Многочлены
<<  2.1. Многочлены от одной переменной Фиктивные переменные  >>
Модели с переменной структурой (фиктивные переменные)
Модели с переменной структурой (фиктивные переменные)
Как правило независимые переменные имеют непрерывные области измерения
Как правило независимые переменные имеют непрерывные области измерения
Необходимость в таких переменных возникает в тех случаях, когда
Необходимость в таких переменных возникает в тех случаях, когда
Для того чтобы вести такие переменные в регрессионную модель, им
Для того чтобы вести такие переменные в регрессионную модель, им
Такого вида сконструированные переменные в эконометрике принято
Такого вида сконструированные переменные в эконометрике принято
Зависит ли заработная плата от пола работника
Зависит ли заработная плата от пола работника
На практике используется два метода моделирования: Регрессия строится
На практике используется два метода моделирования: Регрессия строится
2. Общая регрессионная модель строится для совокупности в целом
2. Общая регрессионная модель строится для совокупности в целом
В английской литературе такие переменные называют dummy – фиктивная
В английской литературе такие переменные называют dummy – фиктивная
Ведем переменную d1, присвоив ей значения по следующему правилу: d1 =
Ведем переменную d1, присвоив ей значения по следующему правилу: d1 =
Тогда ожидаемое значение заработной платы при одинаковых значениях
Тогда ожидаемое значение заработной платы при одинаковых значениях
Заработная плата мужчин и женщин отличается на величину
Заработная плата мужчин и женщин отличается на величину
Проверив с помощью t-статистики значимость коэффициентов регрессии,
Проверив с помощью t-статистики значимость коэффициентов регрессии,
Если коэффициент
Если коэффициент
– На рынке труда нет дискриминации
– На рынке труда нет дискриминации
Переменные такого типа во всем остальном не отличаются от обычных
Переменные такого типа во всем остальном не отличаются от обычных
Способ задания значений переменной не влияет на результаты оценивания,
Способ задания значений переменной не влияет на результаты оценивания,
Качественные различия можно формализовать с помощью любой переменной
Качественные различия можно формализовать с помощью любой переменной
Однако, в эконометрической практики почти всегда используют фиктивные
Однако, в эконометрической практики почти всегда используют фиктивные
Введем в первоначальную модель еще одну фиктивную переменную,
Введем в первоначальную модель еще одну фиктивную переменную,
D2=1 – высшее образование; d2=2 – среднее специальное образование;
D2=1 – высшее образование; d2=2 – среднее специальное образование;
Если включаемый в рассмотрение качественный признак имеет не два, а
Если включаемый в рассмотрение качественный признак имеет не два, а
На практике в таких случаях используют набор бинарных фиктивных
На практике в таких случаях используют набор бинарных фиктивных
У – объем потребления некоторого продукта в месяц, кг
У – объем потребления некоторого продукта в месяц, кг
Одна категория должна отсутствовать потому что она эталонная
Одна категория должна отсутствовать потому что она эталонная
Среднемесячный объем потребления в осенние месяцы есть величина
Среднемесячный объем потребления в осенние месяцы есть величина
Фиктивные переменные позволяют строить и оценивать так называемые
Фиктивные переменные позволяют строить и оценивать так называемые
Из некоторых априорных соображений исследователь считает, что в момент
Из некоторых априорных соображений исследователь считает, что в момент
Введем дискретную переменную rt = 0, если t
Введем дискретную переменную rt = 0, если t
Тестируя стандартную гипотезу
Тестируя стандартную гипотезу

Презентация на тему: «Модели с переменной структурой (фиктивные переменные)». Автор: Notebook. Файл: «Модели с переменной структурой (фиктивные переменные).ppt». Размер zip-архива: 77 КБ.

Модели с переменной структурой (фиктивные переменные)

содержание презентации «Модели с переменной структурой (фиктивные переменные).ppt»
СлайдТекст
1 Модели с переменной структурой (фиктивные переменные)

Модели с переменной структурой (фиктивные переменные)

Эконометрика

2 Как правило независимые переменные имеют непрерывные области измерения

Как правило независимые переменные имеют непрерывные области измерения

(возраст, стаж, денежные доходы, уровень безработицы). Однако, существуют переменные которые могут принимать два значения или в общем случае дискретное множество значений.

3 Необходимость в таких переменных возникает в тех случаях, когда

Необходимость в таких переменных возникает в тех случаях, когда

требуется учесть влияние качественных признаков (пол, национальность, уровень образования и т.д).

4 Для того чтобы вести такие переменные в регрессионную модель, им

Для того чтобы вести такие переменные в регрессионную модель, им

должны быть присвоены те или иные цифровые метки, т.е. качественные переменные необходимо преобразовать в количественные.

5 Такого вида сконструированные переменные в эконометрике принято

Такого вида сконструированные переменные в эконометрике принято

называть фиктивными переменными. Например, рассмотрим модель формирования заработной платы (Y) от количества отработанных часов (X1) и стажа работы (X2).

6 Зависит ли заработная плата от пола работника

Зависит ли заработная плата от пола работника

7 На практике используется два метода моделирования: Регрессия строится

На практике используется два метода моделирования: Регрессия строится

для каждой качественно отличной группы единиц совокупности, т.е. для каждой группы в отдельности;

8 2. Общая регрессионная модель строится для совокупности в целом

2. Общая регрессионная модель строится для совокупности в целом

В этом случае в регрессионную модель вводятся фиктивные переменные, т.е. строится модель с переменной структурой.

9 В английской литературе такие переменные называют dummy – фиктивная

В английской литературе такие переменные называют dummy – фиктивная

переменная (косвенным образом придает количественное значение качественным признакам).

10 Ведем переменную d1, присвоив ей значения по следующему правилу: d1 =

Ведем переменную d1, присвоив ей значения по следующему правилу: d1 =

1, если работник мужчина; d1 = 0, если работник женщина;

11 Тогда ожидаемое значение заработной платы при одинаковых значениях

Тогда ожидаемое значение заработной платы при одинаковых значениях

количества отработанных часов и стажа будет:

Для мужчин

12 Заработная плата мужчин и женщин отличается на величину

Заработная плата мужчин и женщин отличается на величину

Для женщин:

13 Проверив с помощью t-статистики значимость коэффициентов регрессии,

Проверив с помощью t-статистики значимость коэффициентов регрессии,

можно определить, имеет ли место дискриминация по половому признаку.

14 Если коэффициент

Если коэффициент

статистически значим, то очевидно, что есть различия в оплате труда мужчин и женщин при прочих равных условиях. Если этот коэффициент положителен, то дискриминация в пользу мужчин, если отрицателен – в пользу женщин.

15 – На рынке труда нет дискриминации

– На рынке труда нет дискриминации

– Дискриминация присутствует.

Стандартные гипотезы в данном случае имеют следующий смысл:

16 Переменные такого типа во всем остальном не отличаются от обычных

Переменные такого типа во всем остальном не отличаются от обычных

непрерывных регрессоров для оценивания уравнения с фиктивными переменными МНК коэффициент при фиктивной переменной интерпретируются также как и при остальных регрессорах.

17 Способ задания значений переменной не влияет на результаты оценивания,

Способ задания значений переменной не влияет на результаты оценивания,

т.к. направление влияния данного признака отражает значение коэффициента. Такая модель называется «Модель с переменной структурой».

18 Качественные различия можно формализовать с помощью любой переменной

Качественные различия можно формализовать с помощью любой переменной

принимающей два значения не обязательно 0 и 1.

19 Однако, в эконометрической практики почти всегда используют фиктивные

Однако, в эконометрической практики почти всегда используют фиктивные

переменные типа 0 и 1 т.к. в этом случае интерпретация выглядит наиболее наглядно.

20 Введем в первоначальную модель еще одну фиктивную переменную,

Введем в первоначальную модель еще одну фиктивную переменную,

отражающую влияние образования на заработную плату:

21 D2=1 – высшее образование; d2=2 – среднее специальное образование;

D2=1 – высшее образование; d2=2 – среднее специальное образование;

d2=3 – бакалавр; d2=4 – магистр; d2 =0 - общее среднее образование.

22 Если включаемый в рассмотрение качественный признак имеет не два, а

Если включаемый в рассмотрение качественный признак имеет не два, а

несколько значений, то можно было бы ввести дискретную переменную, принимающее такое же значение, но в этом случае трудно дать содержательную интерпретацию соответствующему коэффициенту.

23 На практике в таких случаях используют набор бинарных фиктивных

На практике в таких случаях используют набор бинарных фиктивных

переменных. Рассмотрим пример: необходимо оценить влияние времени года на потребление некоторого товара.

24 У – объем потребления некоторого продукта в месяц, кг

У – объем потребления некоторого продукта в месяц, кг

D1=1, если зима; d1=0, в противном случае (любое другое время года); d2 =1, если весна; d2 = 0, в противном случае; d3= 1, если лето; d3 = 0, в противном случае.

25 Одна категория должна отсутствовать потому что она эталонная

Одна категория должна отсутствовать потому что она эталонная

Мы не вводим 4-у бинарную переменную для осени потому что в этом случае выполнялось бы тождество d1+d2+d3+d4=1 что означает линейную зависимость регрессоров и невозможность нахождения оценок по МНК.

26 Среднемесячный объем потребления в осенние месяцы есть величина

Среднемесячный объем потребления в осенние месяцы есть величина

Для зимних месяцев объем потребления составляет ?+ ?1, для весенних ?+ ?2, для летних ?+ ?3 Т.о. оценки коэффициент ? показывают среднее отклонение в объеме потребления по сравнению с осенними месяцами Но:?=?1 потребление осенью равно зимой или Но: ?1= ?2

27 Фиктивные переменные позволяют строить и оценивать так называемые

Фиктивные переменные позволяют строить и оценивать так называемые

кусочно-линейные модели, которые можно применять для исследования структурных изменений. Рассмотрим пример. Пусть у – зависимая перееменная и для простоты в модель включена только 1 независимая переменная х. х и у представлены в виде временных рядов. xt – размер ОПФ в период времени t, уt – объем продукции в t.

28 Из некоторых априорных соображений исследователь считает, что в момент

Из некоторых априорных соображений исследователь считает, что в момент

времени tо произошла структурная перестановка и линия регрессии будет отличаться от той которая была до момента tо, но общая регрессия будет непрерывна.

29 Введем дискретную переменную rt = 0, если t

Введем дискретную переменную rt = 0, если t

to и rt = 1, если t > to

отсюда следует, что регрессионная линия (рис) имеет коэффициент наклона ?1 для t ? to и наклон ?1+?2 для t > to. При этом разрыва в точке to не происходит.

30 Тестируя стандартную гипотезу

Тестируя стандартную гипотезу

2 = 0 мы проверяем предположение о том, что фактически структурные изменения не повлияли на объем выпуска продукции. В зависимости от способа включения фиктивной переменной в модель регрессии интерпретация оценок коэффициента при ней будет различной.

«Модели с переменной структурой (фиктивные переменные)»
http://900igr.net/prezentacija/algebra/modeli-s-peremennoj-strukturoj-fiktivnye-peremennye-161925.html
cсылка на страницу
Урок

Алгебра

35 тем
Слайды
900igr.net > Презентации по алгебре > Многочлены > Модели с переменной структурой (фиктивные переменные)