Эконометрика. Практикум
Покупка
Основная коллекция
Тематика:
Эконометрика
Издательство:
НИЦ ИНФРА-М
Автор:
Бородич Сергей Аркадьевич
Год издания: 2021
Кол-во страниц: 329
Дополнительно
Вид издания:
Учебное пособие
Уровень образования:
ВО - Бакалавриат
ISBN: 978-5-16-009429-8
ISBN-онлайн: 978-5-16-100513-2
Артикул: 254300.06.01
Пошагово расписано решение основных задач по эконометрике, приводятся необходимые пояснения, отмечаются возможные проблемы и даются рекомендации по их преодолению. Решение всех задач приведено на основе использования калькулятора и Excel. Это делает пособие доступным для любого пользователя и позволяет углубиться в суть решаемых задач.
Для студентов и преподавателей экономических специальностей вузов.
Тематика:
ББК:
УДК:
ОКСО:
- ВО - Бакалавриат
- 38.03.01: Экономика
- ВО - Магистратура
- 38.04.01: Экономика
ГРНТИ:
Скопировать запись
Фрагмент текстового слоя документа размещен для индексирующих роботов
С.А. БОРОДИЧ ЭКОНОМЕТРИКА ПРАКТИКУМ УЧЕБНОЕ ПОСОБИЕ Москва «ИНФРА М» 2021
УДК 330.43(075.8) ББК 65в6я73 Б83 Рецензенты: Корзников А.Д., заведующий кафедрой высшей математики № 2 Белорусского национального технического университета, кандидат физико-математических наук; Максимов С.И., заведующий кафедрой РИВШ Белорусского государственного университета, кандидат технических наук Бородич С.А. Эконометрика. Практикум : учебное пособие / С.А. Бородич. — Б83 Москва : ИНФРА-М, 2021. — 329 с. : ил. — (Высшее образование: Бакалавриат). ISBN 978-5-16-009429-8 (ИНФРА-М, print) ISBN 978-5-16-100513-2 (ИНФРА-М, online) Пошагово расписано решение основных задач по эконометрике, приводятся необходимые пояснения, отмечаются возможные проблемы и даются рекомендации по их преодолению. Решение всех задач приведено на основе использования калькулятора и Excel. Это делает пособие доступным для любого пользователя и позволяет углубиться в суть решаемых задач. Для студентов и преподавателей экономических специальностей вузов. УДК 330.43(075.8) ББК 65в6я73 © Бородич С.А., 2013 ISBN 978-5-16-009429-8 (ИНФРА-М, print) ISBN 978-5-16-100513-2 (ИНФРА-М, online) © ООО «Новое знание», 2013
Оглавление Предисловие................................................................................................................................6 Глава 1. Вероятностные задачи в экономике.............................................................8 1.1. Базовые формулы теории вероятностей. ................................................................8 1.2. Случайные величины и их основные характеристики. ...................................10 1.3. Законы распределения случайных величин и таблицы критических точек распределений. .........................................................................13 Примеры решения задач......................................................................................................14 Глава 2. Обработка статистических данных.............................................................30 2.1. Базовые концепции математической статистики. .............................................30 2.2. Вычисление выборочных характеристик.............................................................31 Примеры решения задач......................................................................................................34 Глава 3. Статистические оценки и проверка гипотез............................................47 3.1. Виды оценок и их свойства.......................................................................................47 3.2. Статистическая проверка гипотез...........................................................................51 3.3. Проверка гипотезы о математическом ожидании нормальной СВ при известной дисперсии...........................................................................................52 3.4. Проверка гипотезы о математическом ожидании нормальной СВ при неизвестной дисперсии. ......................................................................................53 3.5. Проверка гипотезы о величине дисперсии нормальной СВ.........................54 3.6. Проверка гипотезы о равенстве математических ожиданий двух нормальных СВ при известных дисперсиях.......................................................56 3.7. Проверка гипотезы о равенстве математических ожиданий двух нормальных СВ при неизвестных дисперсиях..................................................56 3.8. Проверка гипотезы о равенстве дисперсий двух нормальных СВ.............57 3.9. Проверка гипотезы о значимости коэффициента корреляции....................58 Примеры решения задач......................................................................................................59 Глава 4. Парная линейная регрессия...........................................................................82 4.1. Суть регрессионного анализа. ...................................................................................82 4.2. Метод наименьших квадратов (МНК). .................................................................84 Примеры решения задач......................................................................................................86 Глава 5. Проверка качества уравнения регрессии.................................................99 5.1. Классическая линейная регрессионная модель. Предпосылки метода наименьших квадратов....................................................99 5.2. Анализ точности определения оценок коэффициентов регрессии. ......... 100 5.3. Проверка гипотез относительно коэффициентов линейного уравнения регрессии................................................................................................. 101 5.4. Интервальные оценки коэффициентов линейного уравнения . регрессии. ....................................................................................................................... 103 5.5. Проверка общего качества уравнения регрессии. Коэффициент детерминации R2........................................................................... 103 Примеры решения задач................................................................................................... 106
Оглавление Глава 6. Множественная линейная регрессия. ...................................................... 133 6.1. Определение параметров уравнения регрессии. ............................................. 133 6.2. Расчет коэффициентов множественной линейной регресcии. .................. 134 6.3. Дисперсии и стандартные ошибки коэффициентов..................................... 135 6.4. Интервальные оценки коэффициентов теоретического уравнения регресcии................................................................................................. 136 6.5. Анализ качества эмпирического уравнения множественной линейной регрессии. .................................................................................................. 137 6.6. Проверка статистической значимости коэффициентов уравнения регрессии................................................................................................. 137 6.7. Проверка общего качества уравнения регрессии........................................... 138 6.7.1. Анализ статистической значимости коэффициента . детерминации. ................................................................................................... 140 6.7.2. Проверка равенства двух коэффициентов детерминации. .............. 140 6.7.3. Проверка гипотезы о совпадении уравнений регрессии для двух выборок............................................................................................ 142 6.8. Проверка выполнимости предпосылок МНК. . Статистика Дарбина — Уотсона. ........................................................................... 143 Примеры решения задач................................................................................................... 145 Глава 7. Нелинейная регрессия................................................................................... 172 7.1. Основные нелинейные эконометрические модели........................................ 172 7.2. Признаки «хорошей» модели и ошибки спецификации............................. 174 Примеры решения задач................................................................................................... 176 Глава 8. Гетероскедастичность. .................................................................................... 197 8.1. Обнаружение гетероскедастичности................................................................... 197 8.1.1. Графический анализ остатков.................................................................... 198 8.1.2. Тест ранговой корреляции Спирмена..................................................... 199 8.1.3. Тест Парка. ......................................................................................................... 200 8.1.4. Тест Глейзера.................................................................................................... 201 8.1.5. Тест Голдфелда — Квандта.......................................................................... 201 8.2. Методы смягчения проблемы гетероскедастичности................................... 202 8.2.1. Метод взвешенных наименьших квадратов (ВНК). .......................... 202 8.2.2. Дисперсии отклонений неизвестны......................................................... 204 Примеры решения задач................................................................................................... 205 Глава 9. Автокорреляция. ............................................................................................... 220 9.1. Суть и причины автокорреляции......................................................................... 220 9.2. Последствия автокорреляции................................................................................ 220 9.3. Обнаружение автокорреляции.............................................................................. 221 9.3.1. Графический метод......................................................................................... 221 9.3.2. Метод рядов...................................................................................................... 223 9.3.3. Критерий Дарбина — Уотсона. ................................................................... 224 9.4. Методы устранения автокорреляции. ................................................................. 225 9.4.1. Определение ρ на основе статистики Дарбина — Уотсона............. 227
Оглавление 5 9.4.2. Метод Кохрана — Оркатта.......................................................................... 228 9.4.3. Метод Хилдрета — Лу. .................................................................................. 228 Примеры решения задач................................................................................................... 229 Глава 10. Мультиколлинеарность. ............................................................................... 244 10.1. Суть и последствия мультиколлинеарности. ................................................. 244 10.2. Определение мультиколлинеарности и методы ее устранения.............. 245 Примеры решения задач................................................................................................... 246 Глава 11. Фиктивные переменные в регрессионных моделях....................... 253 11.1. Модели ANOV A и ANCOV A................................................................................. 253 11.2. Сравнение двух регрессий.................................................................................... 254 11.3. Фиктивная зависимая переменная. ................................................................... 257 Примеры решения задач................................................................................................... 259 Глава 12. Динамические модели. ................................................................................. 273 12.1. Общие положения. ................................................................................................... 273 12.2. Оценка моделей с лагами в независимых переменных............................. 273 12.2.1. Метод последовательного увеличения количества лагов........... 274 12.2.2. Преобразование Койка (метод геометрической прогрессии).... 274 12.3. Авторегрессионные модели.................................................................................. 276 12.3.1. Модель адаптивных ожиданий. ............................................................. 276 12.3.2. Модель частичной корректировки. ...................................................... 277 12.4. Оценка авторегрессионных моделей. ................................................................ 278 12.5. Проблема автокорреляции остатков. Обнаружение и устранение. ....... 278 Примеры решения задач................................................................................................... 279 Глава 13. Системы одновременных уравнений..................................................... 286 13.1. Составляющие систем уравнений. ..................................................................... 286 13.2. Косвенный метод наименьших квадратов и инструментальные переменные................................................................................................................. 287 13.3. Проблема идентификации.................................................................................... 288 13.4. Необходимые и достаточные условия идентифицируемости................. 288 Примеры решения задач................................................................................................... 292 Приложения......................................................................................................................... 313 1. Функция Лапласа (стандартизированное нормальное распределение). ............................................................................................................... 313 2. Распределение Стьюдента (t-распределение)..................................................... 314 3. χ2-распределение............................................................................................................ 315 4. Распределение Фишера (F-распределение)......................................................... 316 5. Критерий Колмогорова. ............................................................................................... 320 6. Распределение Дарбина — Уотсона. ........................................................................ 320 7. Критические значения количества рядов для определения наличия автокорреляции по методу рядов (α = 0,05)..................................... 326 Рекомендуемая литература. ........................................................................................... 328
Предисловие Математическое моделирование является одним из самых эффективных методов экономического анализа. Ключевым моментом такого моделирования представляется определение наличия взаимосвязей между эканомическими факторами, выражение этих взаимосвязей в математических терминах и использование математических формул для обоснования выводов. Формально «эконометрика» означает «измерения в экономике». Однако область исследований данной дисциплины существенно шире. В ней на основе реальных статистических данных производится построение и совершенствование математических моделей. На базе построенных моделей осуществляется анализ экономических процессов, проверка определенных гипотез и делаются прогнозы по возможному развитию ситуации. В целом экономические законы и взаимосвязи достаточно универсальны, но реальные условия создают определенные нюансы, что приводит к некоторому отличию параметров моделей для различных производств, отраслей, стран и регионов. В основе эконометрического анализа лежат статистические концепции и подходы. Это обосновано тем, что большинство экономических показателей носят случайный характер, так как на них воздействует непредсказуемое количество различных факторов. Влияние их также непостоянно и не носит строгий характер. Например, не вызывает сомнений наличие существенной связи между доходом и потреблением. Однако зачастую индивидуумы с одинаковыми доходами потребляют по-разному. Поэтому использование методов математической статистики в эконометрике носит системный и базовый характер. Эконометрика фокусируется на исследовании количественных параметров экономических процессов, оставляя качественные аспекты экономической теории. Начальной задачей эконометрики является сбор, обработка и представление экономических данных в наглядной и удобной для математической обработки форме (в форме таблиц, графиков, диаграмм). Следующим шагом является использование данных для построения и анализа математических моделей. Здесь основной акцент делается на подборе модели и определении ее параметров, которые наилучшим образом описывают реально существующую экономическую ситуацию. Подбор модели называется этапом спецификации, определение числовых характеристик отобранной модели — этапом параметризации. Эти два этапа являются достаточно трудоемкой и творческой частью эконометрического анализа. Зачастую невозможно подобрать совершенную модель и приходится выбирать между несколькими конкурирующими вариантами, разбивать общую модель на несколько частных, для каждой из которых подбираются свои числовые параметры. Таким образом, выбор формы модели является важнейшей отправной точкой для последующего анализа. Заметим, что любая модель является упрощением реальности и содержит определенную погрешность. Поэтому из всех рассматриваемых моделей с помощью соответствующего статистического анализа отбирается та,
Предисловие 7 которая в наибольшей степени соответствует эмпирическим данным, характеру зависимости, а также экономической теории. Этап отбора наилучшей модели, определения ее общего качества, а также качества ее отдельных параметров называется этапом верификации. На этом этапе отбирается не только самая подходящая формула для модели, но также уточняется состав наиболее важных в данных конкретных условиях факторов, которые целесообразно включить в модель. Если модель удовлетворяет выбранным исследователем стандартам качества, то она рекомендуется для проведения анализа определенной экономической ситуации, а также для прогноза ее дальнейшего развития. Отметим, что вскрывая механизмы и взаимосвязи изучаемых процессов, эконометрические модели не решают вопрос об их причинах. Однако эконометрика является одним из самых эффективных и надежных инструментов общего экономического анализа, что объясняет популярность и распространенность ее применения практически во всех ситуациях, когда количественный анализ важен. В целом процесс эконометрического анализа можно разбить на следующие этапы: 1) выбор математической модели на основе экономической теории; 2) оценка параметров модели на базе имеющихся статистических данных; 3) проверка качества построенной модели; 4) переход к пункту 5), если качество модели удовлетворительное; возврат к пункту 1), если качество модели неудовлетворительное; 5) Использование модели для объяснения экономической ситуации и для прогнозирования. Приведенная схема отражает циклический характер современных экономических исследований: от экономической теории к моделированию; от моделирования к совершенствованию теории и проведению более обоснованной и предсказуемой экономической политики. Развитие пакетов прикладных программ сделало эконометрику одним из ключевых этапов экономических исследований в целом. Данное руководство предназначено для преподавателей и студентов, использующих учебное пособие автора «Эконометрика». Оно может быть использовано также для анализа и решения базовых задач для любого курса эконометрики. В руководстве пошагово расписано решение задач, приводятся необходимые пояснения, отмечаются возможные проблемы и даются рекомендации по их преодалению. Для решения большинства приведенных задач могут быть использованы пакеты прикладных программ Minitab, SSPS и др. Однако фактически решение всех задач приведено на основе использования калькулятора и Excel. Это делает руководство доступным для любого пользователя и позволяет углубиться в суть решаемых задач.
Вероятностные задачи в экономике 1.1. Базовые формулы теории вероятностей Любая активность, результат которой неоднозначен, называется экспериментом. Результат эксперимента называется событием. Для обозначения события используется любая заглавная буква (А, В, С ...) или набор букв. Событие, которое не разбивается на более простые составные части, называется элементарным (например, выпадение орла или решки при бросании монеты или определенной комбинации очков при бросании игральных костей). Вероятность события — числовая характеристика, определяющая степень возможности данного результата в условиях проводимого экперимента. Вероятность события А обозначается Р(А), 0 ≤ P(A) ≤ 1. Общая формула вычисления вероятности (классический подход): P A m n ( ) = , (1.1) где n — число элементарных событий в условиях данного эксперимента; m — число элементарных событий, входящих в событие А. При этом предполагается, что все элементарные события равновозможны, а следовательно, их вероятности равны 1 n. Зачастую для подсчета числа элементарных событий необходимо использовать формулы комбинаторики. В частности, число Cn k способов отбора k элементов из числа различных n элементов определяется формулой C n k n k n k ! ! ( )! = ⋅ − (j! = 1 ⋅ 2 ⋅ 3 ⋅⋅⋅ j). (1.2)
1.1. Базовые формулы теории вероятностей 9 Общая формула вычисления вероятности (относительная частота) P A m n ( ) = , (1.3) где n — число повторений одного и того же эксперимента в одинаковых условиях; m — число экспериментов из n проведенных, в которых произошло событие А (0 ≤ m ≤ n). Наступление по крайней мере одного из событий А или В символически обозначается А + В. Наступление двух событий А и В в одном и том же эксперименте обозначается А ⋅ В. При нахождении вероятности наступления события А или В используется формула сложения вероятностей P(A + B) = P(A) + P(B) - P(А ⋅ В). (1.4) При нахождении вероятности наступления двух событий А и В одновременно используется формула умножения вероятностей P(А ⋅ В) = P(A) ⋅ P(B|A), (1.5) где P(B|A) — вероятность наступления события В при условии наступления события А. Для независимых событий А и B P(B|A) = P(B). Предположим, что одно из непересекающихся событий A1, A2, ..., Ak обязательно должно произойти в условиях проводимого эксперимента. Тогда вероятность события В в условиях этого же эксперимента определяется формулой полной вероятности: P(В) = P(A1) ⋅ P(B|A1) + P(A2) × × P(B|A2) + ... + P(Ak) ⋅ P(B|Ak). (1.6) Применение формул (1.4) и (1.5) позволяет определить вероятность того, что событие В наступит с определенным событием Аj, j = 1, 2, ..., k: P A В P A P В A P В j j j ( ) ( ) ( ) ( ) | | = = j j . (1.7) = + + … + P A P В A P A P В A P A P В A P A P В A k k ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) | | | | 1 1 2 2
1. Вероятностные задачи в экономике 1.2. Случайные величины и их основные характеристики Случайной величиной (СВ) называют величину, которая в результате наблюдения принимает то или иное значение, заранее не известное и зависящее от случайных обстоятельств. Объем ВНП, количество реализованной продукции, прибыль фирмы, размер чистого экспорта за год и т.д. являются случайными величинами. Различают дискретные и непрерывные СВ. Дискретной называют такую СВ, которая принимает отдельные, изолированные значения с определенными вероятностями (такая СВ имеет счетное количество значений). Непрерывной называют такую СВ, которая может принимать любое значение из некоторого конечного или бесконечного числового промежутка (т.е. количество возможных значений непрерывной СВ несчетно). Например, можно считать, что число покупателей в магазине, побывавших там в течение дня, число автомобилей, ремонтируемых еженедельно в данной мастерской, число находящихся в аэропорту самолетов являются дискретными СВ. Однако большинство СВ, рассматриваемых в экономике, имеют настолько большое число возможных значений, что их удобнее представлять в виде непрерывных СВ. Например, курсы валют, доход, объемы ВНП, ВВП и т.п. обычно рассматриваются как непрерывные СВ. Для описания дискретной СВ необходимо установить соответствие между всеми возможными значениями СВ и их вероятностями. Такое соответствие называется законом распределения дискретной СВ. Его можно задать таблично, аналитически (в виде формулы) либо графически. При табличном задании закона распределения дискретной СВ Х первая строка таблицы содержит ее возможные значения (х1, х2, …, хk), а вторая — их вероятности (p1, p2, …, pk): X x1 x2 ... xk pi p1 p2 ... pk Обычно х1 < х2 < ... < xk. Обязательно p1 + p2 + ... + pk = 1. Основными числовыми характеристиками случайных величин являются математическое ожидание, дисперсия и среднее квадратическое отклонение.