Одним из основных базовых элементов современного экономического образования, наряду с макрои микроэкономикой, является эконометрика.
При наблюдении за ходом развития экономики, для ее анализа и для построения прогнозных моделей используются количественные данные. Набор статистических методов, используемых для этой цели, и называется эконометрикой.
Целью экономических исследований является формулировка экономической модели, основанной на экономической теории и на эмпирических данных, оценивание параметров модели, построение прогнозов и выработка рекомендаций по экономической политике. Центральное понятие — модель. Модели должны быть выражены в простой математической форме. Одними из самых простых моделей зависимости являются линейные модели.
Цель данной работы — раскрытие следствий мультиколлинеарности.
Общей цели подчиняются следующие задачи:
— изучение сущности мультиколлинеарности;
— исследование следствий данного явления;
— изучение методов уменьшения следствий мультиколлинеарности.
1 Мультиколлинеарность: сущность и следствия
Мультиколлинеарность — существенная, значимая корреляционная зависимость между входными переменными.
Крайняя форма такой зависимости — линейная функциональная связь между двумя или большим числом входных переменных.
В этом случае столбцы информационной матрицы Х оказываются линейно зависимыми, матрица Xt X — особенная, и задача не имеет решения. К счастью, этот вариант мультиколлинеарности, как правило, — результат некорректной постановки задачи, что может быть немедленно выяснено и устранено исключением из теоретической модели соответствующих входных переменных.
В экономических исследованиях мультиколлинеарность проявляется обычно в скрытой форме, когда между двумя или несколькими переменными существует достаточно тесная стохастическая зависимость, первым признаком которой является наличие больших абсолютных значений коэффициентов корреляции. Такой вид мультиколлинеарности возможен даже при корректной постановке задачи. Причиной возникновения мультиколлинеарности чаще всего является наличие в изучаемом объекте процессов, одновременно влияющих на некоторые входные переменные, но неучтенных в априорной теоретической модели. Это может быть результатом некачественного исследования предметной области или сложности взаимосвязей параметров изучаемого объекта.
Приведем один характерный пример. Суточные графики энергопотребления (нагрузки) различных узлов энергосистемы: предприятий, городов и сел, электрифицированного транспорта и т. д. — входные переменные в различных моделях анализа и оптимизации режимов энергосистем. При исследовании ковариационной матрицы графиков
