- •Введение
- •Взаимосвязи экономических переменных
- •Суть корреляционного и регрессионного анализа
- •Типы моделей
- •Парный регрессионный анализ
- •Модель парной линейной регрессии
- •Причины существования случайной компоненты в уравнении регрессии
- •Этапы построения уравнения регрессии
- •Регрессия по методу наименьших квадратов
- •Интерпретация уравнения регрессии
- •Анализ общего качества уравнения регрессии
- •Свойства коэффициентов регрессии
- •Предположения о случайном члене. Условия Гаусса-Маркова
- •Первое условие Гаусса-Маркова:
- •Второе условие Гаусса-Маркова:
- •Третье условие Гаусса-Маркова:
- •Четвертое условие Гаусса-Маркова:
- •Предположение о нормальности
- •Анализ точности определения оценок коэффициентов уравнения регрессии
- •Проверка гипотез о значимости коэффициентов уравнения регрессии
- •Интервальные оценки
- •Интервальные оценки коэффициентов уравнения регрессии
- •Доверительный интервал для зависимой переменной
- •Множественный регрессионный анализ
- •Модель множественной регрессии
- •Мультиколлинеарность
- •Построение регрессионной модели
- •Невключение в уравнение существенной переменной
- •Включения в модель несущественной переменной
- •Отбор наиболее существенных объясняющих переменных
- •Замещающие переменные
- •Нелинейные модели регрессии
- •Гетероскедастичность и автокорреляция
- •Гетероскедастичность и ее последствия
- •Обнаружение гетероскедастичности
- •Тест ранговой корреляции Спирмена
- •Тест Голдфелда—Квандта
- •Тест Уайта
- •Взвешенный метод наименьших квадратов
- •Автокорреляция и связанные с ней факторы
- •Обнаружение автокорреляции первого порядка. Критерий Дарбина—Уотсона
- •Вопросы к экзамену
- •Литература
Суть корреляционного и регрессионного анализа
Можно указать два варианта рассмотрения взаимосвязей между переменными и . В первом случае обе переменные считаются равноценными в том смысле, что они не подразделяются на зависимую и независимую. Основным в этом случае является вопрос о наличие и силе взаимосвязи между этими переменными. При исследовании силы линейной зависимости между такими переменными обращаются к корреляционному анализу, основной мерой которого является коэффициент корреляции:
.
Другой вариант рассмотрения взаимосвязей выделяет одну из величин, как независимую (объясняющую), а другую как зависимую (объясняемую). В этом случае изменение первой из них может служить причиной для изменения другой.
Пусть переменная зависит от переменных , тогда – регрессионное уравнение (регрессионная модель), где – функция регрессии.
При рассмотрении зависимости двух случайных величин говорят о парной регрессии . Зависимость нескольких переменных называют множественной регрессии.
Типы моделей
Математические модели широко применяются в бизнесе, экономике, общественных науках, исследовании экономической активности и даже в исследовании политических процессов.
Математические модели полезны для более полного понимания сущности происходящих процессов, их анализа. Модель, построенная и верифицированная на основе (уже имеющихся) наблюденных значений объясняющих переменных, может быть использована для прогноза значений зависимой переменной в будущем или для других наборов значений объясняющих переменных.
Можно выделить три основных класса моделей, которые применяются для анализа и/или, прогноза.
Модели временных рядов.
К этому классу относятся модели:
тренда: ,
где – временной тренд заданного параметрического вида (например, линейный ), – случайная (стохастическая) компонента;
сезонности: ,
где – периодическая (сезонная) компонента, – случайная (стохастическая) компонента;
тренда и сезонности: (аддитивная)
или (мультипликативная),
где – временной тренд заданного параметрического вида, – периодическая (сезонная) компонента, – случайная (стохастическая) компонента.
К моделям временных рядов относится множество более сложных моделей, таких, как модели адаптивного прогноза, модели авторегрессии и скользящего среднего (ARIMA) и др. Их общей чертой является то, что они объясняют поведение временного ряда, исходя только из его предыдущих значений. Такие модели могут применяться, например, для изучения и прогнозирования объема продаж авиабилетов, спроса на мороженое, краткосрочного прогноза процентных ставок и т. п.
Регрессионные модели с одним уравнением.
В таких моделях зависимая (объясняемая) переменная представляется в виде функции , где – независимые (объясняющие) переменные, а ,…, – параметры. В зависимости от вида функции модели делятся на линейные и нелинейные. Например, можно исследовать спрос на мороженое как функцию от времени, температуры воздуха, среднего уровня доходов или зависимость зарплаты от возраста, пола, уровня образования, стажа работы и т. п.
Область применения таких моделей, даже линейных, значительно шире, чем моделей временных рядов. Проблемам теории оценивания, верификации, отбора значимых параметров и другим посвящен огромный объем литературы. Эта тема является, пожалуй, стержневой в эконометрике и основной в данном курсе.
Системы одновременных уравнений.
Эти модели описываются системами уравнений. Системы могут состоять из тождеств и регрессионных уравнений, каждое из которых может, кроме объясняющих переменных, включать в себя также объясняемые переменные из других уравнений системы. Таким образом, мы имеем здесь набор объясняемых переменных, связанных через уравнения системы. Примером может служить модель спроса и предложения, приведенная ниже. Системы одновременных уравнений требуют относительно более сложный математический аппарат. Они могут использоваться для моделей страновой экономики и др.
Пример. Модель спроса и предложения. Пусть — спрос на товар в момент времени (demand), — предложение товара в момент времени (supply), — цена товара в момент времени t (price level), — доход в момент времени (income). Составим следующую систему уравнений «спрос-предложение»:
(предложение),
(спрос),
(равновесие).
Цена товара и спрос на товар определяются из уравнений модели, т. е. являются эндогенными переменными. Предопределенными переменными в данной модели являются доход и значение цены товара в предыдущий момент времени .