- •Тема 1. Природа эконометрики
- •1.1. Общие понятия эконометрических моделей
- •1. 2. Типы эконометрических моделей
- •1. 3. Типы данных
- •Тема 2. Корреляционный анализ в эконометрических исследованиях
- •2.1. Функциональная, статистическая и корреляционная зависимости
- •2.2. Понятие о двумерном корреляционном анализе
- •2.3. Понятие о многомерном корреляционном анализе
- •2.4. Ранговая корреляция
- •Тема 3. Регрессионный анализ в эконометрических исследованиях
- •3.1. Задача регрессионного анализа
- •3.2. Идентификация модели регрессии
- •3.3. Линейная парная регрессия и оценка параметров
- •3.4. Проверка значимости параметров линейной парной регрессии
- •3.5. Интервалы прогноза по линейному уравнению регрессии
- •3.6. Нелинейная регрессия
- •3.7. Корреляционное отношение и индекс корреляции
- •3.8. Множественный регрессионный анализ
- •4.9. Ковариационная матрица и ее выборочная оценка
- •4.10. Определение доверительных интервалов для коэффициентов и функции множественной регрессии
- •4.11. Мультиколлинеарность
- •Тема 5. Методы и модели анализа динамики экономических процессов
- •5.1. Понятия экономических рядов динамики
- •5.2. Предварительный анализ динамических рядов экономических показателей
- •5.3. Сглаживание динамических рядов
- •4.3. Расчет показателей динамики развития эконометрических процессов
- •4.4. Тренд-сезонные экономические процессы и их анализ
- •Тема 5. Модели прогнозирования экономических процессов
- •5.7. Трендовые модели на основе кривых роста
- •5.2. Оценка адекватности и точности трендовых моделей
- •5.3. Прогнозирование экономической динамики на основе трендовых моделей
- •5.4. Адаптивные модели прогнозирования
- •Лучшая модель ар(1,1)
- •Характеристика остатков
- •Тема 8. Системы взаимозависимых эконометрических моделей
- •8.1. Особенности систем взаимозависимьех моделей
- •8.2. Формы представления систем взаимозависимых эконометрических моделей
- •8.3. Косвенный метод оценки коэффициентов структурной формы систем взаимозависимых эконометрических моделей
- •8.4. Оценивание параметров структурной формы на основе двухшагового мнк с использованием инструментальных переменных
- •1. На первом шаге конструируются новые значения зависимых
- •2. На втором шаге значения используются вместо значений
- •8.5. Оценки параметров системы взаимозависимых эконометрических моделей с использованием трехшагового мнк
4.9. Ковариационная матрица и ее выборочная оценка
Вариации оценок параметров будут, в конечном счете, определять точность уравнения множественной регрессии. Для их измерения в многомерном регрессионном анализе рассматривают так называемую ковариационную матрицу К, являющуюся матричным аналогом дисперсии одной переменной:
.
где элементы ковариации (или корреляционные моменты) оценок параметров и. Ковариация двух переменных определяется как математическое ожидание произведения отклонений этих переменных от их математических ожиданий [Ссылка]. Поэтому
, (13.28)
где иматематические ожидания соответственно для параметров и .
Ковариация характеризует как степень рассеяния значений двух переменных относительно их математических ожиданий, так и взаимосвязь этих переменных.
В силу того, что оценки , полученные методом наименьших квадратов, являются несмещенными оценками параметров, т.е. , выражение(13.28) примет вид:
.
Рассматривая ковариационную матрицу К, легко заметить, что на ее главной диагонали находятся дисперсии опенок параметров регрессии, ибо
. (13.29)
В сокращенном виде ковариационная матрица К имеет вид:
. (13.30)
Учитывая (13.28) мы можем записать
.
Тогда выражение (12.30) примет вид:
, (13.31)
ибо элементы матрицы X —неслучайные величины.
Матрица представляет собой ковариационную матрицу вектора возмущений :
в которой все элементы, не лежащие на главной диагонали, равны нулю в силу предпосылки 4 о некоррелированности возмущений , и между собой, а все элементы, лежащие на главной диагонали, в силу предпосылок 2 и 3 регрессионного анализа равны одной и той же дисперсии :
.
Поэтому матрица , где единичная матрица го
порядка. Следовательно, в силу (13.31) ковариационная матрица вектора оценок параметров:
Так как и , то окончательно получим:
(13.32)
Таким образом, с помощью обратной матрицынормальных уравнении регрессии определяется не только сам вектор оценок параметров (13.28), но и дисперсии и ковариации его компонент.
Входящая в (13.32) дисперсия возмущений неизвестна. Заменив ее выборочной остаточной дисперсией
(13.33)
по (13.32) получаем выборочную оценку ковариационной матрицы К. (В знаменателе выражения (13.33) стоит , а не , как это было выше в (13.6). Это связано с тем, что теперь степеней свободы (а не две) теряются при определении неизвестных параметров, число которых вместе со свободным членомравно.
4.10. Определение доверительных интервалов для коэффициентов и функции множественной регрессии
Перейдем теперь к оценке значимости коэффициентов регрессии и построению доверительного интервала для параметров регрессионной модели .
В силу (13.29), (13.32) и изложенного выше оценка дисперсии коэффициента регрессии определится по формуле:
где несмещенная оценка параметра ;
диагональный элемент матрицы .
Среднее квадратическое отклонение (стандартная ошибка) коэффициента регрессии примет вид:
. (13.34)
Значимость коэффициента регрессии можно проверить, если учесть, что статистика имеетраспределение Стьюдента с
степенями свободы. Поэтому значимо отличается от нуля на уровне значимости , еслисоответствующийныйдоверительный интервал для параметра есть
. (13.35)
Наряду с интервальным оцениванием коэффициентов регрессии по (13.35) весьма важным для оценки точности определения зависимой переменной (прогноза) является построение доверительного интервала для функции регрессии или для условного математического ожидания зависимой переменной , найденного в предположении, что объясняющие переменные приняли значения, задаваемые вектором
.Выше такой интервал получен для уравнения парной регрессии (см. (13.13) и (13.12)). Обобщая соответствующие выражения на случай множественной регрессии, можно получить доверительный интервал для :
где групповая средняя, определяемая по уравнению регрессии,
(13.36)
— ее стандартная ошибка.
При обобщении формул (13.15) и (13.14) аналогичный доверительный интервал для индивидуальных значений зависимой переменной примет вид:
(13.37)
где
. (13.38)
Доверительный интервал для дисперсии возмущений в множественной регрессии с надежностью строится аналогично парной модели по формуле(13.20) с соответствующим изменением числа степеней свободы критерия :
(13.39)
Пример 13.6. По данным примера 13.4 оценить сменную добычу угля на одного рабочего для шахт с мощностью пласта 8 м и уровнем механизации работ 6%; найти 95%-ные доверительные интервалы для индивидуального и среднего значений сменной добычи угля на 1 рабочего для таких же шахт. Проверить значимость коэффициентов регрессии и построить для них 95%-ные доверительные интервалы. Найти с надежностью 0,95 интервальную оценку для дисперсии возмущений .
Решение. В примере 13.4 уравнение регрессии получено в виде:
. По условию надо оценить , где . Выборочной оценкой, является групповая средняя, которую найдем по уравнению регрессии: . Для построения доверительного интервала для М (у) необходимо знать дисперсию его оценки. Для ее вычисления обратимся к табл. 13.7 (точнее к ее двум последним столбцам, при составлении которых учтено, что групповые средние определяются по полученному уравнению регрессии).
Теперь по (13.37): и (т).
Определяем стандартную ошибку групповой средней г> по формуле (13.41). Вначале найдем
Теперь (т).
По табл. IV приложений при числе степеней свободы находим . По (13.40) доверительный интервал для , равен или(т).
Итак, с надежностью 0,95 средняя сменная добыча угля на одного рабочего для шахт с мощностью пласта 8 м и уровнем механизации работ 6% находится в пределах от 4,52 до 6,46 т.
Сравнивая новый доверительный интервал для функции регрессии , полученный с учетом двух объясняющих переменных, с аналогичным интервалом с учетом одной объясняющей переменной (см. пример 13.1), можно заметить уменьшение его величины. Это связано с тем, что включение в модель новой объясняющей переменной позволяет несколько повысить точность модели за счет увеличения взаимосвязи зависимой и объясняющей переменных (см. ниже).
Найдем доверительный интервал для индивидуального значения при
по (13.43): (т) и по (13.42): , т. е. (т).
Итак, с надежностью 0,95 индивидуальное значение сменной добычи угля в шахтах с мощностью пласта 8 м и уровнем механизации работ 6% находится в пределах от 3,05 до 7,93 (т).
Проверим значимость коэффициентов регрессии и . В примере 13.4 получены и . Стандартная ошибка в соответствии с (13.38) равна: . Так как , то коэффициент значим. Аналогично вычисляем ит.е. коэффициент незначим на 5%-ном уровне.
Доверительный интервал имеет смысл построить только для значимого коэффициента регрессии : по (13.39) или .
Итак, с надежностью 0,95 за счет изменения на 1 м мощности пласта (при неизменном ) сменная добыча угля на одного рабочего У будет изменяться в пределах от 0,332 до 1,376 т.
Найдем 95%-ный доверительный интервал для параметра ст2. Учитывая, что ,,найдем по табл. V приложений при степенях свободы;и по формуле(13.43')
Таким образом, с надежностью 0,95 дисперсия возмущений заключена в пределах от 0,565 до 5,35, а их стандартное отклонение — от 0,751 до 2,31 (т).
Формально переменные, имеющие незначимые коэффициенты регрессии, могут быть исключены из рассмотрения. В экономических исследованиях исключению переменных из регрессии должен предшествовать тщательный качественный анализ. Поэтому может оказаться целесообразным все же оставить в регрессионной модели одну или несколько объясняющих переменных, не оказывающих существенного (значимого) влияния на зависимую переменную.