Прикладная эконометрика. Лекция 8

1,834 views

Published on

Published in: Education
0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
1,834
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
0
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide
  • Допустим, что переменная y является линейной функцией другой переменной x , с неизвестными параметрами  и  которые мы хотим определить .
  • При исключении свободного члена эр-квадрат перестает играть свою роль и часто становится отрицательным
  • Допустим, что переменная y является линейной функцией другой переменной x , с неизвестными параметрами  и  которые мы хотим определить .
  • Допустим, что переменная y является линейной функцией другой переменной x , с неизвестными параметрами  и  которые мы хотим определить .
  • Допустим, что переменная y является линейной функцией другой переменной x , с неизвестными параметрами  и  которые мы хотим определить .
  • Допустим, что переменная y является линейной функцией другой переменной x , с неизвестными параметрами  и  которые мы хотим определить .
  • Допустим, что переменная y является линейной функцией другой переменной x , с неизвестными параметрами  и  которые мы хотим определить .
  • Допустим, что переменная y является линейной функцией другой переменной x , с неизвестными параметрами  и  которые мы хотим определить .
  • Допустим, что переменная y является линейной функцией другой переменной x , с неизвестными параметрами  и  которые мы хотим определить .
  • Прикладная эконометрика. Лекция 8

    1. 1. Спецификация уравнения множественной регрессии Выбор формы зависимости Лекция 8
    2. 2. Спецификация уравнения регрессии <ul><li>Выбор переменных (предыдущая лекция) </li></ul><ul><li>Выбор формы зависимости </li></ul>
    3. 3. Цель: сводка результатов о видах зависимости 1 1 . Свести вместе все, что мы знаем о выборе формы зависимости и рассмотреть особенности многомерного случая 2. Изучить последствия неправильного выбора функциональной формы 3. Найти средства, помогающие улучшить качество выбора формы связи Цель лекции
    4. 4. Роль постоянного члена регрессии 1 1 . Свободный член абсорбирует все смещения и сдвиги 2. Исключение постоянного члена приводит к нарушению одного из условия Гаусса-Маркова (о равенстве нулю матожидания случайного члена)
    5. 5. Интерпретация постоянного члена регрессии 1 <ul><li>Постоянный член задает точку пересечения уравнения регрессии с осью Y </li></ul><ul><li>Интерпретируется как ожидаемое значение Y , когда объясняющая переменная и случайный член равны нулю </li></ul>Иногда он имеет содержательный смысл
    6. 6. Возможность исключения постоянного члена 1 Постоянный член регрессии Исключение постоянного члена всегда должно быть обосновано содержательно экономически Пример: Анализ затрат  - постоянные затраты,  Q - переменные затраты Если постоянные затраты малы, то можно исключить свободный член, получив лишнюю степень свободы Необоснованное исключение свободного члена приводит к серьезным ошибкам!
    7. 7. Последствия исключения постоянного члена 1 1 . Оценки коэффициентов при переменных искажаются и смещаются 2. t- статистики становятся некорректными Последствия исключения свободного члена Пример: LS FOOD DPI PFOOD
    8. 8. Выводы о необходимости постоянного члена 1 Выводы: 1. З а редкими и обоснованными исключениями не следует исключать постоянный член уравнения 2. Не следует полагаться на оценку самого свободного члена
    9. 9. Альтернативные функциональные формы 1 1 . Линейные зависимости 2. Нелинейные зависимости, приводящиеся преобразованием переменных к линейным 3. Нелинейные зависимости, не приводящиеся преобразованием переменных к линейным
    10. 10. Линейные зависимости 1 Линейные зависимости Интерпретация коэффициентов: предельные эффекты факторов (при постоянстве прочих факторов) Вычисление эластичностей Анализ эластичностей - мощное средство анализа зависимостей
    11. 11. Логарифмические зависимости 1 Логарифмические зависимости Коэффициенты является непосредственно факторными эластичностями Теперь наклон переменный
    12. 12. Формы кривых логарифмических зависимостей 1 Логарифмические зависимости В зависимости от значений коэффициентов регрессии логарифмические зависимости отображают большое разнообразие форм
    13. 13. Изокванты логарифмических зависимостей 1 Логарифмические зависимости Изокванты (которые были прямыми линиями для линейного уравнения) теперь становятся привычными для экономической теории вогнутыми кривыми
    14. 14. Производственная функция Кобба-Дугласа 1 Производственная функция Кобба-Дугласа Замена переменных делает уравнение линейным Сумма эластичностей указывает на эффект масштаба
    15. 15. Ограничение на эффект масштаба 1 Оценивание производственной функции при ограничении на эффект масштаба Переходим к удельным величинам (на единицу труда) Теперь переход к логарифмам позволяет получить оценку
    16. 16. Учет технического прогресса 1 Учет и оценка технического прогресса После логарифмирования Здесь также можно использовать ограничение
    17. 17. Линейно-логарифмические зависимости 1 Полулогарифмические зависимости В нелинейной паре коэффициент наклона рассчитывается как (аналог дифференциала): Расчет эластичности откуда
    18. 18. Формы кривых линейно-логарифмических зависимостей 1 Полулогарифмические зависимости В зависимости от значений коэффициентов регрессии полулогарифмические зависимости отображают большое разнообразие форм с эффектом насыщения
    19. 19. Логарифмически-линейные зависимости 1 Полулогарифмические зависимости (тип 2) Наклон: Эластичность Эти функции хорошо подходят для моделирования эффектов, которые проявляются в процентном выражении в ответ на абсолютный рост факторов (вознаграждение)
    20. 20. Полиномиальные зависимости 1 Полиномиальные формы Наклон: Эластичность Эти функции хорошо подходят для моделирования эффекта масштаба, анализа максимумов и минимумов
    21. 21. Формы кривых полиномиальных зависимостей 1 Полиномиальные формы В зависимости от знаков коэффициентов квадратичные функции имеют U -образную и обратную U -образную форму
    22. 22. Обратные зависимости 1 Обратные зависимости Наклон: Эластичность Эти функции хорошо подходят для моделирования эффектов полного насыщения и ограниченности Асимптота:
    23. 23. Сводка результатов для различных форм регрессии 1 Сводка результатов для альтернативных форм связи
    24. 24. Последствия неправильного выбора формы регрессии 1 1 . Ухудшение статистических характеристик уравнения (не всегда) 2. Невозможность использования построенных уравнений за пределами выборки -------------------------------------------------------- Коэффициенты детерминации (простой и исправленный) для различных функциональных форм несравнимы Последствия неправильного использования функциональных форм
    25. 25. Опасность выхода за пределы выборки 1 Ограниченное использование нелинейных форм за пределами выборки
    26. 26. Оценивание нелинейных зависимостей нелинейным МНК 1 Используется в тех случаях, когда уравнение не приводится преобразованиями переменных к линейной форме Нелинейный метод наименьших квадратов Пример: NLS INF=C(1)+C(2)/(UNR(-1)-C(3) Пример: Кривая Филлипса
    27. 27. Конец лекции

    ×