говорят о хорошем качестве построенной модели. Низкое значение коэффициента детерминации для фирмыD можно объяснить нестабильностью ее развития– неэффективная рекламная компания, управленческие ошибки – которые привели к уходу с рынка.
31
Показатели-факторы |
входят |
в |
модель |
в |
абсолютных , значения |
следовательно, имеют смысл скорости изменения объясняющей переменной от |
|||||
изменения фактора, при |
неизменности всех других факторов. Величина |
||||
коэффициента позволяет |
судить о |
степени |
влияния |
того |
или иного фактора. |
Наиболее существенным для всех фирм оказывается влияние расходов на рекламную компанию (коэффициенты b2 при переменной«расходы на рекламу»). Для отрасли в целом увеличение расходов на рекламу в текущий период на 1 измерения денежных средств, приводит к увеличению выручки на 11,81 единиц измерения денежных средств. Для фирмы А увеличение расходов на рекламу на единицу в текущий период приводит к увеличению выручки на 7,93 денежных единицы. Однако для фирмB, C и E большее влияние на уровень продаж оказывают расходы в предшествующий период
времени. Для всех фирм прослеживается устойчивая связь доходов в наблюдаемый период времени, с доходами за предыдущий период времени. Т.е.
объем продаж обладает инерционностью. Этот факт может быть объяснен как «привычками» потребителей так и розничных продавцов. Все фирмы (за исключением фирмы E) имеют устойчивую связь объемов продаж с числом туристов. Факт отсутствия такой связи для фирмыE может быть объяснен недавним ее появлением на рынке и малой известностью. Все приведенные рассуждения позволяют сделать вывод, что полученная модель достоверно объясняет реальную экономическую ситуацию. Результаты моделирования показывают, что эффективность деятельности фирм производящих пиво,
определялась уровнем управленческих решений, |
лишь |
в незначительной |
степени внешними факторами. |
|
|
Другим примером решения маркетинговой |
задач |
является применение |
эконометрического анализа к изучению рынка жилья. Целью анализа являлось получение объективной экспертной оценки цены на квартиры в серийных домах от показателей(факторов), характеризующих качество квартиры.
Построенная модель стала широко известна, благодаря популярному учебнику по эконометрике [2]. Первоначально проведенная оценка модели на данных 1994-1996 гг. для г. Москва подтвердила ее значимость. Позднее, экономисты-
исследователи применили эту модель для оценки рынка жилья в Москве по состоянию на 1999 г. (см. работу [16])
Очевидно, что цена на квартиру определяется множеством независимых друг от друга факторов, поэтому использовалась модель множественной регрессии. Для осуществления поставленной задачи необходимо подобрать функцию, связывающую цену на квартиры(в долларах США) с факторами, характеризующими качество квартиры
Цена _ квартиры = f {жилая _ площадь, площадь_ нежил. _ помещений,
расстояние_ до _ центра, тип _ дома, балкон, этаж, колич. _ комнат, лифт}
После |
проведенного |
анализа |
аналитиками |
была |
выбрана |
лине |
логарифмическая форма |
модели. Уравнение регрессии |
в логарифмической |
|
|||
форме имеет вид |
|
|
|
|
|
|
|
LOGPRICE = b0 + b1 LOGLIVSP + b2 |
LOGPLAN + b3 LOGKITSP + |
|
|
32
+ b4 |
BRICK + b5 FLOOR + b6 BAL + b7 R1 + b8 R2 + b9 R3 + b10 R4 + e , |
( 3.7) |
где LOGPRICE - логарифм цены квартиры (в $ долларах США); LOGLIVSP - |
||
логарифм |
жилой площади квартиры(в кв.м.); LOGPLAN - логарифм |
площади |
нежилых помещений (в том числе и кухни); LOGKITSP - логарифм площади кухни. Остальные переменные являются бинарными или фиктивными. Такие переменные принимают значение «0» или «1» в зависимости от наличия или отсутствия, какого либо признака. Таким образом, BRICK - принимает значение 1 , если квартира находится в кирпичном доме; FLOOR - принимает значение 1 если квартира находится на первом или последнем этаже; BAL - принимает значение 1, если в квартире есть балкон, R1 - принимает значение 1 , если квартира однокомнатная; R2 , R3 , R4 - аналогичные переменные для двух-, трех-, четырехкомнатных квартир.
Основной |
особенностью |
модели рынка жилья |
является |
применение |
||||||
«фиктивных» или бинарных переменных. Как видно из уравнения, бинарные |
||||||||||
переменные учитывают факторы, влияющие |
на |
значение |
объясняемой |
|||||||
переменной (в данном случае на уровень цены квартиры). Но эти факторы не |
||||||||||
могут быть измерены в конкретных именованных величинах(долларах США, |
||||||||||
кв. м. и т.д.). В |
Таблице 3.3 |
приведены результаты оценивания |
стоимости |
|||||||
квартир на выборке объемом 1485 наблюдений за 1999 г. (см. работу [13]). |
||||||||||
Таблица 3.3 – Результат оценивания модели стоимости квартир |
|
|
||||||||
ПЕРЕМЕННАЯ |
|
|
КОЭФФИЦИЕНТ |
СТАНДАРТНАЯ |
|
t - |
p - ЗНАЧЕНИЕ |
|
||
|
|
|
|
ОШИБКА |
СТАТИСТИКА |
|
|
|
||
|
|
|
ЗНАЧЕНИЯ |
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
INTERCEPT |
b0 |
|
-1,282 |
|
0,329 |
-3,899 |
|
0,000 |
|
|
LOGLIVSP |
b1 |
|
0,758 |
|
0,051 |
14,975 |
0,000 |
|
||
LOGPLAN |
b2 |
|
0,164 |
|
0,022 |
7,531 |
|
0,000 |
|
|
LOGKITSP |
b3 |
|
0,564 |
|
0,033 |
17,311 |
0,000 |
|
||
BRICK |
b4 |
|
0,201 |
|
0,015 |
13,091 |
0,000 |
|
||
FLOOR |
b5 |
|
-0,166 |
|
0,017 |
-6,897 |
|
0,000 |
|
|
BAL |
b6 |
|
0,007 |
|
0,016 |
0,447 |
|
0,655 |
|
|
R1 |
b7 |
|
0,614 |
|
0,272 |
2,257 |
|
0,024 |
|
|
R2 |
b8 |
|
0,577 |
|
0,268 |
2,156 |
|
0,031 |
|
|
R3 |
b9 |
|
0,566 |
|
0,265 |
2,135 |
|
0,033 |
|
|
R4 |
b10 |
|
0,556 |
|
0,265 |
2,095 |
|
0,036 |
|
Значения |
t-статистики подтверждают, |
что |
для |
всех |
объясняющих |
||||||
переменных за исключением переменной BAL , может быть отвергнута нулевая |
|||||||||||
гипотеза. |
Критическое значение |
для |
выборки |
|
объемом1485 |
и |
a =0,99 |
||||
составляет |
число меньшее2,576 |
(см. таблицу |
распределения). |
Значения t- |
|||||||
статистик, |
по |
модулю меньшие, |
чем |
указанное |
критическое |
значение, |
|||||
получены |
для |
переменныхR1 , |
R2 , |
R3 , |
R4 . |
Но |
и |
для |
этих |
переменных |
вероятность того, что значения соответствующих коэффициентов равны нулю,
33
очень малы – 2,4%, 3,1%, 3,3%, 3,6% соответственно. Таким образом, можем
считать, что связь |
объясняющих переменных с объясняемой величиной |
стоимости квартиры |
полностью подтвердилась. Коэффициент детерминации |
R 2 =0,759 достаточно высок. Что говорит о хорошем качестве модели. Однако 24% дисперсии зависимой переменной остается необъясненной. Этот факт позволяет предположить, что не учтены существенные факторы, влияющие на цену квартиры.
Рассмотрим экономический смысл полученных результатов. Для модели с логарифмической формой данных коэффициент имеют смысл эластичности цены квартиры от изменения фактора, при неизменности других факторов. Значение коэффициента b1 =0,76 (при LOGLIVSP ) показывает, что увеличение жилой площади квартиры на 1 кв. м., увеличивает ее цену на 0,76 %. Значение коэффициента b2 (при LOGKITSP ) показывает, что при прочих равных
условиях, увеличение площади вспомогательных помещений квартиры (коридора, кладовой, и т.д.) на 1 кв. м., увеличивает ее цену на0,164 %. Влияние размеров кухни на цену квартирыоценивалось отдельно от других нежилых помещений. Однако, следует учитывать, что кухня входит в состав нежилых помещений, т. е. учитывается дважды: увеличение площади кухни
изменяет |
и значение LOGPLAN , и |
значение LOGKITSP . |
Учитывая |
этот факт, |
|||
получаем, |
что |
при увеличении площади |
кухни 1%,на цена |
квартиры |
|||
увеличится на 0,164%+0,564%=0,728% - суммируются значения коэффициентов |
|||||||
b2 и b3 . Квартира в кирпичном доме ( BRICK =1, b4 =0,201) стоит на 20% дороже |
|||||||
аналогичной |
квартиры |
в |
, домепостроенном |
из |
других |
материалов. |
Отрицательное значение коэффициента b5 (при FLOOR ) означает, что квартира на первом или последнем этаже стоит на11,4 % дешевле квартиры на средних
этажах. |
Интерпретация |
|
значений |
коэффициентов |
при |
переменны, |
|||
учитывающих количество |
комнат затруднительна. |
Однако анализ |
влияния |
||||||
переменных |
R1 , |
R2 , |
R3 , |
R4 на качество модели показал, что |
при их |
||||
использовании |
результат |
улучшается. Это говорит о том, что стоимость |
|||||||
квартиры |
в |
серийных |
домах значительно |
лучше |
объясняется |
количеством |
комнат, а не качеством дома, этажом или наличием балкона.
Правильность выбора логарифмической формы модели подтверждается расчетами. Оценка уравнения регрессии, в котором не бинарные переменные учитывались в абсолютном значении
PRICE = b0 + b1 LIVSP + b2 PLAN + b3 KITSP ++ b4 BRICK |
|
+ b5 FLOOR + b6 BAL + b7 R1 + b8 R2 + b9 R3 + b10 R4 + e , |
( 3.8) |
приведена в Таблице 3.4.
Таблица 3.4 Результат оценивания модели стоимости квартир в абсолютных значениях
34
ПЕРЕМЕННАЯ |
КОЭФФИЦИЕНТ |
СТАНДАРТНАЯ |
t - |
p - ЗНАЧЕНИЕ |
|
|
|
ЗНАЧЕНИЕ |
ОШИБКА |
СТАТИСТИКА |
|
|
|
|
|
|
|
|
|
|
|
|
|
INTERCEPT |
b0 |
-135,385 |
23,646 |
-5,726 |
0,000 |
LIVSP |
b1 |
1,496 |
0,105 |
14,286 |
0,000 |
PLAN |
b2 |
1,178 |
0,113 |
10,435 |
0,000 |
KITSP |
b3 |
2,927 |
0,274 |
10,699 |
0,000 |
BRICK |
b4 |
8,023 |
1,31 |
6,123 |
0,000 |
FLOOR |
b5 |
-6,004 |
1,424 |
-4,246 |
0,000 |
BAL |
b6 |
-1,456 |
1,334 |
-1,092 |
0,655 |
R1 |
b7 |
95,973 |
23,176 |
4,141 |
0,024 |
R2 |
b8 |
87,079 |
22,914 |
3,800 |
0,031 |
R3 |
b9 |
75,271 |
22,628 |
3,326 |
0,033 |
R4 |
b10 |
65,260 |
22,550 |
2,894 |
0,036 |
Хотя значимость некоторых коэффициентов(например, при BAL ) повысилась, коэффициент детерминации составляется лишь 0,58, а 42% дисперсии остается необъясненной. Существенно выше оказывается ошибка регрессии. Так как не бинарные переменные учитывались в абсолютном значении, то изменяется и экономический смысл коэффициентов регрессии. Логично было бы объяснить коэффициенты при бинарных переменных, учитывающих количество комнат, базовой стоимостью квартиры в серийном доме. Однако в отрицательное значение свободного члена уравнения регрессиине позволяет принять это
объяснение. Учитывая |
более |
удобную |
интерпретацию |
результато |
моделирования, лучшее значение коэффициента детерминации, мы можем |
||||
сделать вывод о предпочтительности модели |
с логарифмической |
формой |
||
данных. |
|
|
|
|
Первоначально модель (3.7) (данные 1994-1996 гг.) включала в себя еще два фактора (две объясняющие переменные) – логарифм расстояния от центра города - LOGDIST , бинарную переменную, учитывающую наличие лифта - LIFT
LOGPRICE = b0 + b1 LOGLIVSP + b2 LOGPLAN + b3 LOGKITSP + b4 BRICK
+ b5 FLOOR + b6 BAL + b7 R1 + b8 R2 + b9 R3 + b10 R4 + b11 LOGDIST + b12 LIFT + e .
2
Оценивание этой уточненной моделидает более высокий коэффициент детерминации R 2 =0,892. Высокие значения t-статистик для коэффициентов при LOGDIST (-7,11) и LIFT (4,79) говорит о значимости факторов для данной модели. Однако сами значения коэффициентов при указанных переменных не дают существенного вклада в уровень цены на. Такжильевеличина
коэффициента |
b11 =-0,114 |
(при |
LOGDIST ) |
означает, что |
при |
увеличении |
|
относительного |
расстояния |
от |
центра |
города 1 на%, |
цена |
квартиры |
|
уменьшается |
на 0,11%. |
Влияние |
бинарной переменнойLIFT |
также не |
2 См. пример модели множественной регрессии –«Рынок квартир» в [2 ]
35