ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРА3ОВАНИЮ

ГОСУДАРСТВЕННОЕ ОБРА3ОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ
ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРА3ОВАНИЯ
«САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
ЭКОНОМИКИ И ФИНАНСОВ»
КАФЕДРА СТАТИСТИКИ И ЭКОНОМЕТРИКИ

МЕТОДИЧЕСКИЕ УКА3АНИЯ
ПО ВЫПОЛНЕНИЮ ЛАБОРАТОРНЫХ РАБОТ

ПО ЭКОНОМЕТРИКЕ
(КОМПЬЮТЕРНЫЙ ПРАКТИКУМ В EXCEL И EVIEWS)

И3ДАТЕЛЬСТВО

2
САНКТ-ПЕТЕРБУРГСКОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА
ЭКОНОМИКИ И ФИНАНСОВ
2009

Рекомендовано научно-методическим советом университета
Методические указания по выполнению лабораторных работ по эконометрике (компьютерный практикум в Excel и EViews).– СПб.: Изд-во
СПбГУЭФ, 2009.– 52 с.
Издание содержит подробные указания по выполнению лабораторных
работ по вводному курсу эконометрики с разъяснением получаемых результатов. Может быть использовано как при проведении семинарских занятий
по эконометрике, так и при самостоятельном изучении предмета.
Предназначено для студентов экономических факультетов и всех начинающих изучать эконометрику.

Автор-составитель ассист. Л.М. Галиуллина

Рецензент канд. экон. наук, доц. Ю.В. Нерадовская

3

© Издательство СПбГУЭФ, 2009

4
СОДЕРЖАНИЕ
ВВЕДЕНИЕ ................................................................................................................. 5
ЛАБОРАТОРНАЯ РАБОТА № 1. ПАРНАЯ РЕГРЕССИЯ................................. 6
Часть 1. Excel................................................................................................. 6
Часть 2. EViews ............................................................................................. 9
ЛАБОРАТОРНАЯ РАБОТА № 2. МНОЖЕСТВЕННАЯ РЕГРЕССИЯ.
ФИКТИВНЫЕ ПЕРЕМЕННЫЕ ............................................................................ 17
Часть 1. Excel............................................................................................... 17
Часть 2. EViews ........................................................................................... 24
ЛАБОРАТОРНАЯ РАБОТА № 3. ГЕТЕРОСКЕДАСТИЧНОСТЬ
И АВТОКОРРЕЛЯЦИЯ .......................................................................................... 30
Часть 1. Excel............................................................................................... 30
Часть 2. EViews ........................................................................................... 34
ЛАБОРАТОРНАЯ РАБОТА № 4. МУЛЬТИКОЛЛИНЕАРНОСТЬ
И СТРУКТУРНЫЕ ИЗМЕНЕНИЯ........................................................................ 37
Часть 1. Мультиколлинеарность. EViews ................................................. 37
Часть 2. Структурные изменения. EViews или Excel............................... 42
ЛАБОРАТОРНАЯ РАБОТА № 5. ВРЕМЕННЫЕ РЯДЫ.................................. 43
Часть 1. Моделирование сезонности. Excel.............................................. 43
Часть 2. Выявление причинно-следственных связей. EViews ................ 46
БИБЛИОГРАФИЧЕСКИЙ СПИСОК ................................................................... 52

5
ВВЕДЕНИЕ
На основе личного опыта изучения и преподавания эконометрики
автор считает необходимым условием хорошего усвоения предмета выполнение лабораторных работ на компьютере: обучающийся должен получить хотя бы минимальный опыт обработки данных.
Данный компьютерный практикум составлен из лабораторных работ,
предлагавшихся студентам экономических специальностей СПбГУЭФ
на семинарских занятиях.
Автор не отдает предпочтение какой-либо одной компьютерной программе. Excel выбран по причине широкой распространенности и востребованности в экономической практике. EViews же достаточно прост в освоении и способен значительно облегчить эконометрические расчеты.
Кроме того, автор выражает надежду, что студентам будет полезно знакомство с современным промышленным программным обеспечением.
Главной заботой автора при подготовке текста было обеспечение
максимальной доступности изложения без большого ущерба для математической строгости, поэтому более подготовленному читателю стиль изложения может показаться излишне подробным. По этой же причине для
лучшего усвоения материала первые три темы предлагается изучить дважды – средствами Excel и EViews.
Пособие рассчитано на 28 ч аудиторной нагрузки. Поэтому выбор
тем был ограничен началами регрессионного анализа и введением в анализ временных рядов.
Студентам рекомендуется выполнять работы последовательно и отвечать (или хотя бы предпринимать попытки отвечать) на все появляющиеся в тексте вопросы.
Файлы с данными доступны на сервере СПбГУЭФ по адресу:
\Common\Кафедра статистики\Галиуллина\Данные.
Автор выражает благодарность канд. экон. наук, старшему преподавателю кафедры статистики и эконометрики СПбГУЭФ М.В. Соколову,
любезно предоставившему текст своих лекций, данные, методические материалы и ценные рекомендации, которые легли в основу настоящего
практикума. Автор также благодарен рецензенту канд. экон. наук, доценту
кафедры статистики и эконометрики СПбГУЭФ Ю.В. Нерадовской за
конструктивные замечания.

1. Используя приведенные исходные данные: 1. Данные находятся в файле Книга1. Случаи. Добавьте новый лист. оговариваются особо. Воспользуйтесь надстройкой Поиск решения/Solver: 4. Оцените параметры уравнения парной линейной регрессии y = b0 + b1·x + e1 без привлечения встроенных статистических функций Excel. Для этого воспользуйтесь формулами yx − y ⋅ x cov[ y. Можете ли вы как-то проинтерпретировать коэффициент b0? 4. то цена этой квартиры будет выше в среднем на…»). линейная или нелинейная и т. . b0 = y − bˆ1 x. 2 2 σˆ x x −x 3. Выпишите оцененное уравнение регрессии. x ] ˆ bˆ1 = 2 = . решив задачу минимизации суммы квадратов остатков. На основе визуального анализа предположите вид зависимости между изучаемыми переменными (функциональная или стохастическая. Задание. Оцените параметры уравнения парной линейной регрессии y = b0 + b1·x + e. по оси ординат – у). Постройте точечную диаграмму (по оси абсцисс – х. 2. Для этого воспользуйтесь командой меню Excel Вставка → Диаграмма → Точечная.). м больше. когда символ е используется для обозначения основания натурального логарифма.6 ЛАБОРАТОРНАЯ РАБОТА № 1 ПАРНАЯ РЕГРЕССИЯ Часть 1. Excel Изучается зависимость между двумя величинами – ценой квартиры и размером ее жилой площади. такие. Дайте экономическую интерпретацию коэффициента b1 («если рассматривать две квартиры. п. скопируйте в него исходные данные. чем другой.xls. что площадь одной из них на 1 кв. Выделите ячейки для искомых параметров (оставьте их пустыми) и добавьте ряд остатков е: 1 Здесь и далее символ е в зависимости от контекста обозначает ошибку или остаток.

Сравните результаты с предыдущими. 7. позволяющий получить не только оценки коэффициентов. Рассчитайте показатель средней эластичности цены квартиры по размеру ее жилой площади.b1 i =1 2 i =1 2 i =1 2 i =1 Поэтому добавьте столбец е2 и рассчитайте сумму квадратов остатков. b1 ) = ∑ ( y i − yˆ i ) = ∑ ( y i − f ( xi . 2. Ознакомьтесь с таблицей выводимых итогов с помощью файла Таблица итогов. Оцените параметры уравнения парной линейной регрессии y = b0 + b1·x + e посредством надстройки Сервис → Анализ данных → Регрессия (если этот пункт меню отсутствует. выберите в главном меню Сервис → Надстройки. Оцените параметры уравнения парной линейной регрессии y = b0 + b1·x + e посредством встроенных функций Excel ОТРЕЗОК() и НАКЛОН(). которые при этом будут изменяться (это значения коэффициентов регрессии). Оценки коэффициентов должны совпасть с полученными в п. b0 . Это наиболее удобный способ решения задачи. и ячейки. Сумму квадратов остатков необходимо минимизировать: n n n n Q(b0 . укажите целевую ячейку. 5. b1 ) ) = ∑ ( y i − b0 − b1 xi ) = ∑ ei2 b → min 0 . 6. Как он интерпретируется? .7 4.2.xls (обратите внимание на примечания). затем ОК. но и много других полезных показателей. Далее выберите в главном меню Сервис → Поиск решения/Solver (если этот пункт меню отсутствует. которую программа будет минимизировать. нужно выбрать в главном меню команду Сервис → Надстройки и отметить флажок Поиск решения). задача не предполагает никаких ограничений на параметры: Нажмите Выполнить/Solve. отметьте флажок Пакет анализа).

8.) Значимы ли эти коэффициенты на 10%-м уровне значимости? (Если в доверительный интервал попадает 0. Найдите коэффициент детерминации и дайте его интерпретацию.n-p-1).95) прогнозы цены квартиры с жилой площадью 33 кв. или табличного значения tтабл можно воспользоваться функцией =СТЬЮДРАСПОБР(0. полученных в п. Используя линейное уравнение парной регрессии. Воспользуйтесь формулой n R2 = 1− ∑(y i =1 n i ∑(y i =1 − yˆ i ) 2 . а вместо p – число объясняющих переменных (1). что коэффициент равен нулю.. (См.xls. м. yˆ ( x) + s y ( x)t табл ).8 8. i − y) 2 где yˆ i = bˆ0 + bˆ1 xi .05. n . 6.1. где вместо n нужно подставить число наблюдений (10). то нет оснований отвергнуть гипотезу о том.) 11. файл Таблица итогов. 8. 2 1 ( x x ) − 1 + +  n   n−2 n ( xi − x ) 2   ∑   i =1 ∑(y i =1 i Для нахождения критического. (См. Постройте 90%-е доверительные интервалы для коэффициентов b0 и b1. постройте точечный и интервальный (с вероятностью 0. Доверительный интервал для прогноза: с вероятностью 1-α истинное значение у(х) будет лежать в интервале y ( x) ∈ ( yˆ ( x) − s y ( x)t табл . 10. Если же 0 не попа- . Оцените статистическую значимость уравнения регрессии в целом (по F-критерию Фишера) и отдельных его параметров (по t-критерию Стьюдента). Точечный прогноз у в точке х: [ ] yˆ ( x) = E[y x] = E bˆ0 + bˆ1 x + ε x = bˆ0 + bˆ1 x + E[ε x] = bˆ0 + bˆ1 x. 9.. n где s y ( x) =   − yˆ i ) 2   – стандартная ошибка прогноза.xls.. i = 1. поэтому он считается статистически незначимым на данном уровне значимости. примечания к ячейкам в файле Таблица итогов.2. Найдите его среди показателей..

lnb0 = a. чтобы регрессия приняла линейный вид: lny = z. Выпишите оцененное степенное уравнение регрессии. Оцените параметры степенного уравнения парной регрессии y = b0·xb1·e. Для этого: 12. В главном меню выберите команду Диаграмма → Добавить линию тренда.) 12. адекватна ли эта зависимость рассматриваемым данным. Вычислите оценку b0 = ea (воспользуйтесь функцией =EXP())2. 6). Сравните построенные диаграммы. Макаровой. получите оценки а и b1.1. Нужно прологарифмировать обе части уравнения: lny = lnb0 + b1lnx + e и провести замену переменных так.9 дает в доверительный интервал. при этом вероятность ошибиться не превышает уровня значимости. lnx = t. е. Оцените регрессию z на константу и t (удобнее всего – как в п.3. для интерпретации параболы нужно найти ее экстремум (минимум или максимум) и решить. Выделите диаграмму. что если х увеличить на 1.)? Часть 2.4. в диалоговом окне на вкладке Параметры отметьте флажки «Показывать уравнение…» и «Поместить R2…». учитывая критерии наибольшего коэффициента детерминации и возможности экономической интерпретации (в показательном уравнении регрессии y = b0·b1x·e коэффициент b1 означает. что с увеличением х на 1% у возрастает приблизительно на b1/100 ед. Коэффициент b1 в регрессии y = b0·xb1·e совпадает с коэффициентом эластичности. логарифмическая регрессия y = b0 + b1lnx + e означает. т. 1. наук С. физ.13. на вкладке Тип поочередно отметьте все предлагаемые типы зависимости (постройте несколько диаграмм).-мат. откуда z = a + b1·t + e.Б. Как он интерпретируется? 13. 12. Познакомьтесь с элементами главного окна EViews: 2 Здесь символ е используется для обозначения основания натурального логарифма.2. Какой тип зависимости у от х вы считаете более адекватным. то математическое ожидание у возрастет в b1 раз. Вводные упражнения в значительной степени заимствованы из неопубликованного компьютерного практикума по эконометрике канд. Начало работы с EViews 5. то гипотеза о равенстве коэффициента нулю отвергается. EViews Для запуска EViews дважды щелкните соответствующий ярлык на рабочем столе. Значимо ли оказалось уравнение регрессии? Значимы ли коэффициенты а и b1? 12. в данном случае 10%. Добавьте столбцы z = lny и t = lnx. 12. 3 .

чтобы получить описание данных.в меню открытого файла. ppi. Откройте (двойным щелчком) ряд цен р. Щелкните кнопку Details+/. выберите View в меню активного окна и по очереди выберите следующие пункты: Graph → … (программа построит различные виды графиков ряда р). Он содержит 118 наблюдений за четырьмя переменными (div. Откройте файл для просмотра примера: File → Open → Workfile.wf1. 3. Descriptive Statistics → Histogram and Stats (построение гистограммы распределения): ← название ряда ← выборка: с 1-го по 118-е наблюдение ← число наблюдений .10 ← строка заголовка ← главное меню ← командная строка ← рабочая область ← строка состояния 2. выберите файл …\Лабораторная работа 1\spdat. r). p.

11 Descriptive Statistics → Stats Table (описательная статистика): Mean Median Maximum Minimum Std.0596 Probability Sum 0.560 Sum Sq.2 118 среднее медиана максимум минимум стандартное отклонение (корень из дисперсии) асимметрия (0 у нормального распределения) эксцесс (3 у нормального распределения) статистика Жака-Бера (для проверки гипотезы о том. Ознакомьтесь с некоторыми командами преобразования данных (для выполнения команды набирают ее в командной строке и нажимают ENTER): Команда genr y=log(x) genr y=d(x) genr y=@trend genr y=x(-1) Описание генерирует ряд y по формуле yt = ln(xt) генерирует ряд y по формуле yt = xt – xt-1 (т. так что мы не ошибемся. Dev. 4.203818 8. что выборка из нормального распределения (в данном случае вероятность нулевая.56407 10. Для редактирования данных дважды щелкните по имени переменной. Просмотрите созданные ряды.…. . Observations 311213.000000 4314. Это должен быть ряд чисел 1. отвергнув гипотезу о том. ряд первых разностей.31500 264. или абсолютных приростов) генерирует ряд y по формуле yt = t.57463 2.5100 3. Dev. выберите View → SpreadSheet в меню объекта и затем Edit+/-. 2. что выборка получена не из нормального распределения) сумма значений всех наблюдений сумма квадратов отклонений уровней ряда от среднего число наблюдений Для возврата к отображению данных в виде таблицы значений выберите View → SpreadSheet.250000 51. если скажем. 118.211635 Jarque-Bera 229. е. начиная с нуля генерирует ряд y по формуле yt = xt-1 Создайте четыре ряда: 1) p_real = ln(p/ppi) 2) d_real = ln(div/ppi) 3) ln_r = ln(1+r/100) 4) t – номер наблюдения. Попробуйте изменить какие-нибудь данные. Skewness Kurtosis 36. 5. Дважды щелкните ряд t. что выборка из нормального распределения) вероятность ошибиться.

Поместите курсор в выделенную область и щелкните правой кнопкой мыши. 8.xls. с которым мы уже работали. .xls. Обратите внимание на организацию данных: имеются 118 наблюдений по 4 переменным.2. а затем он заполняется данными. Откройте в Excel файл spdat. выбрав сначала d_real.12 6. Создание нового рабочего файла: File → New → Workfile. удерживая клавишу CTRL. Он содержит те же самые данные. выберите View из меню активного окна и по очереди выберите следующие пункты меню: Graph → Line Graph → Scatter → Simple Scatter (диаграмма рассеяния. Предварительное изучение данных. Чтобы сохранить группу. Откройте созданную вами группу. 7. выберите Name в соответствующем меню. выделите переменную d_real. В этом примере создается пустой файл на 118 наблюдений. Импорт данных.1. или поле корреляции) Graph → Scatter → Scatter with Regression (то же самое. Выберите Open → as Group. а затем p_real. Для создания группы переменных выделите переменную p_real. взятыми из файла spdat. но с добавлением линии регрессии) Multiple Graphs → Line Descriptive Stats → Common Sample Correlations (таблица коэффициентов корреляции между переменными) Covariances (таблица ковариаций) 8. Заполните диалоговое окно: данные не привязаны ко времени → ← число наблюдений Таким образом создается новый (пустой) рабочий файл на 118 наблюдений.wf1. что и файл spdat. Сравните результаты. Повторите процедуру создания группы. 8.

Для импортирования данных из книги Excel. Катышев П. w − wt −1 dwt = 100 t – темп прироста зарплаты в периоде t (в %). что b0 < 0 и b1 > 0. 2000.А. Заполните диалоговое окно: левая верхняя ячейка с данными ↓ ряды в столбцах → ряды в строках → названия рядов через пробел (если их нет в импортируемом файле) или число рядов данных → импортируемый диапазон (номера наблюдений) → Замечание. выберите файл spdat.– М.: Дело. Экономическая теория предполагает. Данные для страны приведены в файле Книга2.xls. Начальный курс. wt −1 ut – процент безработных на момент времени t.xls. Закройте файл spdat. Кривая Филлипса4 9.13 данные располагаются в 4-х столбцах и начинаются с ячейки A2 (заголовок не считается).xls.. 57. выберите в главном меню Proc → Import → Read TextLotus-Excel…. Так называемая кривая Филлипса описывает обратную зависимость между темпом прироста зарплаты и уровнем безработицы.16.Р. 4 Пример основан на задаче 2. где wt – уровень заработной платы в периоде t. Названия листов в импортируемом файле не должны содержать кириллических символов. Эконометрика. ..– С. взятой из учебника: Магнус Я.К. Пересецкий А. Кривая Филлипса может быть представлена в виде уравнения dwt = b0 + b1/ut + et.

нет ли пропущенных данных.0 1. содержащей NA.8 1. Аналогичным образом добавьте ряд u. 6). что данные импортировались корректно. Теперь содержимое ячеек можно изменять.2. тип объекта (Type of object) – ряд (Series). Откройте созданные ряды и убедитесь. имя объекта (Name of object) – w.1. Как видно из диаграммы рассеяния.8 2. Щелкните кнопку Edit+/-. Создайте книгу Excel и скопируйте в нее исходные данные.14 9.6 3. чтобы его открыть. Посмотрите на данные: являются ли они однородными (нет ли резко отличающихся наблюдений – т. Скопируйте исходные данные по ряду w из файла Книга2. выбросов). щелкните правой кнопкой по первой ячейке. Дважды щелкните на нем.0 1. Вместо данных во всех ячейках стоит NA.0 U Постройте ряд dw. Для этого выделите ряды u и w и откройте группу (см. 2) сначала удалите созданные ряды w и u (щелкните по ряду правой кнопкой и выберите Delete). т.8 2. Введите данные. что он содержит один лист и в названии листа нет кириллических букв. Импортируйте данные как в п. Для этого введите в командной строке genr dw=100*(w-w(-1))/w(-1) и нажмите ENTER. Похожа ли эта зависимость на гиперболическую: . Закройте файл.xls. Прежде чем оценивать регрессию dwt = b0 + b1/ut + et.6 0. п. Оценим параметры b0 и b1. Для этого сначала создайте в EViews новый файл для 18 наблюдений без привязки данных ко времени. данные достаточно однородны и никакой зависимости между ними пока не выявляется: 3.4 1. Выберите в меню View → Graph → Scatter → Simple Scatter.н.2 W 2. нет данных (not available). изучив два способа: 1) в меню Object выберите пункт New Object. выберите Paste (Вставить). предварительно убедившись. Сохраните этот файл.2 1. 8. е. Таким образом создан ряд w.4 2.6 1. еще раз посмотрите на данные.

е. Выпишите уравнение регрессии dwt = b0 + b1/ut + et. (См. наличие кривой Филлипса? Закройте окно Equation. если известно. Для оценивания применяется метод наименьших квадратов (ls – least squares). которое вы зададите). Программа спросит. удалить ли предыдущее уравнение регрессии.4 1.xls (обратите внимание на все примечания). ищется b1). Программа спросит.xls. На основе кривой Филлипса спрогнозируем темп прироста заработной платы в 19-м периоде.2 1. 1). Уравнение сохранится под именем eq01 (или под тем именем.0 1.15 9 8 7 DW 6 5 4 3 2 1 0. удалить ли уравнение регрессии. Изучите таблицу выводимых итогов с помощью файла Equation. налагаемые экономической теорией? Подтверждается ли. примечания к ячейкам в файле Equation. Для этого сначала нужно добавить еще одно наблюдение: в ок- .8 2.2. Для этого разберите два спо- 1) наберите в командной строке ls dw c 1/u и нажмите ENTER. Нажмите Name. е. Вы получите такую же итоговую таблицу.0 U соба: Оцените регрессию dwt = b0 + b1/ut + et. как и в п. по-вашему. Построим точечный и интервальный (с вероятностью 95%) прогнозы.) Выполняются ли ограничения. 2) выберите в главном меню Quick → Estimate Equation и в открывшемся окне наберите dw c 1/u Нажмите ОК. Это означает. Сделайте вывод о значимости отдельных коэффициентов и уравнения в целом.6%. что оценивается регрессия dw на константу с (т. что уровень безработицы составит 1. подставив в него оцененные параметры.8 1. ищется b0) и переменную 1/u (т. Нажмите Yes.6 1. 9. затем ОК.

6%: Доверительный интервал прогноза: y ( x) ∈ ( yˆ ( x) − s y ( x)t табл . Откройте этот ряд. Ожидается ли увеличение заработной платы в 19-м периоде? 9. Прогнозные значения сохранены в виде ряда dwf. при котором dw = 0. 19-е значение – это точечный прогноз темпа прироста заработной платы при уровне безработицы 1. введите значение 19-го наблюдения: 1.16 не Workfile дважды щелкните на надписи Range. В окне Equation нажмите кнопку Forecast и заполните диалоговое окно: имя для ряда прогнозных значений → имя для ряда стандартных ошибок прогноза → диапазон наблюдений. в открывшемся окне измените число наблюдений на 19.6. Найдите его. Рассчитайте доверительный интервал прогноза. Построенная регрессия может быть пригодна также для отыскания «естественного уровня безработицы». 9. Откройте ряд u. Сохраните файл. е. нажмите ОК. за tтабл для 95%-го прогноза почти всегда достаточно брать 2.4. Для этого сделайте активным окно Workfile и выберите в главном меню File → Save As… . затем Yes.3. для которых строится прогноз → Вы получите график прогнозных значений и доверительных интервалов прогноза для всех 19 наблюдений. yˆ ( x) + s y ( x)t табл ). т. Вместо sy(x) подставьте 19-е значение ряда sef. такого уровня.

Excel Изучается зависимость цены квартиры от размера ее общей площади и района города. в противном случае – 0. численно выражающие качественные признаки) для каждого из трех рассматриваемых районов: vyb. Добавьте фиктивные переменные (т. то переменная vyb принимает значение 1. Если квартира расположена в Калининском районе.xls. е. Здесь удобно использовать функцию =ЕСЛИ(): В результате таблица должна принять следующий вид: . в противном случае – 0. то переменная prm принимает значение 1. kln и prm. Откройте файл Flats_SPb.17 ЛАБОРАТОРНАЯ РАБОТА № 2 МНОЖЕСТВЕННАЯ РЕГРЕССИЯ. 1. Если квартира расположена в Выборгском районе. Если квартира расположена в Приморском районе. ФИКТИВНЫЕ ПЕРЕМЕННЫЕ Часть 1. то переменная kln принимает значение 1. в противном случае – 0. переменные.

п. наблюдения. Заполните диалоговое окно: . можете посмотреть. σˆ yσˆ x Для этого выберите в меню Сервис → Анализ данных → Корреляция. постарайтесь извлечь из нее максимум полезной информации. 3. какой была средняя или наиболее часто встречающаяся цена. Выведите описательную статистику по всем переменным. Здесь вы. x ] . Для этого выберите в меню Сервис → Анализ данных → Описательная статистика (если этот пункт меню отсутствует. е. к примеру. Рассчитайте выборочные коэффициенты парной корреляции между переменными: ryx = yx − y ⋅ x 2 2 ( y 2 − y )( x 2 − x ) = cov[ y. максимальная или минимальная площадь продаваемой квартиры и т. По этим характеристикам также можно обнаружить выбросы (т.18 2. слишком отличающиеся от остальных) и затем удалить их из выборки (есть ли выбросы в данном примере?). нужно выбрать в главном меню Сервис → Надстройки и отметить флажок Пакет анализа) и заполните диалоговое окно: Получив описательную статистику по всем переменным.

. В данном примере наблюдается сильная линейная связь между ценой квартиры и ее площадью (чему равен коэффициент корреляции?).19 Выборочный коэффициент корреляции принимает значения на отрезке [-1. когда объясняемая переменная (в данном случае цена квартиры) хорошо коррелирует с объясняющими переменными. В данном примере настораживает то. то линейной связи (предположительно) нет (хотя может присутствовать нелинейная зависимость). Фиктивные переменные тоже попарно коррелируют между собой. что в данном случае все три района эквивалентны по престижности). факторы) имеют высокий (по модулю) коэффициент корреляции с объясняемой переменной. тем (предположительно) сильнее линейная связь между парой переменных. Чем ближе он по модулю к единице. е. имеется линейная функциональная зависимость между факторами: vyb + kln + prm = 1 = const. т. но не так сильно (они связаны тождеством vyb + kln + prm = 1). Поэтому из уравнения регрессии нужно исключить либо одну из фиктивных переменных. Тогда регрессия имеет вид p = b0 + b1s + b2vyb + b3kln + b4prm + е. фиктивные переменные слабо коррелируют с ценой квартиры. что не все объясняющие переменные (или регрессоры.к. либо константу. 1]. площадь через s. Это позволяет высказать предположение. а объясняющие переменные между собой коррелируют слабо. Рассмотрим эти два случая в отдельности: . Обозначим цену через p. Так. Если же он близок к нулю. Благоприятной при построении регрессии является ситуация. Однако в таком виде она оценена быть не может. что цена на квартиру может не зависеть от района (т. 4. Построим множественную линейную регрессию цены квартиры на размер ее общей площади и район города.

включенных в регрессию»). и площадь первой больше на 1 кв. .b3) USD и дороже.для Приморского vyb = 0. м. на b2 USD. на (b2 . .20 4. (*) Оценим уравнение регрессии: Сервис → Анализ данных → Регрессия: Выпишите оцененное уравнение регрессии. prm: p = b0 + b1s + b2vyb + b3kln + е. то ее цена будет выше в среднем на…»). например.для Калининского vyb = 0. подставив в него полученные коэффициенты.1. дайте его экономическую интерпретацию. Проинтерпретируйте коэффициент b1 («если рассматриваются две квартиры. kln = 1. расположенные в одном районе. Исключим из уравнения одну фиктивную переменную. поэтому p = (b0 + b2) + b1s + е. kln = 0. kln = 0. Рассчитайте коэффициент частной эластичности цены по общей площади. чем в Приморском.для Выборгского vyb = 1. Дайте интерпретацию коэффициенту детерминации («вариация зависимой переменной на …% объясняется вариацией факторов. квартиры в . поэтому p = (b0 + b3) + b1s + е. поэтому p = b0 + b1s + е. чем в Калининском. Сейчас можно проинтерпретировать оставшиеся коэффициенты: квартира в Выборгском районе стоит в среднем дороже. по-вашему? Выпишите уравнения регрессии отдельно для каждого района (подставив соответствующие оценки коэффициентов): . Достаточно ли он высок.

имеющиеся данные ей не противоречат. Оцените эту регрессию (сначала добавьте новую переменную z = vyb + kln). поскольку коэффициенты незначимы. (Какие из коэффициентов незначимы? Значима ли регрессия в целом?) Поэтому проверим три гипотезы о попарной эквивалентности районов и одну гипотезу о том. q – число ограничений (1). p – число факторов в исходной регрессии (3). . Н1: Приморский район престижнее Калининского => b3 < 0. измеряемой. (**) и от такой потери информации (мы заменили две объясняющие переменные vyb и kln одной – их суммой) регрессия не должна существенно ухудшиться (в смысле своей объясняющей способности. в среднем на b3 USD (подставьте соответствующие числа). 3) Н0: Выборгский и Калининский районы одинаково престижны => b2 = b3. что все три района одинаково престижны. Н1: Выборгский район престижнее Приморского => b2 > 0. если эта гипотеза верна. е. например. е.21 Калининском районе дороже. Можно ли утверждать. Нулевая гипотеза в данном случае представляет собой линейное ограничение. Рассчитайте статистику Fфакт = 2 2 ( Rнеогр − Rогр )/q 2 (1 − Rнеогр ) /(n − p − 1) . Здесь используются коэффициенты детерминации из регрессии без ограничения (*) и регрессии с ограничением (**). чем в Приморском. Можно ли утверждать. Итак: 1) Н0: Выборгский и Приморский районы одинаково престижны => b2 = 0. то нулевая гипотеза не отвергается. накладываемое на уравнение регрессии. т. Выпишите 90%-й доверительный интервал для коэффициента b3. Н1: Выборгский и Калининский районы неодинаково престижны => b2 ≠ b35. что коэффициент b3 строго больше нуля? Если нет. n – число наблюдений. Однако эти выводы могут быть недостоверными. что коэффициент b2 строго больше нуля? Если нет. что b2 > b3. Выпишите 90%-й доверительный интервал для коэффициента b2. то уравнение регрессии можно переписать в следующем виде: p = b0 + b1s + b2(vyb + kln) + e. но мы ограничимся более простым вариантом. 5 Логичнее в этом случае было бы проверять гипотезу о том. коэффициентом детерминации). Значит. нам понадобится ее коэффициент детерминации. имеющиеся данные ей не противоречат. т. то нулевая гипотеза не отвергается. 2) Н0: Приморский и Калининский районы одинаково престижны => b3 = 0.

q и n .. 4) 4.1. Нулевая гипотеза в данном случае представляет собой два линейных ограничения (b2 = 0. Находим табличное (критическое) значение Fтабл по таблице в учебнике или в Excel с помощью функции FРАСПОБР(0. Здесь 0. Если Fфакт > Fтабл. не характерное для случайной величины. Наконец. нам понадобится ее коэффициент детерминации. соответственно. Равенство Fфакт = Fтабл на практике не встречается. Здесь используются коэффициенты детерминации из регрессии без ограничений (*) и регрессии с ограничениями (***). .1 (подставьте соответствующие значения). Степени свободы k1 и k2 – это. Н0: все три района одинаково престижны => b2 = b3 = 0. то нулевая гипотеза отклоняется в пользу альтернативной: имеющиеся данные противоречат гипотезе об эквивалентности всех трех районов. распределенной по закону Фишера.p . проверим гипотезу о том. то уравнение регрессии можно переписать в следующем виде: p = b0 + b1s + е. находим табличное (критическое) значение Fтабл по таблице в учебнике или в Excel с помощью функции FРАСПОБР(0. Т.k2). соответственно.1. Н1: три района неодинаковы по престижности => b2 ≠ 0 или b3 ≠ 0. Значит. Если Fфакт < Fтабл. n – число наблюдений. b3 = 0).k2). Затем рассчитайте статистику Fфакт = 2 2 ( Rнеогр − Rогр )/q 2 (1 − Rнеогр ) /( n − p − 1) .22 Если нулевая гипотеза верна.1. q – число ограничений (2). то нулевая гипотеза отклоняется в пользу альтернативной: имеющиеся данные противоречат гипотезе об эквивалентности Выборгского и Калининского районов. Здесь 0.p . Сравните Fфакт и Fтабл. если эта гипотеза верна. Если Fфакт > Fтабл. q и n .1 (подставьте соответствующие значения).1 – это уровень значимости. а потому и вся дробь будет небольшой. причем числитель этой дроби.о.1 – это уровень значимости. то Fфакт подчиняется распределению Фишера. p – число факторов в исходной регрессии (3). что все три района одинаково престижны (ответ нам уже заранее известен). Степени свободы k1 и k2 – это. то различия в коэффициентах детерминации (в числителе дроби) будут существенными и Fфакт приобретет слишком большое значение.k1. накладываемых на уравнение регрессии. Если же верна альтернативная гипотеза. Сравните Fфакт и Fтабл.k1. то нулевая гипотеза не отклоняется: имеющиеся данные не противоречат гипотезе об эквивалентности Выборгского и Калининского районов. (***) Оцените эту регрессию.

4. что логарифмы присутствуют как в правой. Вместо фиктивной переменной prm исключим из уравнения регрессии константу: p = b1s + b2vyb + b3kln + b4prm + е. .1.1 и 4.2. Оценим уравнение регрессии: Сервис → Анализ данных → Регрессия: Выпишите оцененное уравнение регрессии. Это логарифмическая регрессия. 4. Оценим регрессию вида lnp = b0 + b1lns + b2vyb + b3kln + е. Равенство Fфакт = Fтабл на практике не встречается. Оценка множественной нелинейной регрессии цены квартиры на размер ее общей площади и район города.2? 5. 4. так и в левой части. замечательная тем. Сравните результаты с полученным в п. Значимы ли коэффициенты регрессии? Значима ли регрессия в целом? Совпадают ли значения коэффициента детерминации в регрессиях. подставив в него полученные коэффициенты. Сделайте заключительный вывод о престижности тех или иных районов. полученных в пп.23 Если Fфакт < Fтабл. поэтому коэффициент b1 совпадает с коэффициентом частной эластичности цены по общей площади квартиры. Выпишите уравнения регрессии отдельно для каждого района (подставив соответствующие оценки коэффициентов). то нулевая гипотеза не отклоняется: имеющиеся данные не противоречат гипотезе об эквивалентности всех трех районов.

— квартиру с ценой $ 902.. Начальный курс. Что он показывает? 6.: Дело. приблизительно на сколько процентов при той же общей площади квартира. Катышев П. Постройте переменные lnp и lns.24 Переменные vyb и kln не могут быть прологарифмированы. Исключим из рассмотрения данные с ошибками. т. они принимают нулевые значения. чем в Приморском.000: 6 Пример взят из учебника: Магнус Я. их описание – на листе Data Description. Выберите в главном меню команду Данные → Фильтр → Автофильтр.. 1.А. Какая из построенных регрессий вам кажется наиболее удачной? Почему? Можете ли вы предложить более адекватную модель (используя только имеющиеся данные или привлекая дополнительную информацию)? Часть 2.– М. Заметьте. 79. Пересецкий А. 2000. Эконометрика. Оцените логарифмическую регрессию.к.К. соответственно. Просмотрите список значений цен и выберите значение. Анализируются данные за 1998 г.– С. они показывают.xls (в Excel). Обратите внимание на коэффициент детерминации. всего 3226 наблюдений. . EViews Изучаются факторы. Предварительная обработка данных. Но коэффициенты b2 и b3 тоже имеют экономическую интерпретацию: умноженные на 100. что не все коэффициенты окажутся значимыми. резко отличающееся от остальных. Выпишите оцененное уравнение и проинтерпретируйте все коэффициенты.. в Выборгском или Калининском районе стоит дороже. а также выбросы. Данные представлены на листе Data. Откройте файл flat98s.Р. определяющие стоимость квартир в Москве6.

В EViews создайте новый файл на 3214 наблюдений. останутся 3214 наблюдений.наблюдение. в котором переменная floor принимает недопустимое значение 3. что выборка в целом однородна и не содержит выбросов и явно ошибочных значений (например.5. Выберите в том же меню View → Correlations и проанализируйте коэффициенты корреляции цены с различными факторами (положительные коэффициенты корреляции означают прямую связь. Просмотрите описательную статистику. 3. м). . не привязанных к датам. отрицательные – обратную). убедитесь. Импортируйте в него 12 рядов с числовыми данными (N импортировать не нужно) из файла flat98s. В открытом окне Group выберите в меню View → Descriptive Stats → Common Sample.наблюдения с нулевой площадью кухни (kitsp = 0). . Откройте группу из вновь созданных рядов в EViews и убедитесь.25 Удалите это наблюдение: Выберите режим отображения всех наблюдений: Аналогичным образом просмотрите списки значений остальных переменных и удалите: . 2. нет квартир с кухней площадью меньше 2 кв.xls. Таким образом. что данные импортировались без искажений. Сохраните файл в своем каталоге и закройте.

если квартира. что ряды сгенерированы правильно. трех-. Заполните диалоговое окно: Заметьте.26 4. r1. то введем фиктивные переменные r1. соответственно. принимающие значение 1. иначе EViews выдал бы ошибку. r4 и убедитесь. одно-.к. что переменную r4 мы не включили. Построим и проинтерпретируем различные уравнения регрессии. Но сначала добавим несколько переменных: 1) создадим ряд nonres (площадь нежилых помещений): genr nonres=totsp-livsp Проверьте. или полная мультиколлинеарность факторов). Выберите в главном меню Quick → Estimate Equation.1. r2. т. четырехкомнатная. r3. и 0 в противном случае: genr r1=(rooms=1) genr r2=(rooms=2) genr r3=(rooms=3) genr r4=(rooms=4) Откройте группу рядов rooms. двух-. 2) так как число комнат в квартире является порядковым признаком. 4. что в нем нет отрицательных значений. r3. Оценим линейную регрессию вида price = b0 + b1livsp + b2nonres + b3kitsp + b4dist + b5metrdist + b6walk + + b7brick + b8floor + b9bal + b10tel + b11r1 + b12r2 + b13r3 + e. r2. . потому что r1 + r2 + r3 + r4 = 1 = const (детерминированная линейная зависимость. r4.

b12 и b13 показывают. что все эти четыре уравнения эквивалентны: Н0: b0 + b11 = b0 + b12 = b0 + b13 = b0 => b11 = b12 = b13 = 0. подставив в него полученные оценки коэффициентов (оно также отображается при выборе команды меню View → Representations). Не противоречат ли они здравому смыслу? Коэффициенты перед фиктивными переменными интерпретируются следующим образом: b6: если до квартиры можно пешком дойти от метро. Prob(F-ststistic))? Что показывает коэффициент детерминации? Проверим гипотезу о том.и трехкомнатная квартира в среднем (при прочих равных условиях!) дороже четырехкомнатной. Для трехкомнатной квартиры r3 = 1. то при прочих равных условиях квартира дороже в среднем на… И т.)? Значимо ли уравнение в целом (см. Для однокомнатной квартиры r1 = 1. b7: если дом кирпичный. и уравнение регрессии принимает вид price = b0 + b1livsp + b2nonres + b3kitsp + b4dist + b5metrdist + + b6walk + b7brick + b8floor + b9bal + b10tel + e. r1 = r3 = r4 = 0. Проинтерпретируйте оценки коэффициентов регрессии. то при прочих равных условиях она дороже в среднем на…. r1 = r2 = r4 = 0. что число комнат в квартире при прочих равных условиях не влияет на цену. и уравнение регрессии принимает вид price = (b0 + b13) + b1livsp + b2nonres + b3kitsp + b4dist + b5metrdist + + b6walk + b7brick + b8floor + b9bal + b10tel + e. Значимы ли коэффициенты регрессии (см. Коэффициенты b11. д. Число комнат отражают переменные r1. r2. и уравнение регрессии принимает вид price = (b0 + b11) + b1livsp + b2nonres + b3kitsp + b4dist + b5metrdist + + b6walk + b7brick + b8floor + b9bal + b10tel + e. насколько одно-. Для четырехкомнатной квартиры r4 = 1.27 Выпишите оцененное уравнение регрессии. r1 = r2 = r3 = 0. r4. Проверяется гипотеза о том. r3. r2 = r3 = r4 = 0. столбец Prob. и уравнение регрессии принимает вид price = (b0 + b12) + b1livsp + b2nonres + b3kitsp + b4dist + b5metrdist + + b6walk + b7brick + b8floor + b9bal + b10tel + e. . соответственно. Для двухкомнатной квартиры r2 = 1. H1: не Н0. двух.

что 12-й. Так что число комнат в квартире при прочих равных условиях влияет на цену. r2. Проверьте гипотезу о том. 13-м и 14-м). что двух. мы практически не ошибемся. H1: b12 ≠ b13. в окне Equation выберите в меню View → Coefficient Tests → Wald – Coefficient Restrictions… Заполните диалоговое окно: . Это всегда вероятность ошибиться. следовательно.28 Для того чтобы тестировать нулевую гипотезу.и трехкомнатные квартиры при прочих равных условиях не отличаются в цене: Н0: b12 = b13. меньше порогового уровня в 5% (иногда за пороговый уровень принимают 10% или 1%). что проверяется гипотеза о том. отвергнув нулевую гипотезу. Можете ли вы придумать пример в поддержку этого утверждения? Вернитесь к оценкам регрессии (View → Estimation Output). отвергнув нулевую гипотезу. е. Оценки коэффициентов перед переменными r2 и r3 различаются не сильно. r3 идут по списку 12-м. Обратите внимание на столбец Probability в открывшемся окне. т. 13-й и 14-й коэффициенты регрессии одновременно равны нулю (в окне Equation коэффициенты перед переменными r1. Чтобы тестировать нулевую гипотезу. в окне Equation выберите в меню View → Coefficient Tests → Wald – Coefficient Restrictions… Заполните диалоговое окно: Это означает. В данном примере она равна нулю.

. Сохраните уравнение (выберите в меню Name). подставив в него полученные оценки коэффициентов. Коэффициенты регрессии в логарифмах интерпретируются следующим образом: b1: эластичность цены по жилой площади (при увеличении жилой площади на 1% цена возрастает приблизительно на b1% при условии. что остальные переменные останутся неизменными). 4. b4. чтобы отвергнуть нулевую гипотезу? Постройте 95%-й прогноз для цены квартиры (добавьте еще одно наблюдение.2. b3. то при прочих равных условиях она стоит дороже приблизительно на b6·100%. введите все 11 параметров квартиры – кроме цены – по своему усмотрению). Заполните диалоговое окно: Выпишите оцененное уравнение регрессии. Регрессия в логарифмах: lnprice = b0 + b1lnlivsp + b2lnnonres + b3lnkitsp + b4lndist + b5lnmetrdist + + b6walk + b7brick + b8floor + b9bal + b10tel + b11r1 + b12r2 + b13r3 + e. Сохраните уравнение (выберите в меню Name). b6: если от метро до квартиры можно дойти пешком. b5 интерпретируются аналогично. b2.29 Достаточно ли оснований для того. Выберите в главном меню Quick → Estimate Equation.

251). Значимы ли коэффициенты регрессии (см. t2. описывающей зависимость кросскурса от времени: y = b0 + b1 · t + b2 · t2 + b3 · t3 + b4 · t4 + е. на ваш взгляд. Подчиняется ли кросс-курс восходящему или нисходящему тренду? Добавьте полиномиальную линию тренда. t2. столбец Prob. выведите уравнение тренда и коэффициент детерминации (отметьте соответствующие флажки). t4. Prob(F-ststistic))? Что показывает коэффициент детерминации? 4. Какое. t3 и t4 (Сервис → Анализ данных → Регрессия.xls. . в данном случае логично будет остановиться на 4-й степени. они объясняют разные переменные – у и lny.30 b7: если дом кирпичный. 7 Строго говоря.к. Для этого сначала добавьте столбцы t (1. Изучите данные: постройте диаграмму (Вставка → Диаграмма → График). Excel Дан временной ряд кросс-курсов EUR/USD за 2002 год (источник: The Pacific Exchange Rate Service). t. вероятно. t3. 1.к. эти два уравнения регрессии нельзя сравнивать по коэффициенту детерминации.3. при этом отметьте флажки Остатки и График остатков). то (при прочих равных) естественно предпочесть уравнение с большим R2. т. 2. подберите наиболее подходящую степень полинома (переберите все доступные варианты. b9. Затем оцените регрессию y на константу. b10 интерпретируются аналогично. b13 – аналогично. 2. b11: однокомнатная квартира при прочих равных условиях дороже четырехкомнатной приблизительно на b11·100%. то при прочих равных условиях квартира стоит дороже приблизительно на b7·100%. b8. Оцените уравнение регрессии.)? Значимо ли уравнение в целом (см. b12: двухкомнатная квартира при прочих равных условиях дороже четырехкомнатной приблизительно на b12·100%. а в другом – мал. Откройте файл Cross. 5-я принципиально уже не улучшает подгонку). уравнение регрессии предпочтительнее: линейная регрессия или регрессия в логарифмах (какое удобнее интерпретировать? где выше скорректированный коэффициент детерминации?7)? ЛАБОРАТОРНАЯ РАБОТА № 3 ГЕТЕРОСКЕДАСТИЧНОСТЬ И АВТОКОРРЕЛЯЦИЯ Часть 1. т. Требуется построить модель зависимости валютного курса от времени и оценить ее качество для целей прогнозирования. Но если в одном уравнении коэффициент детерминации очень высок.….

к.02 0 0. Гетероскедастичность – это непостоянство дисперсии ошибок. Это визуальный признак автокорреляции. что не мешает им быть очень значимыми!). если в каком-то наблюдении остаток положителен. хотя и не очень ярко выраженной. . Оцените значимость уравнения в целом и отдельных его коэффициентов (заметьте.06 t График остатков показывает.00 -0.04 Остатки 0. что приводит к ошибочным выводам относительно их значимости. Автокорреляция – это коррелированность ошибок различных наблюдений. Это график. тоже будет положительным). остатки зависят друг от друга. например. е. как меняются остатки во времени: t График остатков 0. Можете ли вы как-нибудь проинтерпретировать коэффициенты регрессии? 3. то в следующем наблюдении он. Но ошибки ненаблюдаемы. Негативный эффект гетероскедастичности и автокорреляции проявляется в смещении оценок стандартных ошибок параметров регрессии. т.02 100. Визуальный анализ остатков на предмет наличия гетероскедастичности или автокорреляции. Поэтому гетероскедастичность и автокорреляцию необходимо выявлять и принять меры для борьбы с ними. Это визуальный признак гетероскедастичности. что остатки (которые должны быть случайными. истинные значения коэффициентов регрессии неизвестны.00 200. не коррелировать друг с другом и иметь одинаковую дисперсию) ведут себя не совсем адекватно: а) есть области со строго положительными остатками и области со строго отрицательными остатками (т.31 Выпишите оцененное уравнение регрессии. б) степень разброса остатков непостоянна: есть области с большими по модулю остатками (высокая дисперсия) – центральные наблюдения – и области со средними по модулю остатками (невысокая дисперсия). Рассмотрите диаграмму остатков. как малы коэффициенты по модулю. показывающий.00 300.04 -0. Вместо ошибок наблюдаются остатки регрессии: e = y – ŷ. скорее всего.00 -0.

3. Воспользовавшись тестом Гольдфельда-Квандта. Если гипотеза H0 верна.(n-C)/2-4-1)) и сравним его с фактическим значением (с дисперсионным отношением): если фактическое значение больше критического. 5. В нашем примере всего один фактор – это время t (остальные факторы – лишь производные от него). где n – число наблюдений в выборке (251). то нулевая гипотеза отвергается в пользу альтернативной.4. SSE2 / SSE1}. По фактору.(n-C)/ 2-4-1. 2 2 . требуется упорядочить наблюдения (в порядке возрастания или убывания). Наши наблюдения уже упорядочены в порядке возрастания переменной t. При тестировании модели на гетероскедастичность ошибок основная гипотеза – это всегда гипотеза о гомоскедастичности (т.32 4.05. H1: ошибка коррелирует с одним из факторов (t). В данном случае С должно быть нечетным. Для каждой из оставшихся групп в отдельности переоцениваем регрессию. В тесте Гольдфельда-Квандта это гипотеза о монотонной зависимости дисперсии ошибки от какого-нибудь фактора. Поэтому H1: σi2 – монотонная функция от t. 4. = σ n . проверим гипотезу о наличии гетероскедастичности в остатках в данной регрессионной модели.. проверим гипотезу о наличии гетероскедастичности в остатках в данной регрессионной модели. от которого может зависеть дисперсия ошибки. Поэтому рассчитаем критическое (или табличное) значение F-статистики (с помощью функции FРАСПОБР(0. 4.1. и наоборот. Порядок выполнения следующий: 5. Формулировка гипотез: Н0: σ 1 = . Формулируются основная (нулевая) и альтернативная гипотезы. чтобы оставшиеся две группы имели одинаковое число наблюдений. 4. то статистика F (называемая дисперсионным отношением) имеет распределение Фишера со степенями свободы (n – C)/ 2 – p – 1 и (n – C)/2 – p – 1. = σ n . С – это любое целое число из интервала [n/5.. Альтернативная гипотеза (о гетероскедастичности) в каждом тесте своя. Вычисляем статистику 2 2 F = max{SSE1 / SSE2 .2.5. Исключаем из рассмотрения С центральных наблюдений. n/3]... е. Получим две суммы квадратов остатков (SSE1 и SSE2).1. что гетероскедастичности нет: дисперсия ошибок одинакова во всех наблюдениях): Н0: σ 1 = . 4. Порядок выполнения следующий: 4. о том. Воспользовавшись тестом ранговой корреляции Спирмэна.

1. и наоборот. Сделайте вывод о возможном наличии или отсутствии гетероскедастичности в модели. Если гетероскедастичность в модели присутствует. то чем бы вы ее объяснили? Как бы вы стали с ней бороться? 8.) 5. Если корреляция между ошибкой и фактором равна нулю. и наоборот. Воспользовавшись тестом Уайта. Если эта регрессия значима (по F-критерию). то нулевая гипотеза отклоняется в пользу альтернативной. то статистика tρ = ρ 1− ρ 2 n−2 имеет распределение Стьюдента с (n – 2) степенями свободы. Рассчитайте выборочный коэффициент ранговой корреляции Спирмэна: n ρ = 1− 6∑ d i2 i =1 2 n( n − 1) .33 5.. Постройте регрессию et+1 на константу и et и оцените ее значимость. t2. Для дополнительной визуальной оценки автокоррелированности остатков первого порядка постройте график (точечную диаграмму) зависимости остатков et+1 от et.n-2)) и сравним его с фактическим значением tp: если фактическое значение по модулю больше критического. 6. = σ n . Видна ли на графике зависимость et+1 от et? 9. 7. Порядок выполнения следующий: 6.05. 2 2 .3. где di – разность между рангами значений фактора ti и модуля остатка |ei|. 6. Формулировка гипотез: Н0: σ 1 = . (Для нахождения рангов воспользуйтесь функцией РАНГ(…). проверим гипотезу о наличии гетероскедастичности в остатках в данной регрессионной модели.2. Поэтому рассчитаем критическое (или табличное) значение t-статистики (с помощью функции СТЬЮДРАСПОБР(0.. Для нахождения абсолютного значения числа используйте функцию ABS(…). Оцените регрессию квадратов остатков на t. t3.2. то нулевая гипотеза отклоняется в пользу альтернативной. t6. t4. и t8. H1: дисперсия ошибки квадратично зависит от объясняющих переменных.

. – Ростов н/Дону. Обратите внимание на следующие ключевые моменты: . . Воспользовавшись тестом Дарбина-Уотсона. экон.gif). 11. Fitted. 98. модельных данных (Fitted) и остатков (Residual): 8 Взята из книги: Арженовский С.возможность экономической интерпретации.гетероскедастичность (если она присутствует). Сделайте вывод о качестве построенной модели. . 251): genr t=@trend+1 Затем оцените регрессию y на константу.коэффициент детерминации (что он показывает?).возможность прогнозирования. Residual Graph. EViews построит три графика: исходных данных (Actual). Если автокорреляция в модели присутствует.– 2002. t. описывающей зависимость кросскурса от времени: y = b0 + b1 · t + b2 · t2 + b3 · t3 + b4 · t4 + е.– С. t3 и t4: ls y c t t^2 t^3 t^4 Сравните таблицу в окне Equation с итоговой таблицей.Н. Федосова О. Residual → Actual. . 3. полученной в Excel.…. Можете ли вы предложить более адекватную модель (используя только имеющиеся данные или привлекая дополнительную информацию)? Часть 2. Импортируйте в него ряд у. 2. Откройте ряд у.В. гос.автокорреляцию (если она присутствует). то чем бы вы ее объяснили? Как бы вы стали с ней бороться? 12. 4. Создайте рабочий файл в EViews (для 251 наблюдения). EViews Продолжим разбирать пример с валютным курсом. унив. Оцените уравнение регрессии.34 10. В меню окна Equation выберите View → Actual. Для этого сначала добавьте ряд t (1. Визуальный анализ качества построенной регрессии. . t2. 2. . проверьте наличие в остатках автокорреляции первого порядка (таблица критических значений8 – в файле Таблица. Сделайте вывод о возможном наличии или отсутствии в модели автокорреляции. постройте диаграмму и предположите форму зависимости у от времени. Эконометрика: Учебное пособие/Рост. 1. Fitted.

3.20 1.02 0. Поэтому выберите в меню окна Equation View → Estimation Output. однако остатки ведут себя не совсем адекватно (см. В случае. когда в модели присутствует гетероскедастичность. отвечающий за поправки на гетероскедастичность в форме Уайта: .04 -. часть 1). Воспользовавшись тестом Уайта. Во вкладке Options отметьте флажок. полученный в п.35 1.04 1.05 . 6. 5. Для этого в меню окна Equation выберите View → Residual Tests → White Heteroscedasticity (No Cross-Terms.02 -. нажав кнопку Freeze. может оказаться преждевременным).00 . необходимо сделать поправку для оценок стандартных ошибок коэффициентов регрессии.15 1. Вернитесь к окну Equation и нажмите кнопку Estimate. Сравните результаты с полученными в части 1.10 1. чтобы обеспечить надежность выводов о значимости коэффициентов регрессии (вывод о значимости коэффициентов. проверьте гипотезу о наличии гетероскедастичности в остатках в данной регрессионной модели. «Заморозьте» эту таблицу.95 .06 25 50 75 100 125 150 175 200 225 250 Residual Actual Fitted На графике видна неплохая объясняющая способность модели. Cross-Terms).00 -.

Как и в других тестах на автокорреляцию. ls e1 c e (Предыдущее уравнение регрессии сохраните – нажмите Name. которые сохраняются в объекте resid: genr e=resid Ряд et+1 (назовем его е1) сгенерируем по команде genr e1=e(1) Откройте группу и убедитесь.36 EViews пересчитал стандартные ошибки коэффициентов регрессии. как правило. В нашем примере налицо наличие автокорреляции. которые. поэтому вычисляются две вероятности. однако. Вернитесь к оцененному исходному уравнению регрессии. Для дополнительной визуальной оценки автокоррелированности остатков первого порядка постройте график зависимости остатков et+1 от et. не повлияло на значимость коэффициентов (сравните новую таблицу с «замороженной»). очень близки). Тест множителей Лагранжа на наличие автокорреляции. нулевая гипотеза отвергается.2339 Prob.000000 0. Выберите в меню View → Graph → Scatter → Simple Scatter. что оба ряда сгенерировались правильно. В данном случае это. 7.3054 194. В этом окне выберите в меню View → Residual Tests → Serial Correlation LM Test… Lags to include (порядок автокорреляции): 1. Как обычно. 9. если они меньше 5%.) Сделайте вывод о возможном присутствии (отсутствии) автокорреляции.245) Prob.000000 В правой части таблицы находятся вероятности (используются два критерия. скопировав в него остатки последней оцененной регрессии. . Порядок выполнения следующий. t-статистики и вероятности. F(1. Постройте регрессию et+1 на et и оцените ее значимость. Ряд остатков et можно создать. Видна ли на графике зависимость et+1 от et? 8. Chi-Square(1) 0. нулевая гипотеза здесь об отсутствии автокорреляции. Результаты тестирования: Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared 838.

.37 10. Герасимова И. Следовательно. рассчитанные в Excel и EViews. ( 9 ) Молчанов И. EViews «Мультиколлинеарность – это коррелированность двух или нескольких объясняющих переменных в уравнении регрессии. так и по величине и знаку. Методы обнаружения мультиколлинеарности • индекс корреляции между какими-то из двух регрессоров значим ( ≥ 0. доходы. Проблема мультиколлинеарности возникает только в случае множественной регрессии. Значения коэффициентов R2 могут быть высокими. отражая недостаток значимости»9. • регрессия вида (1) значима. производство). 2001. и отсюда t-критерии малы. .А. (1) j ≠i где a j – некоторые константы. ν – ошибки.Н. а отдельные коэффициенты – нет. но стандартные ошибки тоже высоки. В результате высококоррелированные объясняющие переменные действуют в одном направлении и имеют недостаточно независимое колебание. Воспользовавшись тестом Дарбина-Уотсона. проверьте наличие в остатках автокорреляции первого порядка. они ненадежны. T • матрица X T X плохо обусловлена ( det X X ≈ 0 ).– Ростов-н/Дону. чтобы дать возможность модели изолировать влияние каждой переменной. Сравните значения статистики Дарбина-Уотсона. ЛАБОРАТОРНАЯ РАБОТА № 4 МУЛЬТИКОЛЛИНЕАРНОСТЬ И СТРУКТУРНЫЕ ИЗМЕНЕНИЯ Часть 1. «Частичная мультиколлинеарность – между несколькими регрессорами существует статистическая линейная зависимость: xi = a 0 + ∑ a j x j + ν . Получаемые оценки оказываются нестабильными как в отношении статистической значимости. Компьютерный практикум по начальному курсу эконометрики (реализация на EViews): Практикум / Ростовский государственный экономический университет. Мультиколлинеарность особенно часто имеет место при анализе макроэкономических данных (например.75 ). Так что уравнение в целом может оказаться значимым. Мультиколлинеарность.

Эконометрика. Как вы считаете. взятых из учебника: Магнус Я. Сгенерируйте ряды lnq. д.38 • косвенные признаки: коэффициенты в регрессии имеют «неправильный» с экономической точки зрения знак или слишком большие по модулю значения.17 и 4. lnl и lnk: genr lnq=log(q) и т. Откройте файл industry. Имеются данные о выпуске Q. 1. все bi незначимы.К. а уравнение в целом – значимо»10.А.. какие переменные зависят друг от друга? 2. Оцените по этим данным производственную функцию Кобба1 2 Дугласа Q = aL K . Начальный курс.– С.В. Оцените регрессию: Quick → Estimate Equation… 10 Соколов М. 2000.. Рассчитайте коэффициенты парной корреляции (View → Correlations).: Дело. постройте графики (View → Graph → Line). при попытке удалить/добавить одно из наблюдений коэффициенты bi сильно меняются. 11 . Катышев П. Для этого потребуется линеаризация уравнения: b b lnQ = lna + b1lnL + b2lnK. Пример основан на задачах 4. 121.Р.– М. Пересецкий А. Посмотрите на данные: откройте все три переменные как группу. Конспект лекций по эконометрике.18.wf1. трудозатратах L и капиталовложениях K 15 фирм некоторой отрасли11.

коэффициенты положительны. и мы не отклоняем гипотезу о постоянной отдаче от масштаба. причиной незначимости коэффициентов является гетероскедастичность ошибок? . для чего в окне Equation выберите в меню View → Coefficient Tests → Wald Coefficient Restrictions… Обратите внимание на столбец Probability в открывшемся окне. Fitted. Это всегда вероятность ошибиться. Итак. Посмотрите. с = lna. а лишь не отклоняем ее? Чтобы ответить на этот вопрос. мы рискуем ошибиться. Проверьте эту (нулевую) гипотезу (против альтернативной b1 + b2 ≠ 1).9 и т. приемлемы по знаку (это требование касается только b1 и b2. Residual Graph. Выберите View → Actual.9!). Fitted. В данном примере она достаточно велика и выше порогового уровня в 5% (иногда берут 10%. Обратите внимание на остатки. Но если бы мы приняли обе эти гипотезы.1 (или b1 + b2 = 0. то b1 + b2 = 1.). Но коэффициенты статистически незначимы. Поэтому применим еще несколько методов для ее окончательной диагностики. Возможно. следовательно.39 Высок ли коэффициент детерминации? Значимо ли уравнение в целом? А коэффициенты? Как они интерпретируются (вспомните про коэффициенты эластичности)? Посмотрите на значения коэффициентов регрессии. отклонив нулевую гипотезу. Residual → Actual. поэтому может быть любого знака) и модулю. то возникло бы противоречие: мы бы одновременно утверждали. протестируйте аналогичным образом гипотезу о том. что b1 + b2 = 1 и b1 + b2 = 1. Однако почему мы не принимаем нулевую гипотезу. Может быть. мы имеем дело с мультиколлинеарностью. что данные не противоречат гипотезе о постоянной отдаче от масштаба. Положительны они или отрицательны? Согласуется ли это с экономической теорией или здравым смыслом? Если предположить постоянную отдачу от масштаба. 3.1 (и b1 + b2 = 0. Мы не смогли ее отклонить. отклонив нулевую гипотезу. Поэтому мы ее не отклоняем и считаем. что b1 + b2 = 1. хорошо ли регрессия описывает выпуск. 1%). п.

Значимы ли теперь коэффициенты? Сохраните уравнение (Name). внесите поправки Уайта. мы выбираем наблюдения со 2-го по 10-е и с 12-го по 15-е): . 4. 5. Для этого произвольно удалим из выборки два наблюдения (предварительно «заморозив» результаты регрессии кнопкой Freeze в окне Equation). Откройте уравнение основной регрессии. Проверим устойчивость оценок параметров. Если выявлена гетероскедстичность. Чтобы это выполнить. и переоценим регрессию. нажмите Estimate и измените Sample следующим образом (т. е. Оцените регрессию одного объясняющего фактора на другой: Значима ли эта регрессия? Сохраните ее (Name).40 Проведите тесты Уайта на гетероскедастичность. скажем 1-е и 11-е.

Оцените регрессию lnq только на константу и lnk (не забудьте в окне Equation Estimation указать прежний Sample: наблюдения с 1-го по 15-е). поэтому оценка регрессии сильно смещена (проще говоря. Оценим эту регрессию (она парная. Сделайте вывод о наличии или отсутствии мультиколлинеарности. который должен быть в регрессии (ведь нельзя же считать. Напомним. и чтобы от нее избавиться. Проанализируйте полученные результаты. Тогда уравнение регрессии lnQ = lna + b1lnL + b2lnK можно преобразовать к виду ln(Q/K) = lna + b1ln(L/K) (выполните это преобразование). проблема решена: коэффициент статистически значим. В п. 2 мы получили оценки. удаленный регрессор коррелирует с оставшимся фактором (капиталом). что выпуск не зависит от трудозатрат!). Проинтерпретируйте результаты («с увеличением капиталовложений на 1%…»). но они статистически незначимы. Преодолеть эту проблему поможет введение (естественного?) предположения о постоянной отдаче от масштаба: b1 + b2 = 1 (вспомним.41 Изменились ли коэффициенты? Значимы ли они теперь? Устойчива ли. регрессия к исключению наблюдений? 6. 8. Мультиколлинеарность присутствует. чтобы по имеющимся статистическим данным оценить параметры а. по-вашему. Удалим из регрессии один фактор (труд). мы исключили из регрессии один фактор – труд. что данные не противоречат этой гипотезе). устраивают. Более того. b1 и b2 производственной функции Кобба-Дугласа Q = aL K . Но мы допустили ошибку – удалили фактор. в принципе. которые нас. ошибочна). наша задача заключается в том. 7. Казалось бы. поэтому проблема мультиколлинеарности здесь уже не возникнет): b1 b2 .

b1 и b2. то гипотеза о регрессионной однородности двух выборок отвергается. для послекризисного периода). выпишите оцененные коэффициенты а (учтите. 2. что c = lna. (Источник: Центральный Банк России).xls. подставьте их в уравнение Q = aLb1 K b2 и проинтерпретируйте. Откройте файл Кризис.42 Решилась ли проблема со значимостью? Не забудьте проверить наличие гетероскедастичности и при необходимости внести поправки Уайта. а после 17 августа – другим. Структурные изменения. для докризисного периода. где t = 1. е.2. Если же вы выполняете работу в EViews.2p . Для начала постройте диаграмму исходных данных.… При выполнении работы в Excel для проведения теста Чоу требуется построить три регрессии (по всем данным. В результате в правом столбце появятся две (потому что используются два различных критерия) вероятности ошибиться. произошло ли структурное изменение в динамике курса доллара 17 августа 1998 года (т. отвергнув нуле- . EViews или Excel Изучается динамика курса российского рубля (RUR) к доллару США (USD) за 1998 год. соответствующий первому дню послекризисного периода. так что а нужно вычислить через с). то после оценки уравнения регрессии выберите в меню View → Stability Tests → Chow Breakpoint Test… В открывшемся диалоговом окне введите номер наблюдения. проще говоря. если Fфакт > Fтабл. Если проблема решена.. причем разница между регрессиями статистически значима). Воспользовавшись тестом Чоу. до 17 августа курс можно описать одним уравнением регрессии. рассчитать F-статистику Fфакт = ( SSE n − SSE n1 − SSE n2 ) ( p + 1) ( SSE n1 + SSE n2 ) ( n − 2 p − 2) и сравнить ее с табличным значением (степени свободы: p + 1 и n . Часть 2. определите. Оцените динамику валютного курса визуально: есть ли основания предположить неоднородность изучаемой совокупности? Оценим регрессию в самом простом виде линейной зависимости курса от времени: y = b0 + b1t + е. и наоборот).

восходящая или нисходящая тенденция? Имеются ли явно выраженные колебания объема продаж в зависимости от дня недели? 2. а затем применяют сезонную поправку.модель с фиктивными переменными. Добавьте линию тренда (Диаграмма → Добавить линию тренда).. месячным. Excel «Временной ряд – это совокупность значений какого-либо показателя за несколько последовательных моментов (периодов) времени»12.– 2007. 296. трендовую компоненту. Постройте диаграмму (график) объема продаж. Выделение циклической компоненты осмысленно в случае подверженности данных циклическим (недельным.– 2-е изд. е.И. под ред. С. Точечный прогноз случайной компоненты в аддитивной модели принимается равным нулю.– С.) колебаниям. Моделирование сезонности.авторегрессионная модель. В данной работе рассмотрим аддитивную модель временного ряда: Y = T + S + E. И. Соколовым. Елисеева. Каждый уровень временного ряда можно считать сформированным из трех компонент: трендовой (Т). Если эти вероятности больше 5%. перераб.: Финансы и статистика. что они достаточно существенны.В. наук М. . годовым и т. Курышева. 13 Пример предложен канд. Т. При построении прогноза сначала находят точечный прогноз трендовой компоненты. выведите уравнение тренда и коэффициент детерминации 12 Эконометрика: Учебник / И. циклической (S) и случайной (Е). то обычно считается.. е. . и доп. п. В данной работе мы изучим три способа моделирования сезонности: . Обычно сезонную компоненту рассчитывают и исключают из ряда (т.модель скользящего среднего.И. Откройте файл Воздушные шары. квартальным. Костеева и др. Что это означает для экономики? ЛАБОРАТОРНАЯ РАБОТА № 5 ВРЕМЕННЫЕ РЯДЫ Часть 1.В. Дан временной ряд объемов продаж воздушных шаров (Y) в одном из магазинов города за лето 2007 г13.xls. на ваш взгляд. Сделайте вывод о наличии или отсутствии структурного сдвига. т. .– М. Циклическую компоненту часто называют сезонной. 1. экон. и нулевая гипотеза не отклоняется. Елисеевой. ряд корректируют на сезонность).43 вую гипотезу об однородности регрессии. а затем выявляют тенденцию. Имеется ли.В.

Если в модели присутствует автокорреляция. ее нельзя использовать для прогнозирования. которое вы получите. отсутствие пропущенных наблюдений. где di – фиктивная переменная. В модели есть незначимый фактор. предварительно добавив фиктивные переменные d1. 2. Для этого добавьте столбец t (1. примените соответствующие тесты)? Сделайте вывод о качестве построенной модели. С помощью теста Дарбина-Уотсона проверьте гипотезу об отсутствии автокорреляции в остатках.d7 или константу.…. Проинтерпретируйте параметры (с оговоркой на значимость/незначимость). Что изменилось? С помощью теста Дарбина-Уотсона проверьте гипотезу об отсутствии автокорреляции в остатках. х – это время (1. Нет ли гетероскедастичности (оцените визуально. 3…). если есть подозрение. Проверьте его значимость (в целом и по отдельным параметрам). Исключите его из уравнения и переоцените регрессию. Поэтому построим модель с сезонностью вида: y = c + b0t + b1d1 + b2d2 + … + b7d7 + е. Проверьте значимость уравнения и параметров. что объемы продаж воздушных шаров зависят от дня недели. которое обычно обозначают через t.44 (отметьте соответствующие флажки в диалоговом окне). Оцените модель вида y = с + b0t + b1d1 + b2d2 + … + b6d6 + е. Как вы предполагаете. Переменная d7 выбрана произвольно. Удалим из модели переменную d714. принимающая значение 1. 2. d7. Выпишите оцененное уравнение регрессии. 3. возможность тестирования автокорреляции только первого порядка). 3…) и оцените регрессию Y на t. В уравнении. Выпишите оцененное уравнение. потому что в модели присутствует полная мультиколлинеарность: d1 + … + d7 = 1 = const. Естественно предположить. . значимо ли уравнение при таком коэффициенте детерминации? Получите это уравнение регрессии с помощью надстройки Анализ данных.…. 14 Можно было удалить любую из переменных d1. присутствие константы. чтобы модель можно было протестировать на автокорреляцию тестом Дарбина-Уотсона (ограничения теста Дарбина-Уотсона: линейность модели. если наблюдение относится к i-му дню недели.…. и 0 в противном случае (i = 1.7). 2. Оцените эту модель. отсутствие лагов объясняемой переменной. Константу решено не удалять. указывающие на ошибку. Рассмотрите график остатков. Excel должен выдать результаты. Сделайте вывод о качестве построенной модели.

Наибольшее по модулю значение – ACF(7).2007 г. оцените значимость коэффициента b и регрессии в целом.45 На основе последней оцененной модели выпишите семь уравнений – отдельно для каждого дня недели. в какие дни продажи больше. ACF(14) тоже высоко (и даже немного выше). yt-2).10. И т. Скопируйте эту формулу вниз. поэтому для тестирования модели на автокорреляцию постройте график остатков (изменение во времени) и график (точечную диаграмму) зависимости остатков et+1 от et. Постройте линейную регрессию вида yt = a + b·yt-7 + е. . Таким образом. отстающими на определенный лаг (указанный в столбце t). Постройте график функции ACF (коррелограмму). Значение автокорреляционной функции в точке 2 – это коэффициент корреляции между уровнями ряда (yt) и его значениями с лагом 2 (т. предполагаем. Постройте на диаграмме график исходного ряда у и смоделированного ряда ŷt = a + b·yt-7. Значение автокорреляционной функции в точке 1 – это коэффициент корреляции между уровнями ряда (yt) и его непосредственно предшествующими значениями (yt-1). Постройте точечный прогноз объема продаж на 05. Видна ли на графике автокорреляция? Сделайте вывод о качестве построенной модели. видимо. Рассчитаем значения автокорреляционной функции (ACF) временного ряда объемов продаж y и построим ее график (коррелограмму). сделайте вывод о том. как показано на рисунке: По этой формуле Excel рассчитает коэффициент корреляции между диапазонами В3:В93 и В2:В92. Удовлетворительно ли модель описывает данные? Данная модель называется авторегрессионной. т. е. что объемы продаж сильно зависят от значений недельной давности. Поэтому на отдельном листе введите формулу. Учитывая 95%-е доверительные интервалы для коэффициентов регрессии. д. Вы получите коэффициенты корреляции между текущими уровнями ряда и уровнями. тоже по причине недельной «сезонности». е. Тест Дарбина-Уотсона не рассчитан на авторегрессионные модели. 4. это регрессия ряда y на самого себя (с лагом).

) Часть 2. Например.2007 г. что увеличение денежной массы влечет за собой инфляцию? . Сравните результаты прогнозирования по трем моделям. EViews «В экономике часто возникает вопрос о причинно-следственной связи между переменными. вс. вт. Получим скорректированные оценки сезонных компонент. В итоге получим: Y – S = b0 + b1t + E => Y = b0 + b1t + S + E. где S – соответствующая скорректированная оценка сезонной компоненты. Здесь Т = b0 + b1t – трендовая компонента ряда. деленную на 7.S. В столбце F вы получите несколько оценок сезонной компоненты для пн. 2.…. вс должна быть равна нулю. Исключим сезонную компоненту – рассчитаем уровни ряда Y . Сгладим ряд Y скользящим средним с лагом 7.10. д. верно ли. (спрогнозируйте трендовую компоненту и добавьте сезонную поправку). Какой прогноз вам представляется более предпочтительным? (Обратите внимание на качество построенных моделей. Построим регрессию Y .S на t (t = 1. вт и т. Сумма средних оценок сезонных компонент для пн.10. Для этого вычтем из каждой средней оценки эту ненулевую сумму.…. Выявление причинно-следственных связей. В данной модели Y = T + S + E. Выпишите их.2007 г. Найдите средние значения оценок сезонной компоненты отдельно для пн. Сравните с результатами п. вт. 6. 3.… — добавьте этот столбец). Для этого заполним следующую таблицу (на отдельном листе): Скопируйте формулы из ячеек D5:F5 вниз до 90-й строки включительно. Если она не равна нулю. постройте точечный прогноз объема продаж на 05. 5.46 Постройте точечный прогноз объема продаж на 05. оценки нужно скорректировать. Используя это уравнение.

. 239-240. 1969)15. т. 16 Магнус Я. означает возможность наличия причинно-следственной связи. 424-438. х должен вносить вклад в прогноз у. Investigating Causal Relations by Econometric Models and Cross-Spectral Methods // Econometrica. Заметим.– Р. лучше проделать тест для нескольких различных значений m и выяснить. а означает то. Начальный курс. то это означает. е. может повлиять на результат теста. что х не является причиной у. а гипотеза "у не влияет на х" была принята. (12.– 1969. надо только поменять местами х и у в уравнении (12. Для того чтобы тестировать нулевую гипотезу "х не влияет на у". что "х влияет на у". насколько результат теста чувствителен к выбору m. Если же каждая из этих двух переменных дает значимый вклад в прогноз другой.А. что "х влияет на у" не означает наличия причинноследственной связи между х и у. Описанный выше тест называется тестом Гранжера на причинноследственную зависимость (Granger causality test). что предшествующие значения х объясняют последующие значения у.xls) и индексе потребительских цен (файл price. во-вторых. чтобы гипотеза "х не влияет на у" была отвергнута. Для того чтобы прийти к заключению. Гипотеза "у не влияет на х" тестируется аналогично. Задание: используя данные о денежных агрегатах М0. Подчеркнем.32). C..xls) в России 15 Granger. что выбор m. вообще говоря.. надо. Катышев П.32). но не наоборот. у не должен вносить значимый вклад в прогноз х. должны выполняться два условия: во-первых. Если же гипотеза "х не влияет на у" не отвергается.: Дело. мы оцениваем регрессию у на лагированные значения у и лагированные значения х: m m j =1 j =1 y t = α 0 + ∑ α j y t − j + ∑ β j xt − j + ε t . Эконометрика. Как правило.32) На языке этой модели гипотеза "х не влияет на у" формулируется как Н0: β1 = … = βm = 0. предложенного в работе (Granger.Р. 2000. проста: если х влияет на у. М1 и М2 (файл money. Иначе говоря.– 37. существует третья переменная z.47 Идея теста. Для ее тестирования применяется обычный F-тест […]. скорее всего. для тестирования гипотезы Н0 рекомендуется применять тест множителей Лагранжа […]»16. Пересецкий А. то изменения х должны предшествовать изменениям у. если имеются основания предполагать наличие автокорреляции ошибок в модели (12.– С. влияющая на обе переменные. то.– М.К. В том случае.

Для оценки денежной массы выберите один из трех имеющихся денежных агрегатов (постарайтесь обосновать ваш выбор). Нет ли в рядах тенденции? 3.: Финансы и статистика. и август 1999 г. то будем анализировать отдельно июль 1995 г. произошедшее после кризиса августа 1998 г. Елисеевой. пособие / И.xls.xls и money. Если вы выбрали. выяснить. Поскольку в августе 1998 г. Откройте эти ряды.48 за период с июля 1995 г. Создайте в EViews новый файл: Импортируйте ряды p. Курышева.. Есть ли в рядах тенденция? Какая? Обратите внимание на изменение динамики рядов. что увеличение денежной массы влечет за собой инфляцию. m0. верно ли. постройте их графики. Создайте переменную y – темп инфляции (темп прироста цен): genr y=p/p(-1)-1 Создайте переменную х – темп прироста денежной массы. Порядок выполнения: 1. перераб. отбросив период турбулентности: 1) Изменим Sample: 17 Данные взяты с компакт-диска. m2 из файлов price. постройте их графики. то для создания переменной х вам понадобится команда genr x=m0/m0(-1)-1 Откройте ряды х и у.И.– 2-е изд. 2006.. Елисеева. по сентябрь 2004 г. – июль 1998 гг. российская экономика пережила структурное изменение. С. и доп. Н. под ред.М.В. входящего в комплект книги: Практикум по эконометрике (+CD): Учеб.– М. 2. Гордеенко и др. скажем М0.И. – сентябрь 2004 гг.17.. m1. . И.

что в регрессии должно быть не больше 6 коэффициентов.32) нужно подставить m = 1 и m = 2. нет ли в остатках автокорреляции. выводы по нему могут быть недостоверными. значит. Оценим эту регрессию: Проверьте. Значит. . получим. то применение теста Дарбина-Уотсона может привести к ошибочным выводам. Поэтому в данной работе для проверки на автокорреляцию всех регрессий используйте тест множителей Лагранжа. Учитывая. Если среди объясняющих переменных имеется лаг объясняемой переменной. Подставим m = 1: yt = α 0 + α1 yt −1 + β1 xt −1 + ε t . Если автокорреляция в уравнении присутствует. что на оценку одного коэффициента регрессии должно приходиться хотя бы 6 наблюдений. в уравнение (12.49 В этой подвыборке всего 37 наблюдений.

Оцените эту регрессию: . то она отклоняется. Теперь оцените регрессию.50 Проверьте гипотезу «х не влияет на у». заменив у на х: Проверьте гипотезу «у не влияет на х». В данном случае она формулируется как Н0: β1 = 0 и проверяется по критерию Стьюдента. Далее введем в уравнение еще один лаг: yt = α 0 + α1 yt −1 + α 2 yt −2 + β1 xt −1 + β 2 xt −2 + ε t . Если коэффициент β1 значим.

сформулированный в задании (отдельно для докризисного и послекризисного периодов).51 Проверьте гипотезу Н0: β1 = β2 = 0 («х не влияет на у»): View → Coefficient Tests → Wald – Coefficient Restrictions…: Аналогичным образом проверьте гипотезу «у не влияет на х». что коэффициент значим.– 2001. но все же он значим на 10%-м.. 20 Yang Ya-Hwei. Заполните таблицу: Подвыборка июль 1995 г. В таком случае вывод по данному уравнению может быть признан недостоверным. Подробнее на тему взаимосвязи денежной массы и инфляции можно прочитать. август 1999 г.– 22. например. е. см.– 11. Causality between money. 19 Если присутствует автокорреляция. – сентябрь 2004 г. 2) Самостоятельно проанализируйте август 1999 г. 22 Popov V. – сентябрь 2004 г.– Р. 21 Sutela Pekka. 18 Коэффициент незначим на 5%-м уровне. если мы скажем. меньшей 10%. например. отметьте это. О кризисе 1998 г. то ошибемся с вероятностью. Currency Crises in Russia and Other Transition Economies. 37 наблюдений 62 наблюдения m=1 m=2 х влияет на у? m=3 m=4 m=5 m=1 m=2 у влияет на х? m=3 m=4 m=5 нет/да18 да19 Ответьте на вопрос. . т. The Financial Crisis in Russia // BOFIT Online.– 1990.– 1999. в эконометрической работе Янга20. interest rates and prices in Taiwan: a multivariate time-series analysis // Applied Economics. 1739-1749. – июль 1998 г. работы Сутелы21 и Попова22...

– 11.: Дело.– 2001.– Ростов-н/ Дону. Молчанов И.Н. 2000. перераб.А..– М. Эконометрика: Учебное пособие / Рост. Эконометрика.А. Курышева. Герасимова И.Б..: Финансы и статистика.– Р.– М.Р. Костеева и др. перераб. унив. Начальный курс. Causality between money. Курышева.– Ростов н/Дону. И..– 1969.В. Материалы к семинарским занятиям по эконометрике (не опубликованы). 6. Granger. 8.– 22. 1739-1749.– 2-е изд. Соколов М. 9.– 1990. Sutela Pekka.В. Арженовский С.К. The Financial Crisis in Russia // BOFIT Online. 5. Катышев П.. 4. Макарова С. 2002. С. 7.– М. Елисеева.– 37. С. Федосова О..И. экон. 11.– Р.– 2-е изд. Елисеевой.– 1999. гос.И. Магнус Я. Yang Ya-Hwei. 2.В. и доп.52 БИБЛИОГРАФИЧЕСКИЙ СПИСОК 1. C. Компьютерный практикум по начальному курсу эконометрики (реализация на EViews): Практикум / Ростовский государственный экономический университет..И.В. Пересецкий А. пособие / И.. Конспект лекций по эконометрике (не опубликован). Currency Crises in Russia and Other Transition Economies.В. Popov V. Гордеенко и др. под ред. Елисеевой. Елисеева. И. 2006. interest rates and prices in Taiwan: a multivariate time-series analysis // Applied Economics. 3.. и доп. под ред.: Финансы и статистика. Практикум по эконометрике (+CD): Учеб.М. 424-438. Эконометрика: Учебник / И. 10. Т. 2007. 2001. Investigating Causal Relations by Econometric Models and Cross-Spectral Methods // Econometrica. . Н.И.Н.

л.04. 191023.53 Методические указания по выполнению лабораторных работ ПО ЭКОНОМЕТРИКЕ (компьютерный практикум в Excel и EViews) Редактор О. д. Тираж 300 экз. . Масликова Подписано в печать 8. Cадовая ул. Издательство СПбГУЭФ. РТП изд-ва СПбГУЭФ.25. Санкт-Петербург. 3. печ. Формат 60х84 1/16. Усл.А. 21.. Заказ 236.09.