+7(996)961-96-66
+7(964)869-96-66
+7(996)961-96-66
Заказать помощь

Курсовая работа на тему Системы регрессионных уравнений и перспективы эконометрики

ОПИСАНИЕ РАБОТЫ:

Предмет:
ЭКОНОМЕТРИКА
Тема:
Системы регрессионных уравнений и перспективы эконометрики
Тип:
Курсовая работа
Объем:
38 страниц
Дата:
22.02.03
Идентификатор:
idr_1909__0015609
ЦЕНА:
570 руб.

399
руб.
Внимание!!!
Ниже представлен фрагмент данной работы для ознакомления.
Вы можете купить данную работу прямо сейчас!
Просто нажмите кнопку "Купить" справа.

Оплата онлайн возможна с Яндекс.Кошелька, с банковской карты или со счета мобильного телефона (выберите, пожалуйста).
ЕСЛИ такие варианты Вам не удобны - Отправьте нам запрос данной работы, указав свой электронный адрес.
Мы оперативно ответим и предложим Вам более 20 способов оплаты.
Все подробности можно будет обсудить по электронной почте, или в Viber, WhatsApp и т.п.
 

Системы регрессионных уравнений и перспективы эконометрики - работа из нашего списка "ГОТОВЫЕ РАБОТЫ". Мы помогли с ее выполнением и она была сдана на Отлично! Работа абсолютно эксклюзивная, нигде в Интернете не засвечена и Вашим преподавателям точно не знакома! Если Вы ищете уникальную, грамотно выполненную курсовую работу, курсовую, реферат и т.п. - Вы можете получить их на нашем ресурсе.
Вы можете заказать курсовую Системы регрессионных уравнений и перспективы эконометрики у нас, написав на адрес ready@referatshop.ru.
Обращаем ваше внимание на то, что скачать курсовую Системы регрессионных уравнений и перспективы эконометрики по предмету ЭКОНОМЕТРИКА с сайта нельзя! Здесь представлено лишь несколько первых страниц и содержание этой эксклюзивной работы - для ознакомления. Если Вы хотите получить курсовую Системы регрессионных уравнений и перспективы эконометрики (предмет - ЭКОНОМЕТРИКА) - пишите.

Фрагмент работы:





Содержание


Введение 3
Глава 1. Системы регрессионных уравнений 6
§ 1.1. Внешне не связанные уравнения 6
§ 1.2. Системы одновременных уравнений 8
1.2.1. Примеры: кривые спроса и предложения 8
1.2.2. Системы одновременных уравнений в матричной форме. Проблема идентифицируемости 15
1.2.3. Оценивание систем одновременных уравнений. Двухшаговый метод наименьших квадратов 19
Глава 2. Перспективы эконометрики 25
§ 2.1. Чем собственно занимается эконометрист? 25
§ 2.2. Эконометрика и физика 26
§ 2.3. Эконометрика и математическая статистика 27
§ 2.4. Теория и практика 28
§ 2.5. Эконометрический метод 29
§ 2.6. Слабое звено 32
§ 2.7. Агрегирование 33
§ 2.8. Как использовать другие работы 33
Заключение 35
Список используемой литературы 37


Введение

В своей работе я попробую несколько отойти от обычной практики, когда в работе раскрывается одна тема. В этой работе мне хотелось бы рассмотреть ДВА вопроса. Они не связаны напрямую один с другим, однако при рассмотрении курса Теории современной эконометрики, обе этих отдельных, в общем-то, темы вызвали мой интерес. Первая тема - "Система регрессионных уравнений" - просто один из вопросов, которыми занимается эконометрика. Можно сказать, что эта тем несет прикладной, практический характер. Второй же вопрос, на котором я хотел бы остановиться в своей работе - это перспективы эконометрики в целом, как науки. Безусловно, современная эконометрика - серьезная наука, имеющая важное значение. Некоторые авторы утверждают, что "современное университетское экономическое образование держится на трех китах: макроэкономике, микроэкономике и эконометрике" (В.Л. Макаров). И тем более мне показалось интересным рассмотреть в работе перспективы эконометрики. Таким образом, мою работу нельзя назвать одной темой, например, "Система регрессионных уравнений и перспективы эконометрики". Это вопросы, лежащие в разных плоскостях. Однако оба они позволяют лучше понять теорию эконометрики, ее методы; один - являясь примером задач, которые решает эконометрика, а второй - показывая общий круг этих задач и само значение их изучения.
Итак, в первой главе своей работы я постараюсь подробно рассмотреть тему "Системы регрессионных уравнений". При моделировании достаточно сложных экономических объектов часто приходится вводить не одно, а несколько связанных между собой уравнений, т. е. описывать модель системой уравнений. А значит, при проведении регрессионного анализа модели может возникнуть необходимость оценивать систему уравнений. Например, простейшая макроэкономическая кейнсианская модель потребления может быть представлена в следующем виде:

где Ct - агрегированное потребление, Yt - национальный доход, It - инвестиции в период времени t. Коэффициент t носит название склонность к потреблению.
Как будет показано ниже, наличие связи между переменными Ct и Yt, определяемой вторым уравнением, требует корректировки метода наименьших квадратов для оценивания параметров модели 1 и 2. Вообще, оценивание систем уравнений требует введения новых понятий и разработки новых методов, чему и посвящена данная работа. Сначала мы рассмотрим более простую задачу оценивания системы, в которой уравнения связаны лишь благодаря наличию корреляции между ошибками в разных уравнениях, - это так называемая система внешне не связанных между собой уравнений (Seemingly Unrelated Regression, SUR). Затем мы исследуем общие системы регрессионных уравнений, которые в эконометрике называются системами одновременных уравнений (Simultaneous equations).
Во второй главе я остановлюсь на анализе перспектив эконометрики как науки. Невозможно стать хорошим моряком, сидя дома и изучая книги по мореходному делу. Так и изучая книги по эконометрики, невозможно стать сразу же хорошим эконометристом. Прикладные эконометрические исследования включают в себя гораздо больший круг проблем и задач, чем рассматривается в литературе. Возможно, лучшим способом обучения является стажировка у более опытного коллеги. Не следует думать, что практика эконометрики состоит просто в механическом применении известных процедур. Прикладная эконометрика - это весьма тонкое балансирование между экономической теорией, доступностью данных, предварительными идеями и, конечно, эконометрической теорией.
В этой главе я попробую проанализировать, чем собственно занимается эконометрист, рассмотрю связь между эконометрикой и физикой, эконометрикой и математической экономикой, эконометрикой и математической статистикой, разрыв между теорией и практикой, методологиями "сверху вниз" и "снизу вверх", слабые звенья, агрегирование и как использовать опыт других исследований. Это попытка суммировать все то, что могло бы быть образно названо патологией эконометрики.


Глава 1. Системы регрессионных уравнений

§ 1.1. Внешне не связанные уравнения

Чтобы понять постановку задачи и суть проблемы, рассмотрим следующий пример. Предположим, что исследуется зависимость инвестиций у, осуществляемых некоторым предприятием (например, компанией "Газпром"), от его дохода х1 и размера основного фонда х2:
(1)
Представим теперь, что имеется ряд наблюдений другого аналогичного предприятия (например, компании "ЛУКойл"):
(2)
Конечно, можно оценивать уравнения (1), (2) по отдельности. Внешне они выглядят как не связанные друг с другом. Но ясно, что в данной ситуации естественно считать ошибки t и u t коррелированными, поскольку предприятия в каждый период t действуют в "одной экономической среде". Поэтому целесообразно объединить уравнения (1), (2) и оценивать их совместно, используя доступный обобщенный метод наименьших квадратов.
Общая задача формулируется следующим образом. Даны М регрессионных уравнений:
(3)
где yi - n х 1 вектор зависимых переменных, Xi, - n х ki, матрица независимых переменных, ( t - k i х 1 вектор неизвестных параметров, i - n х 1 вектор ошибок, i = 1,..., М. Будем предполагать, что Е i = 0 и Е ( it, jt) = ij при s = t и 0 в противном случае. Последнее условие можно представить так:
(4)
где In - единичная матрица размера n х n. Иными словами, заданы М регрессионных уравнений, по каждому из которых имеется n наблюдений. Если данные имеют структуру временных рядов, то считается, что ошибки во всех уравнениях коррелированы в один и тот же момент времени и некоррелированы для разных моментов. Равенство (4) определяет связь между этими уравнениями. Каждое отдельное уравнение в (3) удовлетворяет условиям классической регрессионной модели и может быть оценено обычным методом наименьших квадратов. Однако, если объединить эти уравнения и применить обобщенный метод наименьших квадратов, то можно повысить эффективность оценивания.
Обозначим