Объясняющие переменные стохастические 273 [c.440]
Однако в экономических исследованиях мультиколлинеарность чаще проявляется в стохастической форме, когда между хотя бы двумя объясняющими переменными существует тесная корреляционная связь. Матрица Х Х в этом случае является неособенной, но ее определитель очень мал. [c.108]
В экономико-математических исследованиях используются не только математические переменные (как в приведенных случаях), но и логические переменные (см., напр, Параметр целочисленных значений). В эконометрии также применяется взятый из математической статистики термин "объясняющие переменные" (см. Регрессия) для обозначения независимых переменных (факторов) — как управляемых, так и сопутствующих. Объясняющие переменные могут быть как детерминированными, так и стохастическими. [c.262]
При стохастической закономерности для заданных значений зависимой переменной можно указать ряд значений объясняющей переменной, случайно рассеянных в интервале. Каждому фиксированному значению аргумента соответствует определенное статистическое распределение значений функции. Это обусловливается тем, что зависимая переменная, кроме выделенной переменной, подвержена влиянию ряда неконтролируемых или неучтенных факторов. Поскольку значения зависимой переменной подвержены случайному разбросу, они не могут быть предсказаны с достаточной точностью, а только указаны с определенной вероятностью. [c.139]
Для отражения того факта, что реальные значения зависимой переменной не всегда совпадают с ее условными математическими ожиданиями и могут быть различными при одном и том же значении объясняющей переменной (наборе объясняющих переменных), фактическая зависимость должна быть дополнена некоторым слагаемым s, которое, по существу, является случайной величиной и указывает на стохастическую суть зависимости. Из этого следует, что связи между зависимой и объясняющей(ими) переменными выражаются соотношениями [c.94]
На самом деле взаимосвязи показателей в экономике редко имеют простой функциональный вид, поскольку на интересующий нас показатель кроме явно учитываемых объясняющих переменных влияет еще множество других факторов, существующих в действительности, но не учитываемых явно в модели часть из этих факторов -случайные. Это обусловливает стохастическую природу как некоторых экономических переменных, так и взаимосвязей между ними. Стохастические взаимосвязи переменных можно описать с помощью частотных (вероятностных) или корреляционных характеристик. [c.284]
Несовершенная Мультиколлинеарность, то есть стохастическая связь переменных х, и х2, характеризуется величиной коэффициента корреляции с между ними. Чем ближе по абсолютной величине значение коэффициента корреляции к единице, тем ближе Мультиколлинеарность к совершенной и тем труднее разделить влияния объясняющих переменных х и х, на поведение переменной у и тем [c.347]
Глава 1. Особенности регрессионного анализа для стохастических объясняющих переменных [c.7]
Если же мы имеем дело со стохастическими (случайными, недетерминированными) объясняющими переменными, то в общем случае Е ((X Х) , так что [c.8]
В главе 1 мы уже отмечали, что рассмотренные там случаи, в которых можно использовать стандартные процедуры регрессионного анализа несмотря на то, что объясняющие переменные являются стохастическими (ситуации А, А, В, С), не охватывают наиболее интересных для нас моделей стационарных и нестационарных временных рядов. Это замечание относится и к широко используемым на практике моделям авторегрессии, в том числе и стационарным. [c.57]
Стохастические объясняющие переменные, инструментальные переменные и ошибки в переменных [c.266]
С помощью понятий, введенных в предыдущем параграфе, мы можем теперь изучить асимптотические свойства оценок наименьших квадратов в общей линейной модели со стохастическими объясняющими переменными. Рассмотрим соотношение [c.273]
Под мулыпикаллинеарностью понимается высокая взаимная коррелированностъ объясняющих переменных. Мультиколлинеарность может проявляться в функциональной (явной) и стохастической (скрытой) формах. [c.108]
Классическое решение подобной задали состоит в предположении, что имеется некоторая дополнительная информация. Как правило, считают известным и постоянным отношение дисперсий ошибок и и и. Такое решение не кажется нам удовлетворительным с эконометриче-ской точки зрения, поскольку переменная и, вообще говоря, содержит две составляющие — ошибку -измерения переменной Y и стохастическое возмущение. И если можно рассчитывать на какой-то шанс при попытке оценить ошибку измерения величины Y, то у "нас нет никакой надежды определить заранее величину дисперсии возмущающего воздействия. В самом деле, оценка качества подгонки соотношения к исходной статистической информации есть одна из непосредственных целей эконометрического анализа. Классический подход к решению этой задачи основан на предположении, что существует точная связь между истинными значениями У и X, так что и отражает только ошибку измерения величины Y. Единственный выход в нашем случае — гипотеза о том, что дисперсия ошибки измерения объясняющей переменной известна. Такое предположение для многих конкретных ситуаций оказывается вполне приемлемым. Так, становится все более принятым публиковать статистические данные о национальном доходе с указанием вероятного уровня ошибок. Пусть, например, наблюдаемые значения переменной X имеют среднее, равное 100, и мы утверждаем, что максимальная ошибка каждого значения с очень малой вероятностью превосходит 10%. Мы можем тогда положить Зсг = 10 и о = 11. [c.286]
Двухшаговый метод наименьших квадратов. Основная трудность в рассматриваемой нами модели, как мы видели, возникает из-за корреляции между возмущением и и зависимой переменной Y в соотношении спроса (12.1). Косвенный метод наименьших квадратов является в этих условиях одним из допустимых приемов оценивания. Двухшаговый метод наименьших квадратов обладает гораздо более широкой сферой применения. Его полное описание будет дано в гл. 13, а здесь мы ограничимся лишь кратким изложением основной идеи. Эта идея состоит в очистке объясняемой переменной Y от стохастической со-отавляющей, связанной с возмущающим воздействием и. Можно попытаться осуществить ее, вычислив обыкновенную регрессию переменной Y на экзогенную переменную системы, т. е. на Z, заменив затем переменную Y в исходном соотношении полученным ее выражением через Z и применив, наконец, метод наименьших квадратов к преобразованному таким образом соотношению. Итак, первый шаг состоит в применении метода наименьших квадратов к расчету регрессии [c.346]
Смотреть страницы где упоминается термин Объясняющие переменные стохастические
: [c.136] [c.111] [c.274] [c.307]Экономика для начинающих (2005) -- [ c.102 ]