Билет 1

1. Назовите возможные способы построения систем уравнений. В чем их отличия?

Независимые системы эконометрических уравнений. Система независимых уравнений – система, в которой каждая зависимая переменная y рассматривается как функция одного и того же набора факторов x то есть система вида¹: Y1=a11x1 + a12x2 +…+ a1mxm +е1; Y2=a21x1 + a22x2 +…+ a2mxm +е2; Yn=an1x1 + an2x2 +…+ anmxm +еn.

Рекурсивные системы Система рекурсивных уравнений – система, в которой зависимая переменная одного уравнения выступает в виде фактора x в другом уравнении, то есть система вида: Y1=a11x1 + a12x2 +…+ a1mxm +е1; Y2= b21y1 +a21x1 + a22x2 +…+ a2mxm +е2 ; Y3= b31y1 + b32y2+a31x1 + a32x2 +…+ a3mxm +е2 ; Yn= bn1y1 + bn2y2 +…+ bnn-1yn-1 + an1x1 + an2x2 +…+ anmxm +еn.

Системы одновременных уравнений одновременных уравнений, имея в виду, что здесь зависимая переменная одного уравнения может появляться одновременно в виде переменной (но уже в качестве независимой) в одном или нескольких других уравнениях. В таком случае теряет смысл традиционное различение зависимых и независимых переменных. Вместо этого устанавливается различие между двумя видами переменных.

Это, во-первых, совместно зависимые переменные (эндогенные), влияние которых друг на друга должно быть исследовано (матрица A в слагаемом Ay(t) приведенной выше системы уравнений).

Во-вторых, предопределенные переменные, которые, как предполагается, оказывают влияние на первые, однако не испытывают их воздействия; это переменные с запаздыванием, т. е. лаговые (второе слагаемое) и определенные вне данной системы уравнений экзогенные переменные.

Экзогенными, напр., всегда оказываются показатели климатических условий, если они включаются в модель. В то же время многие экономические переменные в зависимости от задач и структуры модели могут относиться и к эндогенным, и к экзогенным.

Понятие одновременных эконометрических уравнений и методы их решения были впервые предложены норвежским экономистом Т. Хавельмо, лауреатом Нобелевской премии по экономике.

2. В чем состоит спецификация модели множественной регрессии?

Простая регрессия представляет собой регрессию между двумя переменными —у и х, т.е. модель вида , где у — результативный признак; х - признак-фактор.

М ножественная регрессия представляет собой регрессию результативного признака с двумя и большим числом факторов, т. е. модель вида

Специ­фикация модели - формулировка вида модели, исходя из со­ответствующей теории связи между переменными. В урав­нении регрессии корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией. где y_j — фактическое значение результативного признака;

y_xj -теоретическое значение результативного признака.

— случайная величина, характеризующая отклонения реального значения результативного признака от теоретического.

Случайная величина ε называется также возмущением. Она включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.

От правильно выбранной спецификации модели за­висит величина случайных ошибок: они тем меньше, чем в боль­шей мере теоретические значения результативного признака подходят к фактическим данным у.

К ошибкам спецификации относятся непра­вильный выбор той или иной математической функции для , и недоучет в уравнении регрессии какого-либо существенного фактора, т. е. использование парной регрессии вместо множест­венной.

Ошиб­ки выборки - исследователь чаще всего имеет дело с выборочными данными при установлении закономерной связи между признаками.

Ошибки измерения практически сводят на нет все усилия по количественной оценке связи между признаками. Основное внимание в эконометрических исследованиях уделяется ошибкам спецификации модели.

В парной регрессии выбор вида математической функции может быть осуществлен тремя методами: графическим, аналитическим и экспериментальным.

Графи­ческий метод основан на поле корреляции. Аналитический метод основан на изучении материальной природы связи исследуемых признаков.

Экспериментальный метод осуществляется путем сравнения величины остаточной дисперсии D_ост, рассчитанной при разных моделях. Если фактические значения результативного признака совпадают с теоретическими у = , то D_ocm =0. Если имеют место отклонения фактических данных от теоретических (у — ) то .

Чем меньше величина остаточной дисперсии, тем лучше уравнение регрессии подходит к исходным данным. Число наблюдений должно в 6 — 7 раз превышать число рассчитывае­мых параметров при переменной х.