Необходимость использования качественных фиктивных переменных в регрессионном анализе.
Стр 1 из 5Следующая ⇒ В больш-ве случаев независимые переменные в регресс. моделях имеют непрерывные области изменения. Однако теория не накладывает никаких ограничений на характер коэф-тов регрессии, некот. переменные могут принимать всего два значения или в более общей ситуации – множество дискретных значений. Необх-сть рассмотрения таких переменных возникает в случаях, когда надо оценить какой либо качественный признак, т. е. Когда факторы, вводимые в ур-ие регрессии являются качест-ми и не измеряются по числовой шкале. Н-р, при исследовании зависимости з/п от различных факторов может возникнуть вопрос, влияет ли на ее размер наличие у работника высшего образования; существует ли дискриминация в оплате труда женщин и мужчин. Одним из решений данного примера явл. оценка отдельных регрессий для каждой категории, а затем изучение различий м/у ними. Другой подход состоит в оценке единой регрессии с использованием всей совокупности наблюдений и измерений степени влияния качественного фактора посредством введения фиктивной переменной. Она является равноправной переменной наряду с др-ми переменными моделями. Ее фиктивность закл. лишь в том, что она количеств-м образом описывает качественный признак. Второй подход обладает след. преимущ: 1) это простой способ проверки, явл. ли воздействие качественного признака значимым; 2) при условии выполнения опред. предположений регрессионной оценки оказывается более эффективным.
33.Способы введения фиктивных переменных в регрессионную модель. Фиктивные переменные вводятся в модель регрессии след. образом. Н-р, 1) пусть Х=(х1, х2, …, хК) – это набор объясняющих независимых переменных, Y(x)= f(x) –это ф-ия, описывающая зависимость з/п от различных факторов.
Тогда первоначальная модель будет выглядеть след. образом: Y(x)= a1*x1+a2*x2+…+aK*xK+∑ (5.1). Надо определить влияние такого фактора, как наличие или отсутствие высшего образования. Для этого вводится фиктивная переменная d. Если работник имеет высшее образование, то d=1, если нет, то d=0. При введении фиктивной переменной ур-ие регрессии принимает след. вид Y(x)= a1*x1+a2*x2+…+aK*xK+ σ d+∑=x’*a+ σ d+∑ (5.2), где σ – коэф-т регрессии при фиктивной переменной. При изучении модели (5.2) считают, что средняя з/п есть x’*a – при отсутствии высшего образования, x’*a+ σ – при его наличии. Т. о., σ интерпретируется как среднее изменение з/п при переходе из одной категории в др-ю. <График> К полученному ур-ию нужно применить МНК и получить оценки соответствующих коэф-тов. Станд. ошибки коэф-тов при фиктивных переменных используются для проверки гипотез и построения доверительных интервалов. Наиболее распр. их применение состоит в проверке значимости отличия коэф-тов от 0. Она выполняется делением коэф-та на станд. ошибку для получения t-критерия Стъюдента. Расчетные значения сравниваются с критическим табличным значением при заданном уровне значимости. Качественные переменные могут отвечать не только за сдвиги у постоянного члена, но и за наклон линии регрессии. В данном случае используется фиктивная переменная для коэф-та наклона, к-ая наз-ся переменная взаимодействия. В примере 1 был рассмотрен случай зависимости з/п от наличия высшего образования без учета опыта работы по данной специальности. Для рассмотрения влияния этого фактора вводится новая фиктивная переменная zdx, тогда Y(x) = x’*a+ σ d+ zdx +∑; Y(x) = σ d+ x*(a+zd) +∑; (5.3). Если d=0, то коэф-т при Х как и раньше равен а, если d=1, то коэф-т приобретает вид (a+z). Поэтому величина z рассматривается как разность между коэф-том при показателе наличия высшего образования для работника, к-ый имеет опыт работы, и коэф-том при показателе наличия высшего образования для работника без опыта работы. Качественные различия можно формализовать с помощью любой переменной, принимающей два значения. Однако в эк-ой практике обычно используется система 01, поскольку в этом случае интерпретация выглядит наиболее просто.
34.Проверка регрессионной однородности выборочной совокупности (критерий Чоу). Сравнение двух регрессий. Ранее предполагалось, что изменение значения качеств-го фактора влияет лишь на изменение свободного члена. Но это, не всегда так. Следов-но, необходимо представить, что изменение качеств. фактора может привести как к изменению свободного члена уравнения, так и наклона прямой регрессии. Обычно это характерно для временных рядов экон-их данных при изменении институциональных условий, введении новых правовых или налоговых ограничений. Для сравн. двух регрессий м/б использован тест Чоу. Суть теста в следующем: пусть выборка имеет объем n. Через
35.Регрессионные модели с колич-ми и качественными переменными (ANCOVA-модели). Регр. модели, содерж. лишь качеств. переменные, наз. ANOVA-моделями (моделями дисперсион-го анализа). Однако такие модели в экономике крайне редки. Гораздо чаще встреч-ся Модели, в кот.объясняющие переменные носят как колич-ый, так и качест-ый хар-р, и наз-ся ANCOVA-моделями (моделями ковариационного анализа). ANCOVA-модель при наличии у фиктивной переменной двух альтернатив. Вначале рассмотрим простейшую ANCOVA-модель з/п сотрудника фирмы (Y) с одной колич. и одной качеств., имеющей два альтернативных состояния
36.Использование фиктивных переменных в анализе сезонности. Многие экономические показатели напрямую связаны с сезонными колебаниями. Например, спрос на туристические путевки, охлажденную воду и мороженое существенно выше летом, чем зимой. Спрос на обогреватели, шубы выше зимой. Некоторые показатели имеют существенные квартальные колебания и т. д. Обычно сезонные колебания характерны для временных рядов. Устранение или нейтрализация сезонного фактора в таких моделях позволяет сконцентрироваться на других важных количественных и качественных характеристиках модели, в частности на общем направлении развития модели, так называемом тренде. Такое устранение сезонного фактора называется сезонной корректировкой. Существует несколько методов сезонной корректировки, одним из которых является метод фиктивных переменных. Выбор правильной формы модели регрессии является в данной ситуации достаточно серьезной проблемой, так как в этом случае вполне вероятны ошибки спецификации. Вначале рассматривается математическая модель. Определяется статистическая значимость коэффициентов. Если в этой модели дифференциальные свободные члены оказываются статистически незначимыми, то делают вывод, что квартальные (сезонные) изменения несущественны для рассматриваемой зависимости [12]. В анализе временных рядов принято рассматривать следующие формы взаимосвязи: аддитивная и Мультипликативная модель изучения сезонности.
37.Модели с завис-ми качеств (альтерн-ми) переменными. Логит- и пробит-модели,оценив-ние их параметров. Представим модели результата сдачи с первой попытки экзамена в ГАИ в виде примера Пусть
Вы изучаете поведение покупателей в Вашем магазине и хотите изучить чем поведение купивших отличается от поведения людей, не сделавших покупку. В этом случае факт покупки - зависимая бинарная величина, а поведение человека в магазине и половозрастные характеристики посетителя - факторы. Введем следующие обозначения: Покупка - значение "1", клиент ушел без покупки - "0". T - время проведенное в магазине;Y - возраст клиента; K - внешняя респектаб-ность клиента по 5-бальной шкале; е(i) - "ошибки". В e(i) -попадают отклонения, которые не объяснены моделью. В итоге, модель имеет следующий вид: Покупка(i) = a*T(i)+b*Y(i)+c*K(i)+e(i) По ряду причин, применение линейного оценивания здесь дает некорректные результаты, поэтому для оценки коэффициентов"а,b,c" задается условное распределение положительного решения о покупке в зависимости от дохода. В случае если рассматривается стандартное нормальное распределение, модель называется probit, если логистическое, то - logit.
38.Системы уравнений, используемых в эконометрике. Независимые системы. Рекурсивные системы. Сист. ур-й в эконометрич. исслед. может быть построена по-разному. система независимых уравнений, когда каждая зависимая переменная
39.Системы одновременных (совместных) уравнений. Структурная и приведенная формы модели. Наиб. распростр. в эконометрич. исслед. с ист. взаимозависимых ур-ний. В ней одни и те же завис. переменные в одних ур-ях входят в левую часть, а в др — в правую часть сист: Каждое ур-ние системы одновр. ур-ний не может рассмат. самостоят. С этой целью исп. спец. приемы оценивания. Эндогенные переменные — завис. переменные, число кот.равно числу ур-ний в системе; обозначаются через Стр. форма модели в правой части содержит при энд. переменных коэффициенты
Из стр.модели можно выразить
Преобразуя аналогично второе уравнение получим
40.Проблема идентифицируемости модели. При переходе от приведенной формы модели к структурной сталкив. с проблемой идентификации, кот. явл. единственностью соответствия м/у привед. и структурной формами модели. Структурная модель (6.3) в полном виде содержит Чтобы получить единственно возможное решение для структурной модели, необходимо предположить, что некоторые из структурных коэффициентов модели ввиду слабой взаимосвязи признаков с эндогенной переменной из левой части системы равны нулю. Тем самым уменьшится число структурных коэффициентов модели. Уменьшение числа структурных коэффициентов модели возможно и другим путем: например, путем приравнивания некоторых коэффициентов друг к другу, т. е. путем предположений, что их воздействие на формируемую эндогенную переменную одинаково. На структурные коэффициенты могут накладываться, например, ограничения вида С позиции идентифицируемости структурные модели можно подразделить на три вида: Модель идентифицируема, если все структурные ее коэффициенты определяются однозначно, единственным образом по коэффициентам приведенной формы модели, т. е. если число параметров структурной модели равно числу параметров приведенной формы модели. В этом случае структурные коэффициенты модели оцениваются через параметры приведенной формы модели и модель идентифицируема. Модель неидентифицируема, если число приведенных коэффициентов меньше числа структурных коэффициентов, и в результате структурные коэффициенты не могут быть оценены через коэффициенты приведенной формы модели. Модель сверхидентифицируема, если число приведенных коэффициентов больше числа структурных коэффициентов. В этом случае на основе коэффициентов приведенной формы можно получить два или более значений одного структурного коэффициента. В этой модели число структурных коэффициентов меньше числа коэффициентов приведенной формы. Сверхидентифицируемая модель в отличие от неидентифицируемой модели практически решаема, но требует для этого специальных методов исчисления параметров.
41.Необходимое и достаточное условия идентиф-мости модели. Структурн.модель пред-ет систему совместных ур-ний, кажд. из кот.треб-тся проверять на идентификацию. Модель счит.идентифицируемой, если каждое ур-ние системы идентифицируемо. Чтобы ур-ние было идент-мо, необх., чтобы число предопредел-х переменных, отсутств-их в данном ур-нии, но присутств-их в системе, было равно числу эндогенных переменных в данном ур-нии без одного. Если обозн. число эндогенных переменных в i -м ур-нии H, а число экзогенных (предопред) переменных, кот содержатся в системе, но не входят в данное ур-ние, — D, то условие идентифицируемости модели в виде след. счетного правила:
Ур-ние идентиф-емо, если по отсутств. в нем переменным (эндогенным и экзогенным) можно из коэффициентов при них в других уравнениях системы получить матрицу, определитель которой не равен нулю, а ранг матрицы не меньше, чем число эндогенных переменных в системе без одного.
Воспользуйтесь поиском по сайту: ![]() ©2015 - 2025 megalektsii.ru Все авторские права принадлежат авторам лекционных материалов. Обратная связь с нами...
|