Оценка коэффициента авторегрессии.
Эконометрика и стастистика. Области применения эконометрических моделей.
Эконометрика – это наука об экономических измерениях, расположенная между математикой ,экономикой и статистикой. Она использует данные наблюдений, составляет математическую модель, оцениваются неизвестные величины, даются прогнозы на интересующие данные. Эконометрика (или эконометрия) входит в обширное семейство дисциплин, посвященных измерениям и применению статистических методов.
Области применения эконометрических моделей напрямую связаны с целями эконометрического моделирования, основными из которых являются:
1) прогноз экономических и социально-экономических показателей, характеризующих состояние и развитие анализируемой системы;
2) имитация различных возможных сценариев социально-экономического развития анализируемой системе.
В качестве анализируемой экономической системы могут выступать страна в целом (макроэкономические системы), регионы, отрасли и корпорации (мезосистемы), а также предприятия, фирмы и домохозяйства (микроэкономические системы).
Оценка статистической значимости коэффициента парной регрессии.t-критерий Стьюдента.
Парная линейная регрессия – регрессионная зависимость между двумя переменными у и х, т. е. модель вида y= a+bx+ e , где у – отклик, х – фактор, e - случайная «остаточная» компонента.
Проверка статистической значимости параметров регрессионного уравнения (коэффициентов регрессии) выполняется по t-критерию Стьюдента, который рассчитывается по формуле:
|
|
где
P - значение параметра;
Sp - стандартное отклонение параметра.
Рассчитанное значение критерия Стьюдента сравнивают с его табличным значением при выбранной доверительной вероятности (как правило, 0.95) и числе степеней свободы N-k-1, где N-число точек, k-число переменных в регрессионном уравнении (например, для линейной модели Y=A*X+B подставляем k=1).
Если вычисленное значение tp выше, чем табличное, то коэффициент регрессии является значимым с данной доверительной вероятностью. В противном случае есть основания для исключения соответствующей переменной из регрессионной модели.
Применение t-критерия для модели множественной регрессии,доверительные интервалы
Множественная регрессияпредставляет собой уравнение связи с несколькими независимыми переменными:
y = f (x1,x2,...,xp),
где у – зависимая переменная (результативный признак);
х1,х2,…,хp – независимые переменные (факторы).
Множественная регрессия применяется в ситуациях, когда из множества факторов, влияющих на результативный признак, нельзя выделить один доминирующий фактор и необходимо учитывать влияние нескольких факторов.
|
|
Для оценки значимости параметров уравнения множественной регрессии используют критерий Стьюдента. Значимость параметров означает их отличие от нуля с высокой долей вероятности.
Фактическое значение t-критерия определяется по формуле
Под оценкой параметра понимается как коэффициент регрессии, так и свободный член (при ). Величина среднего квадратического отклонения оцениваемого параметра определяется как корень из дисперсии . Величину называют стандартной ошибкой параметра .
Оценка коэффициента авторегрессии.
Одна из основных проблем при построении моделей авторегрессии (при оценке параметров) связана с наличием корреляционной зависимости между переменной yt-1 и остатками εt в уравнении регрессии, что приводит при применении обычного МНК к получению смещенной оценки параметра при переменной yt-1.
Для преодоления этой проблемы обычно используется метод инструментальных переменных, согласно которому переменная yt–1 из правой части модели заменяется на новую переменную ŷt–1, которая, во-первых, должна тесно коррелировать с yt–1, и, во-вторых, не коррелировать с ошибкой модели εt.
|
|
В качестве такой переменной можно взять регрессию переменной yt–1 на переменную xt–1, определяемую соотношением
,
где константы d1, d2 являются коэффициентами уравнения регрессии
, полученными с помощью обычного МНК.
В результате, для оценки параметров уравнения используется уравнение
.
Функциональная связь между переменными и xt–1 приводит к появлению высокой корреляционной связи между переменными и xt. Для преодоления этой проблем в модель и, соответственно, в модель можно включить фактор времени в качестве независимой переменной. Модель при этом примет вид .
Дата добавления: 2018-08-06; просмотров: 567; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!