Для комплексної контрольної роботи

з дисципліни "Економетрика"

1. Проаналізувати мультиколіненарність факторів, її види, причини виникнення і наслідки та методи її усунення.

2. Охарактеризувати метод числових характеристик оцінки параметрів моделей парної лінійної регресії.

1. До особливостей кореляційного аналізу в рядах динаміки слід віднести також мультиколінеарність, тобто наявність сильної кореляції між незалежними змінними, яка може існувати поза залежністю між результативною та факторними ознаками. Наявність мультиколінеарності в кореляційних моделях становить досить серйозну загрозу і для одержання об'єктивних оцінок взаємозв'язків, у зв'язку з чим ускладнюється сам процес здійснення аналізу. Пояснюється це такими причинами: 1) важко виділити найбільш істотні фактори, оскільки правило Р-коефіцієнтів дійсне лише для некорельованих (або слабокорельованих) факторів; 2) викривлюється зміст коефіцієнтів регресії; 3) ускладнюється обчислювальний процес. Існує декілька простих способів усунення мультиколінеарності 1. Вилучення змінної (змінних) та помилки специфікації. При високій мультиколінеарності найкраще та найлегше вивести з рівняння регресії одну із незалежних змінних, для якої парний коефіцієнт кореляції найбільший. Наприклад, якщо в економетричній моделі, яка описує рівень споживання від доходу та багатства, вивести змінну, що відповідає багатству, то отримаємо регресійну модель з однією незалежною змінною – доходом. Але вилучення змінної з моделі може призвести до помилки специфікації. Помилка специфікації виникає через некоректне визначення моделі, що використовується в аналізі. Так, якщо за економічною теорією для пояснення розширення споживання модель повинна включати і доход і багатство, тоді вилучення змінної багатства створюватиме помилку специфікації. Це також може призвести до зміщення оцінок. 2. Перетворення змінних. Одна з причин мультиколінеарності даних є їх схильність змінюватись в одному напрямку, а один із шляхів зменшення такої залежності—використання перших різниць в моделі: (4.3), де. Наведене вище рівняння відоме як рівняння перших різниць, бо ми отримали регресію не з початкових змінних, а з різниць послідовних значень змінних. 3. Збільшення числа спостережень. Оскільки мультиколінеарність змінюється у кожній вибірці, то можливо в іншій моделі вона буде відсутня. Іноді просте збільшення числа спостережень у моделі, якщо це можливо, пом’якшує проблему мультиколінеарності. Серед інших способів слід виділити такі: використання первинної інформації, об¢єднання міжгалузевої та динамічної інформації, факторний аналіз, метод головних компонент, гребенева регресія.

Дата добавления: 2015-11-14