Скачать презентацию Основы эконометрики Лекция 1 Эконометрика Скачать презентацию Основы эконометрики Лекция 1 Эконометрика

загружено (2).ppt

  • Количество слайдов: 33

Основы эконометрики Лекция 1 Основы эконометрики Лекция 1

«Эконометрика – это не то же самое, что экономическая статистика. Она не идентична «Эконометрика – это не то же самое, что экономическая статистика. Она не идентична и тому, что мы называем экономической теорией, хотя значительная часть этой теории носит количественный характер. Эконометрика не является синонимом приложений математики к экономике.

Как показывает опыт, каждая из трех отправных точек – статистика, экономической жизни. экономическая теория Как показывает опыт, каждая из трех отправных точек – статистика, экономической жизни. экономическая теория и математика – необходимое, но не достаточное условие для понимания количественных соотношений в современной Это единство всех трех составляющих. И это единство образует эконометрику» . Р. Фриш, 1926 г

Определение эконометрики. Эконометрика – это самостоятельная научная дисциплина, объединяющая совокупность теоретических результатов, приемов, методов Определение эконометрики. Эконометрика – это самостоятельная научная дисциплина, объединяющая совокупность теоретических результатов, приемов, методов и моделей, предназначенных для того, чтобы на базе экономической теории, экономической статистики и экономических измерений, математико-статистического инструментария придавать конкретное количественное выражение общим (качественным) закономерностям, обусловленным экономической теорией.

Основные задачи эконометрики: • Построение эконометрических моделей, т. е. представление экономических моделей в математической Основные задачи эконометрики: • Построение эконометрических моделей, т. е. представление экономических моделей в математической форме удобной для проведения эмпирического анализа. Данную проблему принято называть проблемой спецификации. Отметим, что зачастую она может быть решена несколькими способами. • Оценка параметров построенной модели, делающих выбранную модель наиболее адекватной реальным данным. Это так называемый этап параметризации.

Основные задачи эконометрики: • Проверка качества найденных параметров модели и самой модели в целом. Основные задачи эконометрики: • Проверка качества найденных параметров модели и самой модели в целом. Иногда этот этап анализа называют этапом верификации. • Использование построенных моделей для объяснения поведения исследуемых экономических показателей, прогнозирования и предсказания, а также для осмысленного проведения экономической политики.

Схема последовательности эконометрических исследований Схема последовательности эконометрических исследований

• Данная схема отражает циклический характер современных экономических исследований: от экономической теории к • Данная схема отражает циклический характер современных экономических исследований: от экономической теории к моделированию; от моделирования к совершенствованию теории и более глубокому пониманию сути происходящих процессов; от понимания сути к осуществлению продуманной и целенаправленной экономической политики. Развитие компьютерных систем и специальных прикладных программ, совершенствование методов анализа сделали эконометрику мощнейшим инструментом экономических исследований.

Этапы моделирования Для описания сущности эконометрической модели процесс моделирования можно разделить на шесть основных Этапы моделирования Для описания сущности эконометрической модели процесс моделирования можно разделить на шесть основных этапов: 1 -й этап (постановочный) – определение конечных целей моделирования, набора участвующих в модели факторов и показателей, их роли;

Этапы моделирования 2 -й этап (априорный) – предмодельный анализ экономической сущности изучаемого явления, формирование Этапы моделирования 2 -й этап (априорный) – предмодельный анализ экономической сущности изучаемого явления, формирование и формализация априорной информации, в частности, относящейся к природе и генезису исходных статистических данных и случайных остаточных составляющих;

Этапы моделирования 3 -й этап (параметризация) – собственно моделирование, т. е. выбор общего вида Этапы моделирования 3 -й этап (параметризация) – собственно моделирование, т. е. выбор общего вида модели, в том числе состава и формы входящих в нее связей;

Этапы моделирования 4 -й этап (информационный) – сбор необходимой статистической информации, т. е. регистрация Этапы моделирования 4 -й этап (информационный) – сбор необходимой статистической информации, т. е. регистрация значений участвующих в модели факторов и показателей на различных временных или пространственных тактах функционирования изучаемого явления;

Этапы моделирования 5 -й этап (идентификация модели) – статистический анализ модели и в первую Этапы моделирования 5 -й этап (идентификация модели) – статистический анализ модели и в первую очередь статистическое оценивание неизвестных параметров модели;

Этапы моделирования 6 -й этап (верификация модели) – сопоставление реальных и модельных данных, проверка Этапы моделирования 6 -й этап (верификация модели) – сопоставление реальных и модельных данных, проверка адекватности модели, оценка точности модельных данных.

Эконометрическое моделирование реальных социально-экономических процессов и систем обычно преследует два типа конечных прикладных целей Эконометрическое моделирование реальных социально-экономических процессов и систем обычно преследует два типа конечных прикладных целей (или одну из них): 1) прогноз экономических и социальноэкономических показателей, характеризующих состояние и развитие анализируемой системы; 2) имитацию различных возможных сценариев социально-экономического развития анализируемой системы (многовариантные сценарные расчеты, ситуационное моделирование).

Сведения из теории вероятностей и математической статистики. Вероятностный эксперимент, событие, вероятность Вероятностный эксперимент (испытание) Сведения из теории вероятностей и математической статистики. Вероятностный эксперимент, событие, вероятность Вероятностный эксперимент (испытание) — эксперимент, результат которого не предсказуем заранее, так как он является случайным в силу сложного сочетания естественных причин. Любое действие в экономике по своей сути является вероятностным экспериментом. Например, строительство автомобильного завода в контексте получения прибыли является вероятностным экспериментом. Событие — это любой исход или совокупность исходов какого-либо вероятностного эксперимента. Получение прибыли можно рассматривать как результат строительства завода.

Классическое определение вероятности. Вероятностью события А (Р(А)) называется отношение числа т элементарных событий (исходов), Классическое определение вероятности. Вероятностью события А (Р(А)) называется отношение числа т элементарных событий (исходов), благоприятствующих появлению события А, к числу п всех элементарных событий в условиях данного вероятностного эксперимента: Р(А) = m/n. (1)

Из определения вытекают следующие свойства вероятности: . 1. 2. Вероятность достоверного события А равна Из определения вытекают следующие свойства вероятности: . 1. 2. Вероятность достоверного события А равна 1: Р(А) = 1. 3. Вероятность невозможного события А равна 0: Р(А) • = 0. 4. Если события А и В несовместимы, то Р(А+В) = Р(А) + Р(В). 5. Если А и A — противоположные события, то

Случайная величина Понятия случайного события недостаточно для описания результатов наблюдений (действий) некоторых величин, имеющих Случайная величина Понятия случайного события недостаточно для описания результатов наблюдений (действий) некоторых величин, имеющих числовое выражение. Например, при анализе прибыли предприятия в первую очередь интересуются ее размерами. Поэтому понятие случайного события дополняется понятием случайной величины. Случайной величиной (СВ) называют величину, которая в результате наблюдения принимает то или иное значение, заранее не известное и зависящее от случайных обстоятельств. Объем ВНП, количество реализованной продукции, прибыль фирмы, размер чистого экспорта за год и т. д. являются случайными величинами.

Различают дискретные и непрерывные СВ. Дискретной называют такую СВ, которая принимает отдельные, изолированные значения Различают дискретные и непрерывные СВ. Дискретной называют такую СВ, которая принимает отдельные, изолированные значения с определенными вероятностями (такая СВ имеет счетное количество значений). Непрерывной называют такую СВ, которая может принимать любое значение из некоторого конечного или бесконечного числового промежутка (т. е. количество возможных значений непрерывной СВ несчетно).

Для описания дискретной СВ необходимо установить соответствие между всеми возможными значениями СВ и их Для описания дискретной СВ необходимо установить соответствие между всеми возможными значениями СВ и их вероятностями. Такое соответствие называется законом распределения дискретной СВ. Его можно задать таблично, аналитически (в виде формулы) либо графически. При табличном задании закона распределения дискретной СВ X - первая строка таблицы содержит ее возможные значения (x 1, х2, . -, хп), а вторая — их вероятности (р1, р2, . . . , Рп) – У. Обычно x 1 < Х 2 <. . . < Xk. Обязательно р1 + P 2+---+Pk = У

Первая задача математической статистики — указать способы сбора и группировки статистических данных, полученных в Первая задача математической статистики — указать способы сбора и группировки статистических данных, полученных в результате наблюдений или испытаний Вторая задача математической статистики — разработать методы анализа статистических данных в зависимости от целей исследования. Элементами такого анализа являются: а) оценки неизвестной вероятности события, неизвестной функции распределения, неизвестных параметров известного распределения, зависимости двух или нескольких случайных величин и т. п. ; б) проверка статистических гипотез о виде неизвестного распределения; о величинах параметров известного распределения; о виде и силе зависимости между рассматриваемыми случайными величинами.

Генеральная совокупность и выборка Пусть изучается совокупность однородных объектов относительно некоторого количественного признака, характеризующего Генеральная совокупность и выборка Пусть изучается совокупность однородных объектов относительно некоторого количественного признака, характеризующего эти объекты. Например, доход населения, количество покупателей в магазине в течение дня, количество качественных товаров в исследуемой партии и тд. Генеральной совокупностью называется множество всех возможных значений или реализаций исследуемой СВ X при данном реальном комплексе условий. Выборкой (выборочной совокупностью) называют часть генеральной совокупности, отобранную для изучения. Число элементов рассматриваемой совокупности называется ее объемом.

Способы представления и обработки статистических данных Задачей статистического описания выборки является получение такого ее Способы представления и обработки статистических данных Задачей статистического описания выборки является получение такого ее представления, которое позволит наглядно выявить вероятностные характеристики При анализе какого-то конкретного показателя X в фиксированный момент времени (либо без учета фактора времени) наблюдаемые значения х1, х2, . . . , хп обычно упорядочивают по неубыванию: х1 < х2 <. . . < хп. Разность между максимальным и минимальным значениями СВ X называется размахом выборки.

Пусть количество различных значений в выборке равно k(k<n). Для определенности положим х1 < х2 Пусть количество различных значений в выборке равно k(k

Вычисление выборочных характеристик Для любой СВ X необходимо указать числовые характеристики, важнейшими из которых Вычисление выборочных характеристик Для любой СВ X необходимо указать числовые характеристики, важнейшими из которых являются математическое ожидание, дисперсия, среднее квадратическое отклонение. Пусть объем генеральной совокупности равен N. Тогда математическим ожиданием СВ X является генеральное среднее:

Дисперсией СВ X является генеральная дисперсия: Корень квадратный из генеральной дисперсии называется генеральным средним Дисперсией СВ X является генеральная дисперсия: Корень квадратный из генеральной дисперсии называется генеральным средним квадратическим отклонением:

Таким образом, для нахождения генеральных числовых характеристик необходим анализ всей генеральной совокупности. В силу Таким образом, для нахождения генеральных числовых характеристик необходим анализ всей генеральной совокупности. В силу того что в реальности чаще всего работают с выборками, приходится находить оценки указанных выше генеральных характеристик — выборочные числовые характеристики: выборочное среднее, выборочную дисперсию, выборочное среднее квадратическое отклонение.

Выборочное среднее — это среднее арифметическое наблюдаемых значений выборки. Оценкой генеральной дисперсии является выборочная Выборочное среднее — это среднее арифметическое наблюдаемых значений выборки. Оценкой генеральной дисперсии является выборочная дисперсия:

• Зачастую для вычисления Dв применяется следующая формула: Корень квадратный из выборочной дисперсии • Зачастую для вычисления Dв применяется следующая формула: Корень квадратный из выборочной дисперсии называется выборочным средним квадратическим отклонением

Выборочный коэффициент вариации V определяется отношением выборочного среднего квадратического отклонения к выборочной средней, выраженным Выборочный коэффициент вариации V определяется отношением выборочного среднего квадратического отклонения к выборочной средней, выраженным в процентах: Коэффициент вариации — безразмерная величина, удобная для сравнения величин рассеивания двух выборок, имеющих различные размерности.

Наиболее употребляемыми характеристиками связи двух СВ являются меры их линейной связи — ковариация и Наиболее употребляемыми характеристиками связи двух СВ являются меры их линейной связи — ковариация и коэффициент корреляции. Их оценками являются выборочная ковариация и выборочный коэффициент корреляции:

где где