Метод наименьших квадратов - Лекции. Дисциплина Эконометрия

Все социально-экономические явления взаимосвязаны. Связь между ними имеет причинно-следственный характер. Признаки, характеризующие причины и условия связи, называются факторными х, а признаки, которые характеризуют следствия связи, — результативными у. Между признаками х и у возникают разные по природе и характеру связи, а именно: функциональные и стохастические. При функциональной связи каждому значению признака х соответствует одно определенное значение у. Эта связь проявляется однозначно в каждом отдельном случае. При стохастической связи каждому значению признака х соответствует определенное множество значений у, образующих так называемое условное распределение. Как закон эта связь проявляется только в массе случаев и характеризуется изменением условных распределений у. Если заменить условное распределение средней величиной`y, то образуется разновидность стохастической связи — корреляционная. В случае корреляционной связи каждому значению признака х соответствует среднее значение результативного признака `y.

Примером стохастической, и в частности корреляционной, связи является распределение проданных однокомнатных квартир по их стоимости у и размеру общей площади х (табл. 1).

                                                                                           Таблица 1

Большинство экономических явлений имеет вероятностный, или случайный, или стохастический характер, то есть, в реальных условиях очень трудно со 100-процентной уверенностью предвидеть развитие того или иного экономического объекта. Естественно, это факт приводит к некоторым осложнениям, и требует наличия у управленческого персонала навыков в области предсказания неопределенного будущего - навыков обнаружения закономерностей, скрытых среди случайностей прошлого и настоящего периодов, и переносу этих закономерностей в (на) будущее – навыков экстраполирования.

Как правило, исследование случайных взаимоотношений сводится к адаптации реальных вероятностных взаимосвязей к логике функциональных зависимостей, то есть другими словами, нужно определить и аналитически выразить («проявить») форму предполагаемой зависимости и потом исследовать ее.

Современная наука еще не нашла лучшего «проявителя» корреляционных зависимостей, чем метод наименьших квадратов.

Сущность метода наименьших квадратов заключается в отыскании параметров модели тренда, которая лучше всего описывает тенденцию развития какого-либо  случайного явления во времени или в пространстве (тренд - это линия, которая и характеризует тенденцию этого развития). Задача      метода наименьших квадратов (сокращенно - МНК) сводится к нахождению не просто какой-то модели тренда, а к нахождению лучшей или оптимальной модели. В свою очередь, модель будет оптимальной, если сумма квадратических отклонений между наблюдаемыми фактическими величинами и соответствующими им расчетными величинами тренда будет минимальной (наименьшей):

,

где - квадратичное отклонение между наблюдаемой фактической величиной и соответствующим ей расчетной величиной тренда,

       - фактическое (наблюдаемое) значение изучаемого явления,

      - расчетное значение модели тренда,

         n - число наблюдений за изучаемым  явлением.

МНК самостоятельно применяется довольно редко. Как правило, чаще всего его используют лишь в качестве необходимого технического приема при корреляционно-регрессионных исследованиях.

Инструментарий МНК сводится к следующим процедурам:

Первая процедура. Выясняется, существует ли вообще какая-либо тенденция изменения результативного признака при изменении выбранного фактора-аргумента, или другими словами, есть ли связь между «у» и «х».

Вторая процедура. Определяется, какая линия (траектория) способна лучше всего описать или охарактеризовать  эту тенденцию.

Третья процедура.  Рассчитываются параметры регрессионного уравнения, характеризующего данную линию, или другими словами, определяется аналитическая формула, описывающая лучшую модель тренда.

ВНИМАНИЕ!!! Следует помнить, что информационной основой МНК может быть только достоверный статистический ряд, причем число наблюдений не должно быть меньше 4-х, иначе, сглаживающие процедуры МНК могут потерять здравый смысл.

Пример. Допустим, мы имеем информацию о средней урожайности подсолнечника по исследуемому хозяйству:

Таблица 2

Таблица исходных данных