ДОНЕЦКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
ЭКОНОМИКИ И ТОРГОВЛИ
им. М. ТУГАН-БАРАНОВСКОГО
КАФЕДРА ВЫСШЕЙ И ПРИКЛАДНОЙ МАТЕМАТИКИ
Э К О Н О М Е Т Р И Я
Учебное пособие
Утверждено на заседании кафедры высшей и прикладной математики.
Протокол № от 2002 г.
Одобрено учебно-методическим советом университета.
протокол № от 2002 г.
ДОНЕЦК 2002
УДК 330. 115
Эконометрия. Учебное пособие. /Cост. Пенина Г.Г., Шепеленко О.В., Узбек Е.К., Орлова Л.М. - Донецк: ДонГУЭТ, 2002. - 79 с.
Учебное пособие предназначено для студентов дневного и заочного отделений экономических специальностей. Его цель – помочь студентам усвоить темы курса эконометрии. Учебное пособие содержит теоретические вопросы, а также решения типовых задач. Даны рекомендации к решению задач, которые предназначены в помощь студентам при выполнении контрольной работы.
Рецензент: Винда Е.В., канд. техн. наук, доцент
© Донецкий государственный университет
|
|
экономики и торговли
им. М.Туган-Барановского, 2002
ВСТУПЛЕНИЕ
Эконометрия – это наука, изучающая количественные закономерности и взаимозависимости экономических процессов и объектов с помощью математико-статистических методов и моделей.
Возрастающей интерес к эконометрии вызван современным этапом развития экономики в государстве, формированием рыночных отношений. Эконометрия имеет инструментарий, который позволяет перейти от качественного уровня анализа к уровню, который использует количественные статистические значения исследуемых величин. Она рассматривает не отдельные частичные характеристики, а строится на комплексном исследовании всего экономического процесса.
Эконометрия является синтезной дисциплиной; она объединяет в себе экономическую теорию, математическую экономику, экономическую и математическую статистику. Курс эконометрии тесно связан с микроэкономикой, макроэкономикой, финансовым анализом, обеспечивая прикладные знания специалистов. В нем содержатся исследовательские приемы изучения взаимосвязи экономических явлений, выдвигаются и проверяются гипотезы о наличии корреляционных связей между признаками, количественно оценивается существенность взаимосвязей, определяются формы связи и проводится выбор уравнений, оценивается достоверность параметров, строятся однофакторные и многофакторные регрессионные модели, дается оценка их адекватности и надежности.
Особое место занимает исследование связи в динамических процессах путем построения авторегрессионных моделей и оценки возможности использования их в прогнозировании. Без эконометрических методов нельзя построить надежного прогноза, а значит – под вопросом и успех в управлении экономическими процессами в бизнесе, банковском деле, финансах.
|
|
МОДЕЛИ РЯДОВ ДИНАМИКИ
Одной из важнейших задач исследования экономических процессов является изучение изменения экономических показателей с течением времени (товарооборота, объема выпуска продукции, производительности труда и т.д.). Эта задача решается с помощью упорядочения и анализа рядов динамики.
Динамическим рядом называется последовательность результатов наблюдений за явлением через равные промежутки времени.
Изучая ряды динамики, стремятся обнаружить основную, главную тенденцию в изменении показателей ряда. Аналитическое моделирование рядов динамики проводится с помощью простейших экономико-математических моделей: линейной, параболической, гиперболической, логарифмической, показательной, степенной и других.
Пример 1.
Проанализировать показатели реализации мучных изделий в государственной торговле Донецкой области за ряд лет. Найти уравнения линейной, параболической и гиперболической зависимостей. Проверить адекватность полученных экономико-математических моделей, определить наилучшую модель.
Годы | 1991 | 1992 | 1993 | 1994 | 1995 | 1996 | 1997 | 1998 | 1999 | 2000 |
Реализация изделий, тыс.т | 12,1 | 12,9 | 13,7 | 13,9 | 14,5 | 15,1 | 15,7 | 16,1 | 16,6 | 17,1 |
Решение. Данные таблицы показывают, что реализация продукции неуклонно возрастала, хотя происходило это неравномерно. Очевидно, существует ряд факторов, под влиянием которых изменяется величина объема реализации. Некоторые из факторов могут действовать долгосрочно, а другие – кратковременно; некоторые могут быть важными, другие – случайными.
Для выравнивания показателя реализации мучных изделий в государственной торговле будем использовать такие функции: линейную, параболическую и гиперболическую. Параметры избранных для моделирования функций можно найти с помощью метода наименьших квадратов. На его основе для каждой из функций формируют специальную систему уравнений Гаусса. Для указанных функций приведем соответствующие системы:
Линейная - | (1) |
Параболическая - | (2) |
Гиперболическая - | (3) |
В любой из систем (1)-(3) – результативный показатель; – фактор времени; – количество наблюдений; – параметры моделей.
Отсчет временного показателя начинают от 1. Составим вспомогательную расчетную таблицу 1 и на ее основе сформируем системы Гаусса.
Таблица 1 - Вспомогательные расчеты для формирования систем Гаусса
х | у | x 2 | x 3 | x 4 | уx | yx 2 | 1/ x | 1/ x 2 | y / x |
1 | 12,1 | 1 | 1 | 1 | 12,1 | 12,1 | 1 | 1 | 12,1 |
2 | 12,9 | 4 | 8 | 16 | 25,8 | 51,6 | 0,5 | 0,25 | 6,45 |
3 | 13,7 | 9 | 27 | 81 | 41,1 | 123,3 | 0,333 | 0,111 | 4,5667 |
4 | 13,9 | 16 | 64 | 256 | 55,6 | 222,4 | 0,25 | 0,0625 | 3,475 |
5 | 14,5 | 25 | 125 | 625 | 72,5 | 362,5 | 0,2 | 0,04 | 2,9 |
6 | 15,1 | 36 | 216 | 1296 | 90,6 | 543,6 | 0,167 | 0,0278 | 2,5167 |
7 | 15,7 | 49 | 343 | 2401 | 109,9 | 769,3 | 0,1428 | 0,0204 | 2,2429 |
8 | 16,1 | 64 | 512 | 4096 | 128,8 | 1030,4 | 0,125 | 0,0156 | 2,0125 |
9 | 16,6 | 81 | 729 | 6561 | 149,4 | 1344,6 | 0,111 | 0,0123 | 1,844 |
10 | 17,1 | 100 | 1000 | 10000 | 171 | 1710 | 0,1 | 0,01 | 1,71 |
55 | 147,7 | 385 | 3025 | 25333 | 856,8 | 6169,8 | 2,9288 | 1,5496 | 39,8178 |
В последней строке таблицы 1 указаны суммы всех значений для каждого столбца.
Составим системы для трех функций и найдем соответствующие уравнения.
Для определения параметров уравнения линейной функции запишем систему уравнений (1) и найдем ее решение:
Таким образом, – линейная модель.
Для определения параметров уравнения параболической функции запишем систему уравнений (2) и найдем ее решение с помощью метода Гаусса:
Таким образом, – параболическая модель.
Для определения параметров уравнения гиперболической функции запишем систему уравнений (3) и найдем ее решение
|
|
Таким образом, – гиперболическая модель.
Адекватность экономико-математической модели может быть установлена с помощью средней ошибки аппроксимации (среднего процента расхождения теоретических и фактических значений):
, (4)
где – фактические значения показателя, – теоретические значения, найденные по уравнению.
Для этого по каждому уравнению находят теоретические значения , подставляя в него соответствующие значения , и для каждого значения рассчитывают , потом находят среднее значение .
При моделировании экономических показателей чаще всего допускается 5% погрешность (иногда 7%, редко 10%). Модель считается адекватной (то есть пригодной), если .
Выбор наилучшей модели можно проводить на основе остаточного среднеквадратичного отклонения (остаточной дисперсии):
, (5)
где – количество параметров в уравнении.
Лучшей будет та функция, для которой значение меньше.
Таблица 2 - Расчеты для линейной функции
1 | 12,1 | 12,3458 | 0,2458 | 1,991 | 0,060418 |
2 | 12,9 | 12,8846 | 0,0154 | 0,1195 | 0,000237 |
3 | 13,7 | 13,4234 | 0,2766 | 2,0606 | 0,076508 |
4 | 13,9 | 13,9622 | 0,0622 | 0,4455 | 0,003869 |
5 | 14,5 | 14,501 | 0,001 | 0,0069 | 0,000006 |
6 | 15,1 | 15,0398 | 0,0602 | 0,4003 | 0,003624 |
7 | 15,7 | 15,5786 | 0,1214 | 0,7793 | 0,014738 |
8 | 16,1 | 16,1174 | 0,0174 | 0,1079 | 0,000303 |
9 | 16,6 | 16,6562 | 0,0562 | 0,3374 | 0,003158 |
10 | 17,1 | 17,195 | 0,095 | 0,5525 | 0,009025 |
6,8008 | 0,17188 |
Из формул (4), (5) имеем: ; .
Таблица 3 - Расчеты для параболической функции
1 | 12,1 | 12,2251 | 0,1251 | 1,023305 | 0,01565 |
2 | 12,9 | 12,8445 | 0,0555 | 0,432092 | 0,00308 |
3 | 13,7 | 13,4437 | 0,2563 | 1,906469 | 0,06569 |
4 | 13,9 | 14,0227 | 0,1227 | 0,87501 | 0,015055 |
5 | 14,5 | 14,5815 | 0,0815 | 0,558927 | 0,006642 |
6 | 15,1 | 15,1201 | 0,0201 | 0,132936 | 0,000404 |
7 | 15,7 | 15,6385 | 0,0615 | 0,39326 | 0,003782 |
8 | 16,1 | 16,1367 | 0,0367 | 0,227432 | 0,001347 |
9 | 16,6 | 16,6147 | 0,0147 | 0,088476 | 0,000216 |
10 | 17,1 | 17,0725 | 0,0275 | 0,161078 | 0,000756 |
5,798984 | 0,112623 |
Из формул (4), (5) имеем: ; .
Таблица 4 - Расчеты для гиперболической функции
1 | 12,1 | 11,251 | 0,8489 | 7,5450 | 0,7206 |
2 | 12,9 | 13,739 | 0,83905 | 6,1070 | 0,7040 |
3 | 13,7 | 14,568 | 0,868367 | 5,9606 | 0,7541 |
4 | 13,9 | 14,983 | 1,083025 | 7,2283 | 1,1729 |
5 | 14,5 | 15,232 | 0,73182 | 4,8045 | 0,5356 |
6 | 15,1 | 15,398 | 0,297683 | 1,9333 | 0,0886 |
7 | 15,7 | 15,517 | 0,183843 | 1,1848 | 0,0338 |
8 | 16,1 | 15,605 | 0,4945 | 3,1720 | 0,2450 |
9 | 16,6 | 15,674 | 0,9259 | 5,9070 | 0,8573 |
10 | 17,1 | 15,729 | 1,3706 | 8,71355 | 1,8785 |
52,556 | 6,9904 |
Из формул (4), (5) имеем: . Поскольку ,
|
|
то эта модель адекватной не является и считать для нее не надо.
Составим сводную таблицу для статистических оцениваемых характеристик:
Таблица 5 - Статистические оценки для исследуемых моделей
Вид функции | ||
Линейная | 0,68 | 0,147 |
Парабола | 0,579 | 0,127 |
Гипербола | 5,25 | – |
Из сравнения средних ошибок аппроксимации видно, что для гиперболической функции она выходит за 5% уровень, у линейной модели и параболической эта характеристика не выходит за 5% уровень и приблизительно одинаковая. Если оценивать преимущество, то очевидно, что лучшей есть параболическая функция, поскольку у нее остаточное среднеквадратичное отклонение меньше всего.