Лекции по эконометрике. Шанченко Н.И. - 20 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

20
Согласно методу исключения сначала строится уравнение регрессии с
полным набором факторов, из числа которых затем последовательно исключа-
ются незначимые (наименее значимые) факторы. На каждом шаге исключается
только один фактор, так как после исключения какого-либо фактора другой
фактор, бывший до этого незначимым, может стать значимым. Процесс закан-
чивается, когда не
остается факторов, которые следует исключить из модели.
Методы включения и исключения не гарантируют определение оптималь-
ного набора факторов, но в большинстве случаев дают результаты либо опти-
мальные, либо близкие к ним.
Не рекомендуется включать в модель очень большое число факторов, так
как это может затруднить выявление качественных закономерностей и возрас-
тает опасность включения в модель несущественных случайных факторов.
Кроме того, для получения достаточно надежных оценок параметров жела-
тельно, чтобы количество наблюдений превышало количество определяемых
параметров не менее чем в 6
7 раз.
1.6. Оценка параметров моделей
После отбора факторов и выбора вида аналитической зависимости осуще-
ствляется определение численных значений параметров α
i
модели (1.3). Данная
процедура носит название оценка параметров модели. Следует сказать, что са-
ми полученные численные значения параметров α
i
также называются оценка
параметров. Путаницы не происходит, потому что то, в каком смысле исполь-
зуется этот термин, как правило, ясно их контекста.
При оценке параметров модели в качестве исходных данных используется
заранее подготовленный массив наблюдений {(
y
t
, x
1t
, x
2t
,…, x
nt
), t = 1, 2,…. n}.
Так как исходные данные содержат проявления случайных величин, то и полу-
ченные оценки являются случайными величинами, зависящими от исходных
данных и метода оценивания. Отсюда возникает задача отбора методов оцени-
вания параметров, дающих оценки более высокого качества.
Согласно теории статистического оценивания качество оценок определяет-
ся наличием у них таких свойств как
несмещенность, состоятельность и эффек-
тивность.
Оценка параметра называется
несмещенной, если ее математическое ожи-
дание равно оцениваемому параметру.
Оценка параметра называется
состоятельной, если она сходится по веро-
ятности к оцениваемому параметру при возрастании количества наблюдений.
Оценка параметра называется
эффективной, если она имеет наименьшую
дисперсию среди возможных несмещенных оценок параметра, вычисленных по
выборкам одного и того же объема
n.
Наиболее часто для оценки параметров применяются методы максималь-
ного правдоподобия и метод наименьших параметров. При выполнении опре-
деленных условий (относительно погрешностей модели
ε
t
) оценки параметров,
полученные с помощью этих методов, обладают свойствами несмещенности,
состоятельности и эффективности. Поэтому после получения оценок парамет-
ров необходимо проверить выполнение упомянутых условий, чтобы убедиться

Страницы