Эконометрика. Показатели экономических процессов как случайные величины. Аспекты эконометрического моделирования. (Тема 2)

Содержание

Слайд 2

Тема 2. Показатели экономических процессов как случайные величины. Основные аспекты эконометрического

Тема 2. Показатели экономических процессов как случайные величины. Основные аспекты эконометрического моделирования.


Понятие эконометрики: предмет, цель и задачи.
Введение в эконометрическое моделирование. Основные математические предпосылки эконометрического моделирования.
Типы данных и виды переменных в эконометрическом моделировании.
Классы эконометрических моделей.
Этапы эконометрического моделирования.

Слайд 3

1. Понятие эконометрики: предмет, цель и задачи.

1. Понятие эконометрики: предмет, цель и задачи.

Слайд 4

1. Понятие эконометрики: предмет, цель и задачи. Эконометрика – наука, предметом

1. Понятие эконометрики: предмет, цель и задачи.

Эконометрика – наука, предметом изучения

которой является количественное выражение взаимосвязей экономических явлений и процессов
Цель эконометрики – разработка способов моделирования и количественного анализа реальных экономических объектов
Слайд 5

2. Введение в эконометрическое моделирование. Основные математические предпосылки эконометрического моделирования. Эконометрическая

2. Введение в эконометрическое моделирование. Основные математические предпосылки эконометрического моделирования.

Эконометрическая модель

(общий вид):


К примеру, цена продаваемого автомобиля, объясняемая переменная

К примеру, факторы цены продаваемого автомобиля (год выпуска, пробег, мощность двигателя)

Зависит от случайных явлений, к примеру, характер продавца, его потребность в конкретной
денежной сумме, возможные сроки продажи автомобиля.

Слайд 6

2. Введение в эконометрическое моделирование. Основные математические предпосылки эконометрического моделирования. Задача

2. Введение в эконометрическое моделирование. Основные математические предпосылки эконометрического моделирования.

Задача эконометрического

моделирования (самым общим, неформальным образом): на основании экспериментальных данных определить объясненную часть и, рассматривая случайную составляющую как случайную величину, получить (возможно, после некоторых предположений) оценки параметров ее распределения.
Пример объясненной части эконометрической модели:
Практическое применение полученного результата из примера:
1) позволяет понять как формируется рассматриваемая экономическая переменная - цена на автомобиль;
2) дает возможность выявить влияние каждой из объясняющих переменных на цену автомобиля;
3) позволяет прогнозировать цену на автомобиль, если известны его основные параметры.
Слайд 7

2. Введение в эконометрическое моделирование. Основные математические предпосылки эконометрического моделирования. Математические

2. Введение в эконометрическое моделирование. Основные математические предпосылки эконометрического моделирования.

Математические предпосылки

эконометрического моделирования:
Пусть имеется р объясняющих переменных Х1,…, Хp и зависимая переменная Y;
Y – случайная величина; если она непрерывна, то для каждого допустимого набора факторов Y имеет условную плотность ;
Чаще всего предполагается, что условные распределения Y при каждом допустимом значении факторов Х1,…, Хp – нормальные;
Переменные Xj (j = 1,…, p) могут считаться как случайными, так и детерминированными (принимающими определенные значения - характерно для классической эконометрической модели);
Общий вид эконометрической модели: ,
где - объясненная часть, функция от значений факторов;
Наиболее естественный выбор объясненной части - среднее значение Y - условное математическое ожидание или , полученное при данном наборе ;
Уравнение - уравнение регрессии, тогда эконометрическая модель имеет вид: - уравнение регрессионной модели, где - случайная величина (возмущение, ошибка), при этом нормальная регрессия Y по Х всегда линейна;
Эконометрическая модель не обязательно является регрессионной, т.е. часто не равна из-за cистематических ошибок измерения Х1,…, Хp.
Слайд 8

3. Типы данных и виды переменных в эконометрическом моделировании.

3. Типы данных и виды переменных в эконометрическом моделировании.

Слайд 9

3. Типы данных и виды переменных в эконометрическом моделировании.

3. Типы данных и виды переменных в эконометрическом моделировании.

Слайд 10

3. Типы данных и виды переменных в эконометрическом моделировании. yt xt

3. Типы данных и виды переменных в эконометрическом моделировании.

yt

xt

(yt – ВВП, xt – инвестиции (по годам))

Слайд 11

3. Типы данных и виды переменных в эконометрическом моделировании.

3. Типы данных и виды переменных в эконометрическом моделировании.

Слайд 12

4. Классы эконометрических моделей.

4. Классы эконометрических моделей.

Слайд 13

4. Классы эконометрических моделей. Примеры классов эконометрических моделей (1): 1) Линейная

4. Классы эконометрических моделей.

Примеры классов эконометрических моделей (1):
1) Линейная регрессионная

модель с одним уравнением (зависимость себестоимости перевозок от эксплуатационных расходов по структурному подразделению):
где Y - себестоимость перевозок, руб./ваг-км, X - эксплуатационные расходы, тыс. руб.
2) Нелинейная регрессионная модель с одним уравнением (производственная функция Кобба-Дугласа):
где Y - объем производства, К - затраты капитала, L - затраты труда.
Слайд 14

4. Классы эконометрических моделей. Примеры классов эконометрических моделей (2): 3) Система

4. Классы эконометрических моделей.

Примеры классов эконометрических моделей (2):
3) Система одновременных

уравнений (макроэкономическая конъюнктурная модель):
4) Модели временных рядов (модель с распределенным лагом зависимости объемов продаж компании yt от расходов на рекламу xt ):
Слайд 15

4. Классы эконометрических моделей. В подавляющем большинстве случаев эконометрические модели выбираются

4. Классы эконометрических моделей.

В подавляющем большинстве случаев эконометрические модели выбираются

линейными. Почему? Причины такого выбора:
Линейная модель относительно простая по сравнению с любой нелинейной;
Если случайная величина (X, Y) имеет совместное нормальное распределение, то уравнения регрессии линейные (достаточно часто X, Y или некоторые функции от них распределены нормально, пример: логарифм доходов населения - нормально распределенная случайная величина);
Для линейных моделей характерен меньший риск значительной ошибки прогноза: ожидаемое значение ошибки прогноза, т.е. мат. ожидание квадрата отклонения наблюдаемых значений от сглаженных (или теоретических)
M(Yнабл – Yтеор)2 меньше для линейных уравнений регрессии – см. рис. ниже.

Имеющееся множество экспериментальных данных (точек) парабола сглаживает лучше, чем прямая.
Но парабола быстро удаляется от
корреляционного поля и для добавленного наблюдения теоретическое значение сильно отличается от эмпирического.

Добавленное наблюдение

Слайд 16

5. Этапы эконометрического моделирования. Общий принцип эконометрического моделирования:

5. Этапы эконометрического моделирования.

Общий принцип эконометрического моделирования:

Слайд 17

5. Этапы эконометрического моделирования. Общая последовательность эконометрического моделирования:

5. Этапы эконометрического моделирования.

Общая последовательность эконометрического моделирования: