Эконометрика-Практикум-Елисеева. Практикум по эконометрике под редакцией членакорреспондента Российской Академии наук И. И. Елисеевой
 Скачать 4.16 Mb.
|
4.2. РЕШЕНИЕ ТИПОВЫХ ЗАДАЧПример 1 По данным за 18 месяцев построено уравнение регрессии зависимости прибыли предприятия у (млн руб.) от цен на сырье x1(тыс. руб. за 1 т) и производительности труда x2 (ед. продукции на 1 работника):  .При анализе остаточных величин были использованы значения, приведенные в табл. 4.1. Таблица 4.1
 ,  .Требуется: 1. По трем позициям рассчитать  ,  ,  ,  , ( )2.2. Рассчитать критерий Дарбина - Уотсона. 3. Оценить полученный результат при 5%-ном уровне значимости. 4. Указать, пригодно ли уравнение для прогноза. Решение 1. определяется путем подстановки фактических значений х1 и х2в уравнение регрессии: = 200 -1,5 • 800 + 4,0 • 300 = 200; = 200 -1,5 • 1000 + 4,0 • 500 = 700; = 200 -1,5 • 1500 + 4,0 • 600 = 350.Остатки рассчитываются по формуле .Следовательно,  =210-200=10,  =720-700=20,  = 300 - 350 =-50;  = 100,  = 400,  = 2500; - те же значения, что и , но со сдвигом на один месяц. Результаты вычислений оформим в виде табл. 4.2.Таблица 4.2
2. Критерий Дарбина - Уотсона рассчитывается по формуле  .3. Фактическое значение d сравниваем с табличными значениями при 5%-ном уровне значимости. При п = 18 месяцев и т = 2 (число факторов) нижнее значение d' равно 1,05, а верхнее - 1,53. Так как фактическое значение d близко к 4, можно считать, что автокорреляция в остатках характеризуется отрицательной величиной. Чтобы проверить значимость отрицательного коэффициента автокорреляции, найдем величину: 4 - d = 4 - 3,81 = 0,19, что значительно меньше, чем d'. Это означает наличие в остатках автокорреляции. 4. Уравнение регрессии не может быть использовано для прогноза, так как в нем не устранена автокорреляция в остатках, которая может иметь разные причины. Автокорреляция в остатках может означать, что в уравнение не включен какой-либо существенный фактор. Возможно также, что форма связи неточна, а может быть, в рядах динамики имеется общая тенденция. Пример 2 Имеются следующие данные о величине дохода на одного члена семьи и расхода на товар А (табл. 4,3). Таблица 4.3
Требуется: 1. Определить ежегодные абсолютные приросты доходов и расходов и сделать выводы о тенденции развития каждого ряда. 2. Перечислить основные пути устранения тенденции для построения модели спроса на товар А в зависимости от дохода. 3. Построить линейную модель спроса, используя первые разности уровней исходных динамических рядов. 4. Пояснить экономический смысл коэффициента регрессии. 5. Построить линейную модель спроса на товар А, включив в нее фактор времени. Интерпретировать полученные параметры. Решение 1. Обозначим расходы на товар А через у, а доходы одного члена семьи - через х. Ежегодные абсолютные приросты определяются по формулам  ,  Расчеты можно оформить в виде таблицы (табл. 4.4). Таблица 4.4
Значения у не имеют четко выраженной тенденции, они варьируют вокруг среднего уровня, что означает наличие в ряде динамики линейного тренда (линейной тенденции). Аналогичный вывод можно сделать и по ряду х: абсолютные приросты не имеют систематической направленности, они примерно стабильны, а следовательно, ряд характеризуется линейной тенденцией. 2. Так как ряды динамики имеют общую тенденцию к росту, то для построения регрессионной модели спроса на товар А в зависимости от дохода необходимо устранить тенденцию. С этой целью модель может строиться по первым разностям, т.е. у = f(х), если ряды динамики характеризуются линейной тенденцией. Другой возможный путь учета тенденции при построении моделей - найти по каждому ряду уравнение тренда: = f(t) и  = f(t)и отклонения от него: dy = yt-  ;dx = xt - .Далее модель строится по отклонениям от тренда: dy = f(dx). При построении эконометрических моделей чаще используется другой путь учета тенденции - включение в модель фактора времени. Иными словами, модель строится по исходным данным, но в нее в качестве самостоятельного фактора включается время, т.е. = f(x, t).3. Модель имеет вид  .Для определения параметров a и b применяется МНК. Система нормальных уравнений следующая:  Применительно к нашим данным имеем  Решая эту систему, получим: а = 2,565 и b = 0,565, откуда модель имеет вид  4. Коэффициент регрессии b = 0,565 руб. Он означает, что с ростом прироста душевого дохода на 1%-ный пункт расходы на товар А увеличиваются со средним ускорением, равным 0,565 руб. 5. Модель имеет вид  .Применяя МНК, получим систему нормальных уравнений:  Расчеты оформим в виде табл. 4.5. Таблица 4.5
Система уравнений примет вид  Решая ее, получим а = -5,42; b= 0,322; с = 3,516. Уравнение регрессии имеет вид у = 5,42 + 0,322 х+ 3,516 t. Параметр b = 0,322 фиксирует силу связи у и х. Его величина означает, что с ростом дохода на одного члена семьи на 1%-ный пункт при условии неизменной тенденции расходы на товар А возрастают в среднем на 0,322 руб. Параметр с = 3,516 характеризует среднегодовой абсолютный прирост расходов на товар А под воздействием прочих факторов при условии неизменного дохода. Пример 3 По данным за 30 месяцев некоторого временного ряда хt были получены значения коэффициентов автокорреляции уровней: r1 = 0,63; r2 = 0,38; r3 = 0,72; r4=0,97; r5 = 0,55; r6=0,40; r7 = 0,65; ri - коэффициенты автокорреляции i-го порядка. Требуется: 1. Охарактеризовать структуру этого ряда, используя графическое изображение. 2. Для прогнозирования значений хt в будущие периоды предполагается построить уравнение авторегрессии. Выбрать наилучшее уравнение, обосновать выбор. Указать общий вид этого уравнения. Решение 1. Так как значения всех коэффициентов автокорреляции достаточно высокие, ряд содержит тенденцию. Поскольку наибольшее абсолютное значение имеет коэффициент автокорреляции 4-го порядка r4, ряд содержит периодические колебания, цикл этих колебаний равен 4. График этого ряда можно представить на рис. 4.1.
Рис. 4.1. Графики, характеризующие убывающую тенденцию при разных возможных периодических колебаниях 2. Наиболее целесообразно построение уравнения авторегрессии: уt = а + b уt-4 + иt, так как значение r4 = 0,97 свидетельствует о наличии очень тесной связи между уровнями ряда с лагом в 4 месяца. Кроме того, возможно построение и множественного уравнения авторегрессии yt от yt-3 и yt-4, так как r4 =0,72: yt = а + b1 • yt-3 + b2 • yt-4 + иt. Сравнить полученные уравнения и выбрать наилучшее решение можно с помощью скорректированного коэффициента детерминации. Пример 4 На основе помесячных данных о числе браков (тыс.) в регионе за последние три года была построена аддитивная модель временного ряда. Скорректированные значения сезонной компоненты за соответствующие месяцы приводятся в табл. 4.6. Таблица 4.6
Уравнение тренда выглядит следующим образом:  ,при расчете параметров тренда использовались фактические моменты времени (t =  ).Требуется: 1. Определить значение сезонной компоненты за декабрь. 2. На основе построенной модели дать прогноз общего числа браков, заключенных в течение первого квартала следующего года. Решение 1. Сумма значений сезонной компоненты внутри одного цикла должна быть равна нулю (в соответствии с методикой построения аддитивной модели временного ряда). Следовательно, значение сезонной компоненты за декабрь составит:  5i2 = 0 - (- 1 + 2 - 0,5 + 0,3 - 2 - 1,1 + 3 + 1 + 2,5 + 1 - 3) = - 2,2. 2. Прогнозное значение уровня временного ряда Ft в аддитивной модели есть сумма трендового значения Tt и соответствующего значения сезонной компоненты St. Число браков, заключенных в первом квартале следующего года, есть сумма числа браков, заключенных в январе F37, в феврале F38 и в марте F39. Для расчета трендовых значений воспользуемся уравнением тренда, указанным в условии задачи:  Соответствующие значения сезонных компонент составят: S1 = -1 -январь; S2 = 2 - февраль; S3 = -0,5 - март. Таким образом, F37 = T37 + S1 = 3,61 - 1 = 2,61; F38 = T38 + S2 = 3,64 + 2 = 5,64; F39 = T39 + S3 = 3,67 - 0,5 =3,17. Количество браков, заключенных в первом квартале следующего года, составит: 2,61 + 5,64 + 3,17 = 11,42 тыс., или 11420. Пример 5 Динамика выпуска продукции Финляндии характеризуется данными (млн долл.), представленными в табл. 4.7. Таблица 4.7
Требуется: 1. Провести расчет параметров линейного и экспоненциального трендов. 2. Построить графики ряда динамики и трендов. 3. Выбрать наилучший вид тренда на основании графического изображения и значения коэффициента детерминации. |
