WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 3 | 4 || 6 | 7 |   ...   | 10 |

5) Частные уравнения регрессии. Предварительно определим средние значения переменных y = 126,448, x2 = 3,966, x3 = 67,76.

С учетом средних значений построим частные уравнения регрессии x2,x3 = 92,585 + 1,761·x2 + 0,397·67,76 = 119,486 + 1,761·x2;

x3,x2 = 92,585 + 1,761·3,966 + 0,397·x3 = 99,569 + 0,397·x3.

6) Средние частные коэффициенты эластичности x2 3,Эyx = b2 = 1,761 = 0,0552;

y 126,x3 67,Эyx3 = b3 = 0,397 = 0,213.

y 126,Пример выполнения лабораторной работы № Исходные данные возьмем из лабораторной работы № 3.

1) Построим уравнение линейной регрессии в стандартизированном масштабе. Его коэффициенты связаны с коэффициентами обычного уравнения регрессии соотношениями xi bi = i y или i = bi.

xi y Определим средние квадратические отклонения,, используя функy xi цию MS Excel «СТАНДОТКЛОНП».

= 11,59, = 3,057, = 12,44.

y x2 xСледовательно, 3,2 = 1,761 = 0,464;

11,12,3 = 0,397 = 0,11,и уравнение линейной регрессии в стандартизированном масштабе имеет вид ty = 0,464 tx2 + 0,426 tx3.

2) Информативность факторов. Так как 1 = 0,464 и 2 = 0,426, то делаем вывод, что факторы практически одинаково информативны.

3) Частные коэффициенты корреляции. Для их вычисления воспользуемся формулой (2.14), всоответствии с которой необходимо вычислить величины 2 2 2 Ryx2x3, Ryx2, Ryx3 Ryx2x. В данном примере величину можно взять из табл. А, а 2 Ryx2, Ryxвеличины вычислить, используя соответствующие кэффициенты ли нейной корреляции r y, x2, r y x3 из корреляционной матрицы в примере лабораторной работы № 2 2 Ryx2x3 Ryx2 Ryx= 0,597, = 0,4624, = 0,4369.

В результате получим частные коэффициенты корреляции 1- 0,ryx x3 = 1- = 0,533;

1 - 0,1- 0,ryx3x2 = 1- = 0,500.

1- 0,4) Оценим их значимость. Вычислим фактические значения частного F-критерия Фишера 2 Ryx2x3 - Ryx3 n - 2 - 1 0,597 - 0,4369 29 - 2 -Fчаст x2 = = = 10,33;

1 1 - 0,597 1 - Ryx2x2 Ryx2x3 - Ryx2 n - 2 - 1 0,597 - 0,4624 29 - 2 - Fчаст x3 = = = 8,68.

1 1 - 0,597 1 - Ryx2xДля определения табличных значений используем встроенную функцию MS Excel «FРАСПОБР» (рис. 2.2), задавая параметры k1 = 1, k2 = 29 – 2 – 1 = 26, = 0,05 и = 0,01. В результате получаем Fфакт,0,05 = 4,225, Fфакт,0,01 = 7,721.

Откуда следует, что оба частных коэффициента корреляции значимы и при = = 0,05, и при = 0,01.

5) Информативность факторов. Так как оба частных коэффициента значимы, то оба фактора x2 и x3 информативны и должны быть включены в уравнение регрессии.

6) Уравнение регрессии (из лабораторной работы № 3) y = 92,585 + 1,761·x2 + 0,397·x3.

7) Проверка гомоскедастичности. Вычислим расчетные значения результативного признака по уравнению регрессии и определим остатки (результаты приведены в таблице 2.1). Согласно методу Гольдфельда–Квандта, упорядочим ряд остатков отдельно по фактору x2 и по фактору x3. Результаты приведены в следующей таблице 2.2. Цветом отмечены данные, не участвующие в рассмотрении. Согласно рекомендациям, их число равно С = 7.

Таблица. 2.Остатки, упорядоченные по x2 Остатки, упорядоченные по x x2 x3 Остатки x2 x3 остатки 1 0 26 -4,907 1 0 26 -4, 2 1 77 -11,915 2 1 35 1, 3 1 71 5,467 3 4 56 8, 4 1 58 -0,372 4 1 58 -0, 5 1 74 -5,724 5 1 61 7, 6 1 61 7,437 6 2 64 2, 7 1 35 1,759 7 4 64 -3, 8 2 64 2,485 8 3 64 14, 9 2 77 -2,676 9 3 65 -3,10 2 66 -0,309 10 3 65 -6,11 2 73 -3,088 11 2 66 -0,12 3 66 -11,070 12 3 66 -11,13 3 65 -3,673 13 6 66 -4,14 3 64 14,724 14 9 68 10,15 3 71 -3,055 15 1 71 5,16 3 65 -6,673 16 4 71 8,17 4 64 -3,037 17 3 71 -3,18 4 71 8,184 18 2 73 -3,19 4 56 8,139 19 6 73 -6,20 5 79 0,247 20 1 74 -5,21 5 78 15,644 21 8 74 -0,22 6 81 4,692 22 7 74 -10,23 6 73 -6,132 23 1 77 -11,24 6 66 -4,353 24 2 77 -2,25 7 74 -10,290 25 5 78 15,26 8 74 -0,051 26 5 79 0,27 8 87 7,788 27 6 81 4,28 9 68 10,570 28 14 81 -10,29 14 81 -10,396 29 8 87 7,а) Проверим гомоскедастичность по фактору x2. Построим уравнение регрессии на основе данных верхней части левой таблицы 2.2, используя функцию «Сервис.Анализ данных.Регрессия» (рис 2.1). Получим три таблицы Табл. Г Множественный R 0,R-квадрат 0,Нормированный R-квадрат -0,Стандартная ошибка 5,Наблюдения Табл. Д df SS MS F Значимость F Регрессия 2 32,4050 16,2025 0,489037 0,Остаток 8 265,0514 33,Итого 10 297,Табл.Е Коэффи- Стандарт- Нижние Верхние t-статистика P-значение циенты ная ошибка 95% 95% Y-пересечение 2,70928 6,935642 0,39063 0,706266 -13,2844 18,Переменная X 1 3,12327 3,594754 0,86884 0,410241 -5,1663 11,Переменная X -0,12518 0,137506 -0,91034 0,389246 -0,4423 0,Из табл. Д находим остаточную дисперсию (графа «SS») S1 = 265,05. Аналогично определим остаточную дисперсию для уравнения регрессии для нижней части левой таблицы 2.2. упорядоченных остатков S2 = 624,21. Найдем отношение S2 : S1 = 624,21 : 265,05 = 2,36.

Определим критическое значение для теста Гольдфельда–Квандта как значение F-критерия со степенями свободы k1 = (п – С – 2р) : 2, k2 = (п – С – 2р) : 2.

В нашем случае С = 7 и p = 2 (переменные x2 и x3) k1 = k2 = 29 – 7 – 2 · 2 =18.

Соответствующее значение критерия при = 0,05 равно Fфакт,0,05 = 2,217.

Так как S2 : S1 = 2,36 > Fфакт,0,05 = 2,217, то нарушается предпосылка о равенстве дисперсий, т. е. о гомоскедастичности остатков по переменной x2.

б) Проверим гомоскедастичность по фактору x3. Действуя аналогично и используя правую часть таблицы 2.2, получим следующие величины остаточных дисперсий S1 = 403,39, S2 = 563,0.

Так как отношение S2 : S1 = 563,0 : 403,39 = 1,40 < Fфакт,0,05 = 2,217, то предпосылка о равенстве дисперсий, т. е. о гомоскедастичности остатков по переменной x3, не нарушается.

Таблица 2.Варианты выполнения лабораторных работ № 3, Номер графы Номера граф для переменных-факторов (табл. П1) Вари– для результативанты ной переменной 2 3 4 5 6 7 8 9 у (табл. 1.2) 1 1 * * * 2 1 * * * 3 1 * * * 4 1 * * * 5 1 * * * 6 1 * * * 7 1 * * * 8 2 * * * 9 2 * * * 10 2 * * * 11 2 * * * 12 2 * * * 13 2 * * * 14 3 * * * 15 3 * * * 16 3 * * * 17 3 * * * 18 3 * * * 19 4 * * * 20 4 * * * 21 4 * * * 22 4 * * * 23 5 * * * 24 5 * * * 25 5 * * * 3. Системы эконометрических уравнений 3.1. Виды систем эконометрических уравнений Сложные экономические процессы описывают с помощью системы взаимосвязанных (одновременных) уравнений.

Различают несколько видов систем уравнений, применяемых в эконометрике:

– система независимых уравнений – когда каждая зависимая переменная y рассматривается как функция одного и того же набора факторов хi y1 = a11 x1 + a12 x2 +... + a1m xm + 1;

y2 = a21 x1 + a22 x2 +... + a2m xm + ;

.........................................................

yn = an1 x1 + an2 x2 +... + anm xm +.

n Для построения такой системы и нахождения ее параметров используется метод наименьших квадратов, применяемый к каждому уравнению в отдельности;

– система рекурсивных уравнений – когда зависимая переменная у одного уравнения выступает в виде фактора х в другом уравнении y1 = a11 x1 + a12 x2 +... + a1m xm + 1;

y2 = b21 y1 + a21 x1 + a22 x2 +... + a2m xm + ;

y3 = b31 y1 + b32 y2 + a31 x1 + a32 x2 +... + a3m xm + 3;

......................................................................

yn = bn1 y1 + bn2 y2 +... + bnn-1 yn-1 + an1 x1 + an2 x2 +... + anm xm +.

n Для построения такой системы и нахождения ее параметров используется метод наименьших квадратов, применяемый последовательно к каждому уравнению в отдельности;

– система взаимосвязанных (совместных) уравнений – когда одни и те же зависимые переменные в одних уравнениях входят в левую часть, а в других – в правую y1 = b12 y2 + b13 y3 +... + b1n yn + a11 x1 + a12 x2 +... + a1m xm + 1;

y2 = b21 y1 + b23 y3 +... + b2n yn + a21 x1 + a22 x2 +... + a2m xm + ;

.......................................................................................................

yn = bn1 y1 + bn2 y2 +... + bnn-1 yn-1 + an1 x1 + an2 x2 +... + anm xm +.

n Такая система уравнений называется структурной формой модели. Для построения таких систем и нахождения их параметров используются косвенный и двухшаговый методы наименьших квадратов.

Введем следующие определения.

Эндогенными переменными называются взаимозависимые переменные, которые определяются внутри модели (системы) – переменные y.

Экзогенными переменными называются независимые переменные, которые определяются вне системы – переменные х.

Предопределенными переменными называются экзогенные и лаговые (за предыдущие моменты времени y–1, y–2,... ) эндогенные переменные системы.

Коэффициенты а и b при переменных носят название структурных коэффициентов модели.

Система линейных функций эндогенных переменных от всех предопределенных переменных системы называется приведенной формой модели 1 = 11 x1 + 12 x2 +... + 1m xm;

2 = 21 x1 + 22 x2 +... + 2m xm;

.........................................................

n = n1 x1 + n2 x2 +... + nm xm, где ij – коэффициенты приведенной формы модели.

3.2. Проблема идентификации При переходе от приведенной формы модели к структурной исследователь сталкивается с проблемой идентификации. Идентификация – это единственность соответствия между приведенной и структурной формами модели.

С позиции идентифицируемости структурные модели можно подразделить на три вида:

– идентифицируемые;

– неидентифицируемые;

– сверхидентифицируемые.

Модель идентифицируема, если все структурные ее коэффициенты определяются однозначно, единственным образом по коэффициентам приведенной формы модели, т. е. если число параметров структурной модели равно числу параметров приведенной формы модели. В этом случае структурные коэффициенты модели оцениваются через параметры приведенной формы модели и модель идентифицируема.

Модель неидентифицируема, если число приведенных коэффициентов меньше числа структурных коэффициентов, и в результате структурные коэффициенты не могут быть оценены через коэффициенты приведенной формы модели.

Модель сверхидентифицируема, если число приведенных коэффициентов больше числа структурных коэффициентов. В этом случае на основе коэффициентов приведенной формы можно получить два или более значений одного структурного коэффициента. В этой модели число структурных коэффициентов меньше числа коэффициентов приведенной формы.

Сверхидентифицируемая модель, в отличие от неидентифицируемой, модели практически решаема, но требует для этого специальных методов исчисления параметров.

Структурная модель всегда представляет собой систему совместных уравнений, каждое из которых требуется проверять на идентификацию. Модель считается идентифицируемой, если каждое уравнение системы идентифицируемо. Если хотя бы одно из уравнений системы неидентифицируемо, то и вся модель считается неидентифицируемой. Сверхидентифицируемая модель содержит хотя бы одно сверхидентифицируемое уравнение.

Выполнение условия идентифицируемости модели проверяется для каждого уравнения системы. Чтобы уравнение было идентифицируемо, необходимо, чтобы число предопределенных переменных, отсутствующих в данном уравнении, но присутствующих в системе, было равно числу эндогенных переменных в данном уравнении без одного.

Обозначим через H – число эндогенных переменных в уравнении, а через D – число предопределенных переменных, отсутствующих в уравнении, но присутствующих в системе. Тогда необходимое условие идентификации отдельного уравнения принимает вид:

– уравнение идентифицируемо, если D + 1 = H;

– уравнение неидентифицируемо, если D + 1 < H;

– уравнение сверхидентифицируемо, если D + 1 > Н.

Если необходимое условие выполнено, то далее проверяется достаточное условие идентификации.

Достаточное условие идентификации. Уравнение идентифицируемо, если определитель матрицы, составленной из коэффициентов при переменных, отсутствующих в исследуемом уравнении, не равен нулю, и ранг этой матрицы не менее числа эндогенных переменных системы без единицы.

3.3. Оценивание параметров структурной модели Для решения идентифицируемых уравнений применяется косвенный метод наименьших квадратов, для решения сверхидентифицированных – двухшаговый метод наименьших квадратов.

Косвенный МНК состоит в следующем:

1) составляют приведенную форму модели и определяют численные значения параметров для каждого ее уравнения в отдельности с помощью обычного МНК;

2) путем алгебраических преобразований переходят от приведенной формы к уравнениям структурной формы модели, получая тем самым численные оценки структурных параметров.

Двухшаговый МНК заключается в следующем:

1) составляют приведенную форму модели и определяют численные значения параметров каждого ее уравнения в отдельности с помощью обычного МНК;

2) выявляют эндогенные переменные, находящиеся в правой части структурного уравнения (параметры которого определяют двухшаговым МНК) и находят расчетные значения по полученным на первом этапе соответствующим уравнениям приведенной формы модели;

3) с помощью обычного МНК определяют параметры каждого структурного уравнения в отдельности, используя в качестве исходных данных фактические значения предопределенных переменных и расчетные значения эндогенных переменных, стоящих в правой части данного структурного уравнения, полученные на втором этапе.

Контрольные вопросы:

1. Какие виды систем уравнений применяются в эконометрике Охарактеризуйте их.

2. Какие методы применяются для нахождения структурных коэффициентов модели для различных видов систем уравнений 3. Какие переменные называются эндогенными, экзогенными, предопределенными 4. Что представляют собой структурная и приведенная форма модели 5. Что понимается под идентификацией модели 6. На какие виды подразделяются структурные модели с позиции идентифицируемости 7. Что представляют собой необходимое и достаточное условия идентификации уравнения 8. В каком случае применяется и что представляет собой косвенный МНК 9. В каком случае применяется и что представляет собой двухшаговый МНК 3.4. Решение типовых задач Пример 1. Требуется:

1. Оценить следующую структурную модель на идентификацию:

y1 = b13 y3 + a11x1 + a13x3;

y2 = b21 y1 + b23 y3 + a22x2;

y3 = b32 y2 + a31x1 + a33x3.

2. Исходя из приведенной формы модели уравнений y1 = 2 x1 + 4 x2 +10 x3;

y2 = 3 x1 - 6 x2 + 2 x3;

y3 = -5 x1 + 8 x2 + 5 x3, найти структурные коэффициенты модели.

Решение:

1. Исследование модели на идентифицируемость. Модель имеет три эндогенные (у1, у2, у3) и три экзогенные (x1, x2, х3) переменные.

Проверим каждое уравнение системы на необходимое (Н) и достаточное (Д) условия идентификации.

Pages:     | 1 |   ...   | 3 | 4 || 6 | 7 |   ...   | 10 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.