Практикум по эконометрике. Эконометрика Рассчитать выборочные дисперсии эмпирических коэффи. Методические указания по решению типовых практических задач, в том числе с помощью пакета прикладных программ ms excel

• Название: Методические указания по решению типовых практических задач, в том числе с помощью пакета прикладных программ ms excel
• Анкор: Практикум по эконометрике
• Дата: 11.10.2019
• Размер: 2.55 Mb.
• Имя файла: Эконометрика Рассчитать выборочные дисперсии эмпирических коэффи.doc
• Тип: Методические указания; #89663
• страница: 2 из 20

Введение

Переход к рыночной экономике повышает требования к качеству подготовки экономистов, которые, чтобы быть конкурентоспособными и востребованными на рынке труда, должны владеть количественными методами анализа в экономике. При этом высокий динамизм происходя­щих в стране социально-экономических процессов приводит к тому, что знания об экономике отстают от потребностей управления. В связи с этим деятельность экономиста должна содержать прогностическую составляю­щую, обеспечивающую возможность заранее сигнализировать о наступле­нии тех или иных «особых» ситуаций. Сегодня нужны специалисты, не только владеющие опытом и знаниями предыдущих поколений, но и го­товые к встрече с новыми постановками задач, обусловленными специ­фикой России. Из указанного выше следуют новые требования к стати­стической, эконометрической подготовке экономистов.

В связи с этим дисциплина «Эконометрика» сегодня входит в учебные планы подготовки экономистов всех специальностей и направлений в ка­честве базовой, обязательной дисциплины и преподается как во всех веду­щих университетах мира, так и в отечественных вузах.

Эконометрика рассматривается как дисцип­лина, объединяющая совокупность результатов, методов и приемов экономи­ческой теории, экономической статистики и математико-статистического инструментария для количественного выражения качественных закономерностей. Курс эконометрики призван научить различным спосо­бам выражения связей и закономерностей через эконометрические моде­ли, основанные на данных статистических наблюдений. Эконометрический подход предусматривает анализ соответствия выбранной модели изучаемому объекту, рассмотрение причин, приводящих к необходимо­сти пересмотра моделей на основе более точной системы представлений. Эконометрика занимается, по существу, статистическими выводами, т. е. использованием выборочных данных, для получения некоторого пред­ставления о свойствах генеральной совокупности.

Учебный курс «Эконометрика» опирается на курсы «Микроэкономи­ка», «Макроэкономика», «Теория статистики», «Теория вероятностей и математическая статистика». В свою очередь, «Эконометрика» выступает в качестве базы для курса «Эконометрическое моделирование», а также продвинутых курсов при­кладной микро- и макроэкономики. При этом применение методов эко­нометрики позволяет осуществить проверку справедливости положений экономической теории.

Назначение эконометрики мы видим в придании конкретного коли­чественного выражения общим (качественным) закономерностям эконо­мической теории на базе экономической статистики с использованием математико-статистического инструментария.

При эконометрическом подходе исследователь строит рассуждения и выводы, опираясь в своих модельных построениях на вероятностно-ста­тистический подход и результаты конкретных измерений интересующих его социально-экономических показателей.

Вероятностно-статистическая модель — это математическая модель, имитирующая механизм функционирования гипотетического (не кон­кретного) реального явления стохастической природы, значения отдель­ных параметров которой оцениваются по результатам наблюдений, исход­ным статистическим данным, характеризующим функционирование моделируемого конкретного (а не гипотетического) явления.

Построение и экспериментальная проверка вероятностно-статистической модели обычно основаны на одновременном использовании апри­орной информации о природе и содержательной сущности анализируемо­го явления, представленной в виде теоретических закономерностей и исходных статистических данных, характеризующих процесс и резуль­таты функционирования изучаемого явления.

Вероятностно-статистическое моделирование включает следующие этапы:

1. Постановка задачи, а именно определение конечных прикладных целей моделирования; набора показателей, взаимосвязи между которыми нас интересуют, а также группировка этих показателей в рамках постав­ленной задачи на входные или объясняющие, которые полностью или частично регулируемы и поддаются регистрации и прогнозу, и выходные или объясняемые, которые формируются в процессе функционирования моделируемой системы и обычно трудно поддаются непосредственному прогнозу.

2. Априорный, предмодельный анализ содержательной сущности моделируемого явления состоит в формировании и формализации имеющейся априорной информации об этом явлении в виде ряда гипотез и ис­ходных допущений.

3. Информационно-статистический этап посвящен сбору необходимой статистической информации, т.е. регистрации значений показате­лей, участвующих в описании модели, различных моментов времени и (или) точек пространства функционирования моделируемой системы.

4. Этап спецификации модели включает в себя получение общего вида модельных соотношений, связывающих между собой интересующие нас входные и выходные переменные. На данном этапе определяют лишь
структуру модели, ее аналитическую запись, в которой наряду с известны­ми будут присутствовать величины, содержательный смысл которых оп­ределен, а числовые значения - нет. Это параметры модели, неизвестные
значения которых подлежат статистическому оцениванию.

Этап идентификации модели предназначен для проведения статистического анализа модели с целью «настройки» значений ее неизвестных параметров на полученные нами статистические данные. При этом предварительно необходимо ответить на вопрос о возможности оценки неизвестных параметров модели по имеющимся исходным статистическим данным и определенной на этапе спецификации структуре модели. Это вопрос об идентифицируемости модели. После положительного ответа на этот вопрос переходят к задаче идентификации модели, т. е. оцениванию неизвестных значений параметров модели по имеющимся исходным статистическим данным.

Если проблема идентифицируемости решается отрицательно, то возвращаются к этапу 4 и вносят необходимую корректировку в решение задачи спецификации модели.

6. Этап верификации модели, анализа ее точности и адекватности заключается в использовании различных процедур сопоставления модельных заключений, оценок и выводов с реально наблюдаемой действительностью. При отрицательных результатах этого этапа необходимо возвратиться к этапу 4, а иногда и к этапу 1.

Модели, построение которых основано только на априорной инфор­мации и не предусматривает проведения этапов 3, 5 и 6, называются эко­номико-математическими. Построение эконометрической модели требует проведения всех шести этапов.

7. Интерпретация полученных результатов, т.е. перевод их с формализованного языка математики на содержательный язык рекомендаций по принятию управленческих решений.

Однако далеко не всегда целевые установки исследователей подкреплены объективными возможностями их реализации.

Можно выделить три основных типа целей подобных исследований:

1. Установление факта наличия или отсутствия статистически значи­мой связи между X и Y. При такой постановке задачи статистический вы­вод сводится к утверждениям: «связь есть» или «связи нет» и сопровожда­ется обычной численной характеристикой степени тесноты исследуемой зависимости. Выбор вида функции f(X) и состава объясняющих перемен­ных X нацелен исключительно на максимизацию величины этого измери­теля тесноты связи. Такие задачи решаются методами корреляционного анализа.

2. Построение прогноза неизвестных индивидуальных Y(X) и средних значений результативных показателей по заданным значениям X объясняющих переменных. При этом статистический вывод включает в себя как точечный, так и интервальный прогноз результативного пока­зателя Y(X) или , который сопровождается величиной доверительной вероятности. Как и в предыдущем случае, выбор формы связи, конкрет­ного вида функции f(X) и состава объясняющих переменных X играет вспомогательную роль и нацелен исключительно на минимизацию ошиб­ки получаемого прогноза. Однако в этом случае существенно используют­ся значения функции f(X), которые являются отправной точкой при по­строении прогноза.

3. Выявление причинных связей между объясняющими переменными X и результативными показателями Y, управление значениями Y путем регулирования величин объясняющих переменных X. Такая постановка задачи претендует на проникновение в механизм преобразования объяс­няющих переменных X и  в результативные показатели Y. При этом на первый план выходит задача правильного выбора структуры модели (вы­бора общего вида функции f(X)), решение которой обеспечивает воз­можность количественного измерения эффекта воздействия на Y каждой из объясняющих переменных x₁, x₂,..., x_k в отдельности.

Однако задача правильного выбора общего вида функции f(X) и яв­ляется самым слабым местом во всей технике статистического исследова­ния зависимостей. К сожалению, не существует стандартных методов, строгой теоретической базы для решения этой важнейшей задачи.

С этой целью подбирают класс функций, связывающий результатив­ный показатель Y с объясняющими переменными x₁, x₂,..., x_k, отбирают из них наиболее информативные объясняющие переменные, определяют неизвестные значения параметров уравнения связи и анализируют точ­ность получения уравнения.