Фиктивная переменная
Рассмотрение понятия фиктивной переменной, как индикаторной переменной, которая отражает качественную характеристику. Ознакомление с эконометрическими моделями и использованием фиктивных переменных в моделях с временными рядами (линейным трендом).
| Рубрика | Экономико-математическое моделирование |
| Вид | контрольная работа |
| Язык | русский |
| Дата добавления | 21.03.2014 |
| Размер файла | 75,8 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Размещено на http://www.allbest.ru/
Оглавление
Введение
1. Понятие «фиктивная переменная»
2. Использование фиктивных переменных в моделях с временными рядами
3. Модели с фиктивными независимыми переменными
4. Использование фиктивных переменных
Заключение
Список литературы
Введение
Основная задача эконометрики состоит в построении моделей специфического типа (эконометрических моделей), описывающих взаимообусловленное развитие социально-экономических процессов, на основе информации, отражающей распределение их уровней во времени или (и) в пространстве однородных объектов. Эти модели используются в анализе и прогнозировании общих закономерностей и конкретных количественных характеристик рассматриваемых процессов, определении управляющих воздействий. Вследствие этого в самом широком толковании эконометрию можно рассматривать как объединение ряда дисциплин - экономической теории (включая микро- и макроэкономику, социальную сферу), социально-экономической статистики и теории измерения общественных процессов, математической статистики и методов экономико-математического моделирования.
Каждая из перечисленных дисциплин играет свою роль в эконометрическом исследовании. Экономическая теория занимается вопросами разработки концепций относительно законов развития исследуемых процессов с учетом их взаимосвязей; социально-экономическая статистика и теория измерений - выражением количественных и качественных состояний этих процессов (как правило, в последовательные периоды (моменты) времени) в виде набора логически непротиворечивых и содержательных показателей; методы экономико-математического моделирования - разработкой моделей взаимосвязей между рассматриваемыми процессами, адекватно отражающими экономические концепции в рамках выбранной системы показателей; математическая статистика - собственно построением самих моделей (т. е. оценкой их параметров), проверками гипотез относительно их адекватности тенденциям процессов, значимости взаимосвязей между ними, оценками неопределенности в полученных результатах, вызванной систематическими и случайными ошибками и т. п.
При этом обычно предполагается, что систематические ошибки в результатах возникают вследствие использования неадекватной тенденциям исследуемых процессов концепции относительно их взаимосвязей, систематических ошибок измерений их уровней, неправильно выбранной спецификации модели и ряда других причин объективного и субъективного характера.
Причинами существования случайной ошибки модели, как правило, являются случайные ошибки измерения процессов, невозможность учета в модели случайных воздействий множества незначимых с точки зрения экономической теории факторов и другие подобные причины.
Таким образом, при эконометрическом исследовании имеют место две стороны проблемы обеспечения высокого качества его результатов - качественная и количественная. Качественная заключается в установлении соответствия между построенной эконометрической моделью и лежащей в ее основе концепцией, а количественная - в точности аппроксимации (подгонки) имевшихся количественных и качественных характеристик рассматриваемых процессов данными модельных расчетов.
В контрольной работе рассмотрено понятие фиктивные переменные как индикаторные переменные, отражающие качественную характеристику. Это могут быть разного рода атрибутивные признаки, такие, например, как профессия, пол, образование, климатические условия, принадлежность к определенному региону. Чтобы ввести такие переменные в регрессионную модель, им должны быть присвоены те или иные цифровые метки, т. е. качественные переменные преобразованы в количественные. Такого вида сконструированные переменные в эконометрике принято называть фиктивными переменными.
1. Понятие «фиктивная переменная»
Переменная xi называется фиктивной (несущественной) переменной функции f(x1,···,xn), если f(x1,···,xi-1,0,xi+1,···,xn) = f(x1,···,xi-1,1,xi+1,···,xn) для любых значений x1,···,xi-1,xi+1,···,xn. Иначе переменная xi называется существенной.
Термин “фиктивные переменные” используется как противоположность “значащим” переменным, показывающим уровень количественного показателя, принимающего значения из непрерывного интервала. Как правило, фиктивная переменная -- это индикаторная переменная, отражающая качественную характеристику. Это могут быть разного рода атрибутивные признаки, такие, например, как профессия, пол, образование, климатические условия, принадлежность к определенному региону. Чтобы ввести такие переменные в регрессионную модель, им должны быть присвоены те или иные цифровые метки, т. е. качественные переменные преобразованы в количественные. Такого вида сконструированные переменные в эконометрике принято называть фиктивными переменными. В литературе можно встретить термины «структурные переменные» или «искусственные переменные»
Например, в результате опроса группы людей 0 может означать, что опрашиваемый -- мужчина, а 1 -- женщина. К фиктивным переменным иногда относят регрессор, состоящий из одних единиц (т.е. константу, свободный член), а также временной тренд.
2. Использование фиктивных переменных в моделях с временными рядами
В регрессионных моделях с временными рядами используется три основных вида фиктивных переменных:
1) Переменные-индикаторы принадлежности наблюдения к определенному периоду -- для моделирования скачкообразных структурных сдвигов. Границы периода (моменты “скачков”) должны быть установлены из априорных соображений. Например, 1, если наблюдение принадлежит периоду 1941-45гг. и 0 в противном случае. Это пример использования для моделирования временного структурного сдвига. Постоянный структурный сдвиг моделируется переменной равной 0 до определенного момента времени и 1 для всех наблюдений после этого момента времени.
2) Сезонные переменные -- для моделирования сезонности. Сезонные переменные принимают разные значения в зависимости от того, какому месяцу или кварталу года или какому дню недели соответствует наблюдение.
3) Линейный временной тренд -- для моделирования постепенных плавных структурных сдвигов. Эта фиктивная переменная показывает, какой промежуток времени прошел от некоторого “нулевого” момента времени до того момента, к которому относится данное наблюдение (координаты данного наблюдения на временной шкале). Если промежутки времени между последовательными наблюдениями одинаковы, то временной тренд можно составить из номеров наблюдений.
Временной тренд отличается от бинарных фиктивных переменных тем, что имеет смысл использовать его степени: t2 , t3 и т. д. Они помогают моделировать гладкий, но нелинейный тренд. (Бинарную переменную нет смысла возводить в степень, потому что в результате получится та же самая переменная). фиктивный переменный эконометрический
Можно также комбинировать указанные виды фиктивных переменных, создавая переменные “взаимодействия” соответствующих эффектов.
Комбинация рассмотренных фиктивных переменных позволяет моделировать еще один эффект -- изменение наклона тренда с определенного момента. Помимо тренда в регрессию следует тогда ввести следующую переменную: в начале выборки до некоторого момента времени она равна 0, а вторая ее часть представляет собой временной тренд (1, 2, 3 и т. д. в случае одинаковых интервалов между наблюдениями).
Использование фиктивных переменных имеет следующие преимущества:
Интервалы между наблюдениями не обязательно должны быть одинаковыми. В выборке могут быть пропущенные наблюдения.
Коэффициенты при фиктивных переменных легко интерпретировать, они наглядно представляют структуру динамического процесса.
Для оценивания модели не приходится выходить за рамки классического метода наименьших квадратов.
3. Модели с фиктивными независимыми переменными
Использование фиктивных переменных имеет следующие преимущества:
Интервалы между наблюдениями не обязательно должны быть одинаковыми. В выборке могут быть пропущенные наблюдения.
Коэффициенты при фиктивных переменных легко интерпретировать, они наглядно представляют структуру динамического процесса.
Для оценивания модели не приходится выходить за рамки классического метода наименьших квадратов.
Если не принимать во внимание отмеченные различия и попытаться построить единую, обобщенную модель для периода (0, T2), то, очевидно, что ее уравнение будет соответствовать пунктирной линии, проходящей между сплошными линиями, характеризующими реальные тенденции процесса в рассматриваемых периодах.
Если ввести фиктивную переменную x0i, i=1,2, со следующими свойствами:
и матрица исходных данных для такой модели примет следующий вид:
Тогда эконометрическая модель типа, описывающая заболеваемость в регионе в зависимости от условий жизнедеятельности, времени года и половозрастной группы индивидуума, может быть представлена в следующем виде:
(1)
где хit - факторы жизнедеятельности.
Оставление свободного члена в модели заболеваемости, приведет к уменьшению числа ее фиктивных переменных. В этом случае выражение преобразуется к виду:
(2)
Вместе с тем, фиктивные переменные могут быть применены при построении сплайн-функций любой модификации. Рассмотрим следующий пример. Пусть зависимая переменная у характеризует уровень дохода, а единственная переменная х - возраст индивидуума.
Предполагается, что в различных возрастных группах доход определяется специфическими формами зависимости следующего вида:
(3)
Введем фиктивные переменные d1 и d2, такие что d1=1, если х20, и d2=1, если х30. Тогда три уравнения из выражения (3) могут быть объединены в одно, следующего вида:
(4)
Заметим, что коэффициенты наклона на рассматриваемых участках согласно выражению (4) определяются следующим образом:
(5)
а свободные члены должны удовлетворять условию равенства функции у соответствующих участков х=20 и х=30. Исходя из этого получим
(6)
Выражение (6) определяет систему линейных ограничений на коэффициенты модели (3) следующего вида:
(7)
Подставляя ограничения (6) в (4), получим рассматриваемую модель дохода как сплайн-функцию в следующем виде:
(8)
где, напомним, d1 и d2 - фиктивные переменные, принимающие значения 1 на втором и третьем возрастных интервалах соответственно, и 0 - в противном случае.
В “фиктивной” форме может быть выражена и зависимая переменная. Такая ситуация имеет место, например, при проведении социологических опросов, когда их результат может быть представлен двумя ответами “да”, “нет” (1 или 0) (предполагаемая покупка автомобиля, дачи; желание иметь ребенка в семье и т. п.), а влияющие на этот результат факторы выражаются в произвольной форме (количественные характеристики - уровень дохода, жилая площадь и т. п., качественные характеристики - уровень образования и т. д.). Тогда расчетные значения , определенные по модели при различных комбинациях значений независимых переменных хi, можно интерпретировать как оценку условий вероятности события у при фиксированных значениях хi, i=1, 2, ..., n.
4. Использование фиктивных переменных
Регрессионные модели являются достаточно гибким инструментом, позволяющим, в частности, оценивать влияние качественных признаков на изучаемую переменную. Это достигается введением в число факторов так называемых фиктивных переменных, принимающих, как правило, значения 1 или 0 в зависимости от наличия или отсутствия соответствующего признака в очередном наблюдении. С формальной точки зрения фиктивные переменные ничем не отличаются от других факторов. Наиболее сложный вопрос, возникающий при их использовании, - это правильная интерпретация получаемых оценок.
Как правило, независимые переменные в регрессионных моделях имеют «непрерывные» области изменения (национальный доход, уровень безработицы, размер зарплаты и т.п.). Однако теория не накладывает никаких ограничений на характер факторов, в частности, некоторые переменные могут принимать всего два значения или, в более общей ситуации, дискретное множество значений. Необходимость рассматривать такие переменные возникает довольно часто в тех случаях, когда требуется принимать во внимание какой-либо качественный признак. С таким примером возможно столкнуться при рассмотрении модели стоимости жилой площади в Москве. В качестве такого признака рассматривалась «этажность»: необходимо было разделить первый, последний и другие этажи. Есть и другие примеры. Так при исследовании зависимости зарплаты от различных факторов может возникнуть вопрос, влияет ли на ее размер и, если да, то в какой степени, наличие у работника высшего образования. Точно также можно выяснить в какой степени имеются различия в оплате труда между мужчинами и женщинами. Для решения подобных задач в принципе можно оценивать соответствующие уравнения внутри каждой категории, а затем изучать различия между ними, но введение дискретных или группирующих переменных позволяет определить параметры модели сразу по всем категориям. Фиктивные переменные, несмотря на свою внешнюю простоту, являются весьма гибким инструментом при исследовании влияния качественных признаков.
Таким образом:
1) для исследования влияния качественных признаков в модель можно вводить бинарные (фиктивные) переменные, которые, как правило, принимают значение 1, если данный качественный признак присутствует в наблюдении, и значение 0 при его отсутствии;
2) способ включения фиктивных переменных зависит от априорной информации относительно влияния соответствующих качественных признаков на зависимую переменную и от гипотез, которые проверяются с помощью модели;
3) от способа включения фиктивной переменной зависит и интерпретация оценки коэффициента при ней.
Заключение
Термин “фиктивные переменные” используется как противоположность “значащим” переменным, показывающим уровень количественного показателя, принимающего значения из непрерывного интервала. Как правило, фиктивная переменная -- это индикаторная переменная, отражающая качественную характеристику.
В регрессионных моделях с временными рядами используется три основных вида фиктивных переменных:
1) Переменные-индикаторы принадлежности наблюдения к определенному периоду -- для моделирования скачкообразных структурных сдвигов.
2) Сезонные переменные -- для моделирования сезонности.
3) Линейный временной тренд -- для моделирования постепенных плавных структурных сдвигов.
Использование фиктивных переменных имеет следующие преимущества:
1) Интервалы между наблюдениями не обязательно должны быть одинаковыми. В выборке могут быть пропущенные наблюдения.
2) Коэффициенты при фиктивных переменных легко интерпретировать, они наглядно представляют структуру динамического процесса.
3) Для оценивания модели не приходится выходить за рамки классического метода наименьших квадратов.
В “фиктивной” форме может быть выражена и зависимая переменная. Такая ситуация имеет место, например, при проведении социологических опросов, когда их результат может быть представлен двумя ответами “да”, “нет” (1 или 0) (предполагаемая покупка автомобиля, дачи; желание иметь ребенка в семье и т. п.), а влияющие на этот результат факторы выражаются в произвольной форме (количественные характеристики - уровень дохода, жилая площадь и т. п., качественные характеристики - уровень образования и т. д.).
С формальной точки зрения фиктивные переменные ничем не отличаются от других факторов. Наиболее сложный вопрос, возникающий при их использовании - это правильная интерпретация получаемых оценок.
Как правило, независимые переменные в регрессионных моделях имеют «непрерывные» области изменения (национальный доход, уровень безработицы, размер зарплаты и т.п.). Однако теория не накладывает никаких ограничений на характер факторов, в частности, некоторые переменные могут принимать всего два значения или, в более общей ситуации, дискретное множество значений. Необходимость рассматривать такие переменные возникает довольно часто в тех случаях, когда требуется принимать во внимание какой-либо качественный признак.
Для исследования влияния качественных признаков в модель можно вводить бинарные (фиктивные) переменные, которые, как правило, принимают значение 1, если данный качественный признак присутствует в наблюдении, и значение 0 при его отсутствии;
Способ включения фиктивных переменных зависит от априорной информации относительно влияния соответствующих качественных признаков на зависимую переменную и от гипотез, которые проверяются с помощью модели.
От способа включения фиктивной переменной зависит и интерпретация оценки коэффициента при ней.
Список литературы
1. Зандер Е.В. «Эконометрика: Учебно-методический комплекс». Красноярск, 2003, 34 с.
2. Леванова Л.Н. «Основы эконометрики», учебное пособие. Саратов, 2003.
3. Практикум по эконометрике: Учебное пособие / Под ред. Елисеевой И.И. - М.: Финансы и статистика, 2001,2002,2003,2004. - 192с
4. Орлов А.И., Эконометрика. Учебник. М.: Издательство "Экзамен", 2002
5. Орлова И.В. Экономико-математические методы и модели. Выполнение расчетов в среде EXCEL: Практикум: Учебное пособие / И. В. Орлова; ВЗФЭИ. - М.: Финстатинформ, 2000. - 136с.
6. Орлова И.В. Экономико-математическое моделирование. Практическое пособие по решению задач / И. В. Орлова; ВЗФЭИ. - М.: Вузовский учебник, 2004. - 144с.
7. Тихомиров Н.П., Дорохина Е.Ю. «Эконометрика», 2002.
8. Эконометрика: Учебник / Под ред. Елисеевой И.И. - М.: Финансы и статистика, 2001,2002,2003,2004 . - 344с.
9. Эконометрика: Учебник / Под ред. И.И.Елисеевой. - 2-е изд.; перераб. и доп. - М.: Финансы и статистика, 2005. - 576с.
Размещено на Allbest.ru
...Подобные документы
Рассчитать прогнозное значение результативной переменной. Использование табличного процессора EXCEL. Матрица парных коэффициентов корреляции. Средний коэффициент эластичности для фиктивных переменных. Стандартная ошибка прогноза значения годовой прибыли.
контрольная работа [287,2 K], добавлен 24.11.2009- Нечеткая логика. Моделирование оценки показателей проекта, с использованием теории нечетких множеств
Описание лингвистической переменной. Моделирование оценки показателей проекта. Построение функции принадлежности термов, используемых для лингвистической оценки переменной "рост мужчины". Нечеткое моделирование конкурентоспособности кинотеатров.
контрольная работа [281,6 K], добавлен 09.07.2014 Расчет зависимости курса акций от эффективности рынка ценных бумаг. Построение графика экспериментальных данных и модельной прямой. Нахождение значения стандартных погрешностей для определения доверительных интервалов для значений зависимой переменной.
контрольная работа [441,9 K], добавлен 13.10.2014Множественная линейная регрессия: спецификация модели, оценка параметров. Отбор факторов на основе качественного теоретико-экономического анализа. Коэффициент регрессии при фиктивной переменной. Проблемы верификации модели. Коэффициент детерминации.
контрольная работа [88,0 K], добавлен 08.09.2014Построение матриц и функций принадлежности на основе парных сравнений мнения эксперта об относительному соответствию элементов множеству. Использование статистических данных, ранговых оценок и параметрического подхода. Понятие лингвистической переменной.
контрольная работа [65,5 K], добавлен 22.03.2011Оценка распределения переменной Х1. Моделирование взаимосвязи между переменными У и Х1 с помощью линейной функции и методом множественной линейной регрессии. Сравнение качества построенных моделей. Составление точечного прогноза по заданным значениям.
курсовая работа [418,3 K], добавлен 24.06.2015Расчет вероятности совмещения событий при броске монеты и игральной кости, при поражении цели стрелком согласно теории вероятности. Анализ заданной блок-схемы и определение значения переменной. Пример составления и использования электронных таблиц.
контрольная работа [565,1 K], добавлен 22.03.2013Построение графиков исходного ряда зависимой переменной, оценочного ряда и остатков. Изучение динамики показателей экономического развития РФ за период: январь 1994 - декабрь 1997 годов. Вычисление обратной матрицы со стандартным обозначением элементов.
контрольная работа [99,8 K], добавлен 11.09.2012Необходимость использования фиктивных переменных. Авторегрессионые модели: модель адаптивных ожиданий и частичной корректировки. Метод инструментальных переменных. Полиномиально распределенные лаги Алмон. Сравнение двух регрессий. Суть метода Койка.
контрольная работа [176,1 K], добавлен 28.07.2013Модели, описывающие распределение населения по величине доходов. Типологии потребления в российской экономике. Синтетические категории и интегральные индикаторы качества жизни. Специфика работы с временными рядами, используемыми в регрессионном анализе.
контрольная работа [658,4 K], добавлен 04.04.2012Элементы математического анализа: производная, определенный интеграл и ряды. Арифметические операции и функции комплексной переменной. Основные понятия и определения теории вероятности, статистики и комбинаторики. Законы распределения вероятностей.
методичка [2,9 M], добавлен 05.07.2010Возможные ошибки спецификации модели. Симптомы наличия ошибки спецификации первого типа. Проблемы с использованием замещающих переменных. Построение функции Кобба-Дугласа. Проверка адекватности модели. Переменные социально-экономического характера.
презентация [264,5 K], добавлен 19.01.2015Понятие и типы моделей. Этапы построения математической модели. Основы математического моделирования взаимосвязи экономических переменных. Определение параметров линейного однофакторного уравнения регрессии. Оптимизационные методы математики в экономике.
реферат [431,4 K], добавлен 11.02.2011Основные проблемы эконометрического моделирования. Использование фиктивных переменных и гармонических трендов. Метод наименьших квадратов и выборочная дисперсия. Смысл коэффициента детерминации. Расчет функции эластичности. Свойства линейной модели.
контрольная работа [18,6 K], добавлен 06.11.2009Сущность, содержание и цели экономического прогнозирования. Классификация и обзор базовых методов прогнозирования спроса. Основные показатели динамики экономических процессов. Моделирование сезонных колебаний при использовании фиктивных переменных.
дипломная работа [372,5 K], добавлен 29.11.2014Критерии оптимальности в эколого-математических моделях. Использование максимума относительной скорости роста численности популяций. Принцип минимального воздействия в эколого-математических моделях. Модели случайных стационарных процессов.
контрольная работа [193,1 K], добавлен 28.09.2007Определение зависимой и независимой переменной. Построение корреляционного поля зависимости издержек производства от объема затраченных ресурсов и их цены. Произведение статистического анализа регрессионной модели. Нахождение коэффициента детерминации.
лабораторная работа [62,3 K], добавлен 26.12.2011Понятие, задачи и основные цели регрессионного анализа. Прогнозирование, основанное на использовании моделей временных рядов. Определение степени детерминированности вариации критериальной переменной предикторами. Ошибки, возникающие при измерении данных.
контрольная работа [785,9 K], добавлен 13.11.2011Составление схем моделирования методом последовательного (непосредственного) интегрирования, методом вспомогательной переменной и методом канонической формы. Модель в пространстве состояний в форме простых сомножителей. Моделирование нелинейных систем.
курсовая работа [1,1 M], добавлен 23.12.2013Использование эконометрических моделей в оценке цены на недвижимость. Методы искусственных нейронных сетей и влияние экзогенных переменных. Анализ чувствительности, который позволяет оценить влияние входных переменных на рыночную цену недвижимости.
практическая работа [1,0 M], добавлен 01.07.2011
