- •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
ВЫВОДЫ
§Построение эконометрических моделей - применение регрессионного анализа к проблемам экономики– является мощным инструментом для анализа и оценки функционирования экономических объектов на основе эмпирических (наблюдаемых) данных.
§Моделирование позволяет осуществлять прогнозирование экономических и
финансовых показателей.
§ Детализация эконометрических моделей определяется целью моделирования и предполагаемой глубиной изучения объектов.
§Может существовать несколько моделей описывающих один и тот же экономический объект, явление.
§ |
Эконометрическое |
моделирование – |
регрессионный анализ – является |
||||
|
сложным аналитическим методом. До недавнего времени, в силу сложности |
||||||
|
вычислительного процесса этот метод был доступен только узкому кругу |
||||||
|
профессионалов. |
|
|
|
|
|
|
§ |
Развитие |
информационных |
, системразработка |
прикладных |
|||
|
специализированных |
информационных |
систем |
сделало |
доступны |
||
|
эконометрическое |
|
моделирование |
для |
широких |
слоев |
экономистов- |
|
практиков. |
|
|
|
|
|
|
§Специализированные прикладные информационные системы позволяют практически полностью автоматизироватьрасчетную часть процесса моделирования:
-система проводит расчет параметров модели;
-оценивает полученные результаты;
-располагает справочными подсистемами и примерами построения моделей;
-имеет графические приложения.
§Несмотря на широкие возможности информационных систем, качество модели определяется тем, насколько глубоко ее автор понимает сущность моделируемого экономического объекта и допустимость того или иного модельного представления.
48
Литература
Список рекомендуемой литературы
Основная
1.Кремер Н.Ш. Эконометрика: Учебник для вузов / Н.Ш. Кремер, Б.А. Путко. – М.:ЮНИТИ-ДАНА, 2002. – 311 с.
2.Магнус Я.Р. Эконометрика. Начальный курс: Учебное пособие / Я.Р Магнус, П.К Катышев., А.А. Персецкий. - 3-е изд., испр. - М.: Дело, 2002. – 247 с.
3.Практикум по эконометрике: Учеб. пособие / И.И. Елисеева и др.; Под ред. И.И. Елисеевой. – М.: Финансы и статистика, 2001. - 192 с.
4.Тюрин Ю.Н. Анализ данных на компьютере: Учебное пособие / Ю.Н. Тюрин, А.А. Макаров.- М.: ИНФРА-М, Финансы и статистика, 1995.- 384 с.
Дополнительная
5. Багриновский А.К. Экономико-математические методы и модели (микроэкономика): Учеб. пособие / А.К. Багриновский, В.М. Матюшок – М.: изд-во РУДН, 1999.- 183 с.
6.Вентцель Е.С. Теория вероятностей : Учебник / Е.С. Вентцель - 8-е изд.
-М.: Наука,2002. - с.
7.Елисеева И.И Общая теория статистики: Учебника / .И.И. Елисеева , М.М. Юзбашев; Под ред. И.И. Елисеевой. – 4-е изд., перераб. и доп. - М.: Финансы и статистика, 1999, - 480 с.
8.Жариков Е.П. Математико-статистические модели в экономике: Учеб. пособие / Е.П. Жариков. – Владивосток: Изд-во Дальневосточ. ун-та, 2001. – 42 с.
9.Замков О.О. Математические методы в экономике: Учебник / О.О. Замков, А.В. Толстопетянко, Ю.Н. Черемных. – 2-е изд. – М.: Изд-во МГУ им. М.В. Ломоносова, изд-во «Дело и Сервис», 1999.- 368 с.
10.Доугерти К. Введение в эконометрику: Пер с англ. / К. Доугерти. – М.:
ИНФРА-М, 1997. – 390 с.
Список использованных источников
11. Kiolafas K.E. An application of Multiple regression analysis to the Greek Beer market [Электронный ресурс] / K.E. Kiolafas // Journal of Operational
Research Society. – 1985. – vol. 36, no 8/ - pp. 680-696. |
Доступно из URL: |
|||
http://www.statsoft.ru [Дата обращения: 02.04.03] |
|
|
||
12. |
Голубин |
А..,Ю Иванов |
В. .В Опыт |
статистического |
прогнозирования денежных потоков// Финансовая газета №1(369), январь 1999
года – Доступно из URL: http://www.statsoft.ru [Дата обращения 21.03.03]
13. Новицкий П.В. Оценка погрешности результатов измерений/ П.В. Новицкий, И.А. Зограф. – 2-е изд., перераб. и доп. – Л.: Энергоатомиздат. Ленингр. Отд-ние, 1991. – 304 с.
49
14.Официальный сайт Государственного комитета по статистике Российской Федерации (г. Москва) / - Доступно из URL: http://www.gsk.ru [Дата обращения: май 2003 г.]
15.Официальный сайт Министерства финансов Российской Федерации
(г. Москва) / - Доступно из URL: http://www.minfin.ru [Дата обращения: май
2003 г.] 16. Пахомова Е..А Развитие жилищной ситуации в России и
эконометрический анализ рынка квартир в Москве/ Е.А. Пахомова, Д.Е. Веселова // Экономика и математические методы. – 2001. – том 37, № 2. – С. 3843.
17. |
Синельников-Мурылев |
. С Межбюджетные |
трансферты |
и |
|||
фискальное |
поведение |
российских региональных |
властей 1994в - |
2000 гг. |
|
||
[Электронный ресурс] |
/ С. Синельников-Мурылев, П. Кадочников, И.В. |
|
|||||
Трунин // |
официальный |
сайт |
ИЭПП(г. Москва) |
/ - Доступно |
из URL: |
|
http://www.iet.ru [Дата обращения: 24.01.03]
18.Синельников-Мурылев С. Построение и расчет нормативов по основным статьям расходов бюджетов субъектов Российской Федерации в 1999-2000 гг. [Электронный ресурс] / С. Синельников-Мурылев, П. Кадочников, И.В. Трунин, Четвериков С. // официальный сайт ИЭПП(г. Москва) / - Доступно из URL: http://www.iet.ru [Дата обращения: 24.01.03]
19.Трунин И.В. оценка межрегиональных различий в обоснованных бюджетных потребностях субъектов Российской Федерации[Электронный ресурс] / И.В.Трунин // официальный сайт ИЭПП (г. Москва) / - Доступно из
URL: http://www.iet.ru [Дата обращения: 10.10.02.]
50
Приложение 1
Метод наименьших квадратов (МНК)
Методом наименьших квадратов(МНК) называют специальную процедуру, позволяющую оценить параметры построенной на основании эмпирических данных зависимости. Пусть исследователь располагает рядом
фактически |
наблюдаемых |
экономических |
показателей Yt |
(объясняемый |
|||||||
показатель) и |
{X 1t }, |
{X 2 t } , … t =1,2,....n (факторы) связанных очевидными, |
|||||||||
с |
экономической |
точки |
зрения, причинно-следственные |
зависимостями. |
|||||||
Задачей эконометрического |
моделирования |
является– подобрать функцию |
|||||||||
f ( X 1t , X 2t , X 3t ...., X Nt ) , |
чтобы |
|
«наилучшим» |
образом |
описать |
эту |
|||||
зависимость, |
и получить |
возможность |
прогнозировать |
Y |
при |
||||||
значенияt |
|||||||||||
|
|
показателей {X 1t }, |
{X 2 t }….. |
|
^ |
|
|
||||
изменении |
Значения Yt , |
полученные |
в |
||||||||
результате |
построения |
такой |
зависимости, называют |
«модельными» |
|||||||
значениями. |
Понятно, |
что |
|
качество |
модели |
определяет«ошибками» |
^
моделирования Yt - Yt , и чем меньше значения таких ошибок, тем модель качественнее. Для метода наименьших квадратов условием«наилучшего» подбора функции, связывающей наблюдаемых значений экономических
показателей |
{Yt } {X 1t }, |
{X 2 t } , |
… t =1,2,....n , и соответственно качества |
^ |
|
|
|
модели Y = f ( X 1t , X 2t , X 3t ,...X kt ) |
является минимизация функционала |
||
|
^ |
|
|
F = å(Yt - Yt ) 2 ® min . |
(П 1.1) |
||
t |
|
|
|
Оценка параметров парной модели методом наименьших квадратов |
|||
Пусть |
существует |
ряд наблюдений Yt (объясняемая переменная), X t |
(объясняющая переменная),объем выборки n . Для эконометрической модели, связывающей два экономических показателя(модели парной регрессии) выражение (П 1.1) имеет вид (см. 1.1)
F = å(Yt - f ( X t )) 2 ® min , |
(П 1.2) |
t
^
где Yt - модельные значения, Yt - наблюдаемые значения.
51
Предполагая, что между наблюдаемыми показателями существует линейная зависимость
ˆ |
ˆ |
Yt |
= a + bX t , |
найдём a и b .Учитывая предполагаемый вид функциональной зависимости выражение (П 1.1.1) можем переписать в виде
F = å(Yt - a - bX t )2 ® min . |
(П 1.3) |
||||||
Необходимые условия экстремума |
|
||||||
ì |
|
¶F |
= 0, |
|
|
|
|
ï |
|
|
|
|
|
|
|
|
|
|
|
|
|
||
ï |
|
¶a |
|
|
|
|
|
í |
|
|
|
|
|
||
ï |
|
¶F |
|
= 0; |
|
|
|
ï |
|
¶b |
|
|
|
||
î |
|
|
|
|
|
||
откуда |
|
|
|
|
|
|
|
ì |
¶F |
= -2å(Yt |
- a - bX t ), |
|
|||
ï |
|
|
|
||||
|
|
|
|||||
ï |
¶a |
|
|
|
|
||
í |
|
|
или |
|
|||
ï |
¶F |
= -2å(Yt |
|
|
|||
ï |
|
|
- a - bX t ) X t ; |
|
|||
¶b |
|
||||||
î |
|
|
|
|
|||
ì |
|
(Y - a - bX |
t |
) = 0, |
|
||
ïå |
t |
|
|
||||
í |
|
|
|
|
|
||
îïå(Yt - a - bX t ) X t = 0 . |
|
Раскрыв скобки получим систему нормальных линейных уравнений с двумя неизвестными a и b
ì |
1 |
åYt -b |
1 |
åX t |
|
|
|
ïa = |
|
|
, |
|
|
||
n |
n |
|
|
||||
í |
|
|
|
|
. |
||
|
|
|
|
|
|
||
îïbåYt X t - aåX t - båX t |
2 |
= 0 |
Решение системы легко найти
^
|
|
|
|
|
|
|
|
|
a = Y - bX |
|
|
|
|||||
^ nå X t Yt |
- (å X t åYt ) . |
(П 1.4) |
||||||
b = |
|
|
|
|
||||
|
2 - (å X t ) 2 |
|
||||||
|
|
|
nå X t |
|
^^
Обозначения a и b указывают на то, что мы подбираем функциональную зависимость, исходя из фактически наблюдаемых значений показателей, и
52
учитывая ограниченность наблюдений, мы получаем лишь оценку значений коэффициентов истиной зависимости. Из первого уравнения(П 1.4) следует,
что полученное |
|
уравнение прямой |
проходит |
через точку |
со средним |
|
значениями Yt и |
X t по выборке. Путем |
несложных |
преобразований |
второго |
||
|
|
|
|
|
^ |
|
уравнения (П 1.4) можем получить другие выражения для b |
|
|||||
^ |
cov(Yt , X t ) |
|
|
|
||
b = |
|
|
, |
|
|
|
D( X t ) |
, |
|
|
|
||
|
|
|
|
|
||
b = r XY * sY |
|
|
|
|
||
^ |
|
|
|
|
|
|
s X
где D( X t ) - дисперсия наблюдаемой величины объясняющего фактора X t , cov(X t ,Yt ) - ковариация объясняемой и объясняющей переменной, sY , s X -
среднеквадратические отклонения Yt и X t по выборке.
Оценка параметров модели множественной регрессии методом наименьших квадратов
При влиянии на изучаемый экономический параметр нескольких факторов необходимо оценивать параметры уравнения множественной регрессии. Предполагая, что линейную зависимость между наблюдаемыми показателями
Yt = b1 X1t + b2 X 2t + b3 X 3t + .... + bK X Kt ,
(П 1.1) можем переписать в следующем виде
F = å(Yt - åbk X kt )2 ® min . |
(П 1.5) |
k |
|
где k - номер объясняющей переменной. Необходимые условия экстремума представляют собой систему уравнений
¶F
¶bn =0, n =1,....K ,
откуда
¶F |
n |
é |
K |
|
ù |
|
|
= -2åê(Yt |
- åbk |
X kt |
) Xnt ú , n =1,....K . |
||
¶bn |
||||||
t |
ë |
k |
|
û |
Раскрыв скобки получим систему линейных уравнений с неизвестными bk
53
|
n |
K |
n |
|
|
|
åYt Xnt - åbk Xnt å X kt = 0 , k = 1,...K , |
(П 1.6) |
|||
|
t |
k =1 |
t |
|
|
или в развернутом виде |
|
|
|
||
|
n |
n |
n |
n |
n |
b1 å X 12t + b2 å X 1t X 2t |
+ b3 å X 1t X 3t + ..... + bk å X 1t X kt = åYt X 1t |
||||
|
t |
t |
t |
t |
t |
|
n |
n |
n |
n |
n |
b1 å X 1t X 2t |
+ b2 å X 22t |
+ b3 å X 3t X 2t |
+ ..... + bk å X 2t X kt |
= åYt X 2t |
|
|
t |
t |
t |
t |
t |
|
n |
n |
n |
n |
n |
b1 å X1t X 3t |
+ b2 åX 2t X 3t + b3 å X 32t |
+ ..... + bk å X kt X 3t |
= åYt X 3t |
||
|
t |
t |
t |
t |
t |
. |
. |
|
|
|
|
. |
. |
|
|
|
|
. |
. |
|
|
|
|
n |
n |
n |
n |
n |
b1 å X1t X Kt |
+ b2 å X 2t X Kt |
+ b3 å X 3t X Kt |
+ ..... + bk å X kt X Kt |
= åYt X Kt |
t |
t |
t |
t |
t |
или в матричной форме (подробнее см. например в [1] или [2])
[b][X ][X T ]= [Y ][X T ].
Для уравнения регрессии с двумя объясняющими переменными (факторами)
Yt = b1 X1t + b2 X 2t ,
система уравнений соответственно принимает вид
n n n
b1 å X 12t + b2 å X 1t X 2t = åYt X 1t
t |
t |
|
t |
n |
|
n |
n |
b1 å X 1t X 2t + b2 å X 22t = åYt X 2t .
t t t
Если предполагается использовать уравнение регрессии со свободным членом
a
Yt = a + b1 X1t + b2 X 2t ,
54
то система будет включать три уравнения
|
n |
n |
|
|
an + b1 å X1t + b2 å X 2t = åYt |
|
|||
|
t |
t |
t |
|
n |
n |
|
n |
n |
åaX 1t + b1 å X 12t + b2 å X 1t X 2t = åYt X 1t |
||||
t |
t |
|
t |
t |
t |
n |
|
n |
n |
åaX 2t + b1 å X 1t X 2t + b2 å X 22t = åYt X 2t . |
||||
t |
t |
|
t |
t |
Таким образом, |
для оценки параметров множественной регрессии МНК, |
необходимо решить систему уравнений ( k + 1) * (k + 1) или k * k .
Вычисления МНК чрезвычайно громоздки, поэтому метод получил широкое распространение и, по существу, второе рождение благодаря развитию вычислительной техники и информационных технологий.
55