Роль эконометрики
Эконометрика – это научное знание, которое исследует закономерности и явления экономики с помощью статистических и математических методов.
На сегодняшний день эконометрика выделилась в отдельную науку, чей инструментарий активно применяется для нужд экономической теории. Наука имеет два направления:
- Теоретическая эконометрика занимается исследованием статистических свойств различных испытаний или оценок.
- Прикладная эконометрика применяет статистику и математическое моделирование для изучения экономических теорий.
С помощью эконометрики исследователи могут измерять события и явления в экономике, разрабатывать методологию изучения экономических моделей и систем.
Понятие регрессии и ее коэффициенты
Применение регрессионного анализа позволяет отследить воздействие одной или нескольких переменных на зависимую переменную. Зависимость представлена набором предикторов или регрессоров, то есть величин, оказывающих воздействие, а также критериальными или зависимыми переменными.
Важно отметить, что зависимость выражает лишь математическое влияние величин, но не причинно-следственное.
В практической деятельности наиболее часто используется линейная регрессия. Вычисление ее коэффициентов происходит с помощью метода наименьших квадратов. Он позволяет минимизировать отклонения реальных данных от оценочных.
Проверка значимости коэффициента регрессии по критериям
Статистические методы предполагают исследование больших массивов данных. Кроме того, моделирование предполагает некоторое отклонение реальных величин от тех, что применяются в расчетах. Проверка значимости коэффициентов регрессии проводится для того, чтобы максимально приблизить исследование к реальным параметрам. Проверка производится с помощью t-критерия Стьюдента, рассчитываемого по формуле:
$tp = |P| / Sp$
где $P$ – значение параметра, $Sp$ – его отклонение.
Для критерия Стьюдента существует таблица данных. Если t-критерий выше ближайшего табличного значения, то коэффициент считается значимым. В противоположном случае этот параметр можно не учитывать в линейной регрессии.
