ВУЗ:
Составители:
Рубрика:
Введение
В начальных курсах эконометрики, в том числе и в ранее изданном автором учебном
пособии “Эконометрика для начинающих” [Носко (2000)], первоочередное внимание
уделяется статистическим выводам в рамках классической нормальной линейной модели
наблюдений
y
t
=
θ
1
x
t1
+
θ
2
x
t2
+ …+
θ
p
x
tp
+
ε
t
, t = 1, 2, …, n ,
в которой предполагается, что значения объясняющих переменных x
t1
, x
t2
, …, x
tp
, t = 1, 2,
…, n , фиксированы, а случайные составляющие
ε
1
,
ε
2
, …,
ε
n
(“ошибки”) являются
независимыми случайными величинами, имеющими одинаковое нормальное распределение
с нулевым математическим ожиданием и конечной дисперсией (такие предположения об
ошибках мы называем “стандартными”). Далее обычно анализируются последствия
различного типа нарушений таких предположений об ошибках и рассматриваются методы
коррекции статистических выводов о коэффициентах модели при наличии соответствующих
нарушений стандартных предположений.
В упомянутом пособии обсуждались методы коррекции статистических выводов
• при наличии гетероскедастичности (неоднородности дисперсий ошибок);
• при наличии автокоррелированности ошибок;
• при наличии сезонности.
При этом сохранялось предположение о фиксированности значений объясняющих
переменных.
Последнее предположение в совокупности со стандартными предположениями об
ошибках удобно с чисто математической точки зрения: при таких предположениях оценки
параметров, получаемые методом наименьших квадратов, имеют нормальное распределение,
что, в свою очередь, дает возможность
• строить доверительные интервалы для коэффициентов линейной модели,
используя квантили t -распределения Стьюдента;
• проверять гипотезы о значениях отдельных коэффициентов, используя
квантили t -распределения Стьюдента;
• проверять гипотезы о выполнении тех или иных линейных ограничений на
коэффициенты модели, используя квантили F-распределения Фишера;
• строить интервальные прогнозы для “будущих” значений объясняемой
переменной, соответствующих заданным будущим значениям объясняющих
переменных.
Вместе с тем, используемое в классической модели предположение о фиксированности
значений объясняющих переменных в n наблюдениях означает, что мы можем повторить
Введение В начальных курсах эконометрики, в том числе и в ранее изданном автором учебном пособии “Эконометрика для начинающих” [Носко (2000)], первоочередное внимание уделяется статистическим выводам в рамках классической нормальной линейной модели наблюдений yt = θ 1 xt1+θ 2 xt2+ …+θ p xtp + ε t , t = 1, 2, …, n , в которой предполагается, что значения объясняющих переменных xt1, xt2, …, xtp , t = 1, 2, …, n , фиксированы, а случайные составляющие ε 1, ε 2, …, ε n (“ошибки”) являются независимыми случайными величинами, имеющими одинаковое нормальное распределение с нулевым математическим ожиданием и конечной дисперсией (такие предположения об ошибках мы называем “стандартными”). Далее обычно анализируются последствия различного типа нарушений таких предположений об ошибках и рассматриваются методы коррекции статистических выводов о коэффициентах модели при наличии соответствующих нарушений стандартных предположений. В упомянутом пособии обсуждались методы коррекции статистических выводов • при наличии гетероскедастичности (неоднородности дисперсий ошибок); • при наличии автокоррелированности ошибок; • при наличии сезонности. При этом сохранялось предположение о фиксированности значений объясняющих переменных. Последнее предположение в совокупности со стандартными предположениями об ошибках удобно с чисто математической точки зрения: при таких предположениях оценки параметров, получаемые методом наименьших квадратов, имеют нормальное распределение, что, в свою очередь, дает возможность • строить доверительные интервалы для коэффициентов линейной модели, используя квантили t -распределения Стьюдента; • проверять гипотезы о значениях отдельных коэффициентов, используя квантили t -распределения Стьюдента; • проверять гипотезы о выполнении тех или иных линейных ограничений на коэффициенты модели, используя квантили F-распределения Фишера; • строить интервальные прогнозы для “будущих” значений объясняемой переменной, соответствующих заданным будущим значениям объясняющих переменных. Вместе с тем, используемое в классической модели предположение о фиксированности значений объясняющих переменных в n наблюдениях означает, что мы можем повторить
Страницы
- « первая
- ‹ предыдущая
- …
- 3
- 4
- 5
- 6
- 7
- …
- следующая ›
- последняя »