Специфика уравнения множественно регрессии. Тест Рамсея




Парная регрессия может дать хороший результат при модели­ровании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь. Поведение отдельных экономи­ческих переменных контролировать нельзя, т. е. не удается обес­печить равенство всех прочих условий для оценки влияния одно­го исследуемого фактора. В этом случае следует попытаться выявить влияние других факторов, введя их в модель, т. е. пост­роить уравнение множественной регрессии:

Такого рода уравнение может использоваться при изучении потребления. Тогда коэффициенты — частныепроизводные потребления по соответствующим факторам :

в предположении, что все остальные постоянны.

В 30-е гг. XX в. Кейнс сформулировал свою гипотезу потребительской функции. С того времени исследователи неод­нократно обращались к проблеме ее совершенствования. Совре­менная потребительская функция чаще всего рассматривается как модель вида:

где С — потребление; у — доход; Р — цена, индекс стоимости жизни; М — наличные деньги; Z — ликвидные активы.

При этом

Множественная регрессия широко используется в решении проблем спроса, доходности акций; при изучении функции издержек производства, в макроэкономических расчетах и целого ряда других вопросов эконометрики. В настоящее время множественная регрессия – один из наиболее распространенных методов эконометрики. Основная цель множественной регрессии — построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное их воздействие на моделируемый показатель.

Построение уравнения множественной регрессия начинается с решения вопроса о спецификации модели. Спецификация модели включает в себя два круга вопросов: отбор фак­торов и выбор вида уравнения регрессии.

Требования к факторам.

1 Они должны быть количественно измеримы.

2.Факторы не должны быть интеркоррелированы и тем более находиться в точной функциональной связи.

Разновидностью интеркоррелированности факторов является мультиколлинеарность - наличие высокой линейной связи между всеми или несколькими факторами.

Причинами возникновения мультиколлинеарности между призанками являются:

1. Изучаемые факторные признаки, характеризуют одну и ту же сторону явления или процесса. Например, показатели объема производимой продукции и среднегодовой стоимости основных фондов одновременно включать в модель не рекомендуется, так как они оба характеризуют размер предприятия;

2. Использование в качестве факторных признаков показателей, суммарное значение которых представляет собой постоянную величину;

3. Факторные признаки, являющиеся составными элементами друг друга;

4. Факторные признаки, по экономическому смыслу дублирующие друг друга.

5. Одним из индикаторов определения наличия мультиколлинеарности между признаками является превышение парным коэффициентом корреляции величины 0,8 (rxi xj) и др.

Мультиколлинеарность может привести к нежелатель­ным последствиям:

1) оценки параметров становятся ненадежными, обна­руживают большие стандартные ошибки и меняются с из­менением объема наблюдений (не только в величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.

2) затрудняется интерпретация параметров множест­венной регрессии как характеристик действия факторов в «чистом» виде, ибо факторы коррелированны; параметры линейной регрессии теряют экономический смысл;

3) нельзя определить изолированное влияние факторов на результативный показатель.

Включение в модель факторов с высокой интеркорреляцией (Ryx1 Rx1x2) может привести к ненадежности оценок коэф-ов регрессии. Если между факторами существует высокая корреляция, то нельзя определить их изолированное влияние на результативный показатель и параметры уравнения регрессии оказываются неинтерпретированными. Включаемые во множ.регрессию факторы должны объяснить вариацию независимой переменной. Отбор факторов производится на основе качественного теоретико-экономического анализа, который обычно осуществляется в две стадии: на первой подбираются факторы исходя из сущности проблемы; на второй – на основе матрицы показателей корреляции определяют t-статистики для параметров регрессии.

Если факторы коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии. Предпочтение при этом отдается тому фактору, который при достаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.

RESET-тест Рамсея - это обобщенный тест на наличие следующих ошибок спецификации модели линейной регрессии:

наличие пропущенных переменных. Регрессия содержит не все объясняющие переменные;

неверная функциональная форма. Некоторые или все переменные должны быть преобразованы с помощью логарифмической, степенной, обратной или какой-либо другой функции;

корреляция между фактором Х и случайной составляющей модели, которая может быть вызвана ошибками измерения факторов, рассмотрением систем уравнений или другими причинами.

Ошибки такого рода приводят к смещению среднего остатков регрессионной модели.

Параметры теста:

Объясняющие переменные. Факторы, которые воздействуют на поведение моделируемой переменной. По умолчанию в списке содержатся все факторы тестируемой модели линейной регрессии. Флажок фактора - признак его участия в тесте. По умолчанию все факторы участвуют в тестировании. Для исключения фактора из теста снимите флажок. Число объясняющих переменных, должно быть не менее одного;

Уровень значимости. Значение уровня значимости, при котором гипотеза отвергается;

Степень. Количество дополнительных регрессоров, входящих в тестовую регрессию.

Результаты представлены в виде таблицы, содержащей:

статистику Фишера;

статистику Хи-квадрат;

Для каждой статистики приведено: значение, вероятность статистики и результат теста: принимается или отвергается гипотеза о приемлемости функциональной формы;

коэффициенты. Коэффициенты регрессии, рассчитанные при отмеченных факторах и дополнительных регрессорах.

 

27. Производственная функция Кобба-Дугласа

 

Производственная функция Кобба-Дугласа (Cobb-Douglas production function) — модель, показывающая зависимость объёма производства (Q) от создающих его факторов производства — труда (L) и капитала (K).

Впервые была предложена Кнутом Викселем, но проверена лишь в 1928 г. американскими экономистами Чарльзом Коббом и Полом Дугласом.

Функция имеет следующий вид:

Q = A × Lα × Kβ

где Q — объем производства;

L — труд;
K — капитал;
A — технологический коэффициент;
α — коэффициент эластичности по труду;
β — коэффициент эластичности по капиталу.

Например, равенство Q = L 0,73 К 0,27 означает, что доля труда в совокупном продукте составляет 73%, а доля капитала — 27%.

 



Поделиться:




Поиск по сайту

©2015-2024 poisk-ru.ru
Все права принадлежать их авторам. Данный сайт не претендует на авторства, а предоставляет бесплатное использование.
Дата создания страницы: 2016-02-16 Нарушение авторских прав и Нарушение персональных данных


Поиск по сайту: