- •Зміст дисципліни за темами
- •Тема 1. Концептуальні аспекти економетричного моделювання економіки
- •Тема 2. Принципи побудови економетричних моделей. Парна та множинна лінійна регресія
- •Тема 3: Моделі множинних регресій, що зводяться до лінійних
- •Тема: Економіко – математичне моделювання
- •2. Математична модель економічного об’єкту
- •Критерії вибору „хорошої моделі”:
- •За характером застосування методів дослідження виділяються:
- •2. Об'єкт, предмет, мета і завдання економетрії
- •3. Основні етапи економетричного аналізу
- •4. Економічні задачі, які розв'язують за допомогою економетричних методів
- •5. Основні етапи зародження та розвитку економетрії
- •Тема: Регресійні моделі
- •1. Поняття регресії
- •3. Парна лінійна регресія
- •4. Теоретична і розрахункова моделі
- •5. Метод найменших квадратів – метод розрахунку параметрів моделі.
- •6. Дисперсійний аналіз моделі
- •Приклад виконання типового завдання
- •1. Економічна постановка задачі
- •2. Геометричне зображення залежності між досліджуваними показниками
- •3. Оцінювання параметрів парної лінійної регресії
- •4. Розрахунок коефіцієнта детермінації та парної кореляції.
- •5. Перевірка достовірності побудови моделі на основі статистичних критеріїв
- •5. Визначення стандартних похибок та довірчих інтервалів для оцінок параметрів моделі
- •6. Точковий та інтервальний прогноз на основі побудованої моделі.
- •Тема: Загальна лінійна економетрична модель
- •1. Множинна лінійна регресія
- •2. Передумови застосування метода найменших квадратів
- •3. Дисперсійний і регресійний аналіз моделей
- •4. Точковий та інтервальльний прогноз
- •5. Перевірка якості та статистичної значущості моделі
- •Завдання №1 на самостійну роботу
- •1). Побудувати економетричну модель залежності між факторами за допомогою функції «линейн»:
- •Тема: Нелінійні моделі
- •Степенева (поліноміальна ) модель
- •2. Гіперболічна модель
- •3. Показникові моделі
- •4. Виробнича функція Кобба – Дугласа
- •Завдання №2 на самостійну роботу
- •Тема: Фіктивні змінні в регресійних моделях
- •1. Необхідність використання фіктивних змінних
- •2. Моделі ancova
- •2.1. Ancova - Модель при наявності у фіктивної змінної двох альтернатив
- •2.2. Моделі ancova за наявності у якісних змінних більш двох альтернатив
- •3. Використання фіктивних змінних у сезонному аналізі
- •Завдання № 3* на самостійну роботу Розрахувати моделі із фіктивними змінними :
- •Дослідити розраховану модель на значущість. Тема: Мультиколінеарність факторів моделі
- •Поняття мультиколінеарності
- •Основні наслідки мультиколінеарності:
- •Дослідження наявності мультиколінеарності
- •Ознаки мультиколінеарності
- •Алгоритм Фаррара – Глобера
- •Завдання №4 на самостійну роботу
- •Тема: Гетероскедастичність моделі
- •1. Поняття гетероскедастнчності та її наслідки
- •2. Перевірка гетероскедастичності
- •Тема: Автокореляція відхилень (залишків)
- •1. Поняття автокореляції та її наслідки
- •Перевірка наявності автокореляції
- •Завдання № 5 на самостійну роботу
1). Побудувати економетричну модель залежності між факторами за допомогою функції «линейн»:
Проаналізувати розраховану модель:
економічний зміст оцінок параметрів моделі âj ;
статистичну значущість оцінок параметрів моделі âj ;
зміст і статистичну значущість коефіцієнтів детермінації, кореляції;
значення коефіцієнтів еластичності, ризикованість та інерційність зміни факторів Х1, Х2, Х3,.
Оцінити якість отриманої моделі за F-, t – критеріями з рівнем значущості α = 0,05.
Розрахувати за нею прогнозоване значення залежного фактора Y.
2). Розрахувати економетричну модель парної регресії між фактором Х і Y: Ŷ = ǎ0 + ǎ1·х.
Охарактеризувати економічний зміст оцінок параметрів моделі ǎ0 , ǎ1.
Розрахувати за нею прогнозоване значення залежного фактора Y.
Побудувати графік моделі парної регресії в кореляційному полі – “хмарі розсіювання”.
Розрахувати коефіцієнт детермінації R2 і коефіцієнт кореляції R. Який зміст цих коефіцієнтів ?
Оцінити якість отриманої моделі за F-, t – критеріями з рівнем значущості α = 0,05.
3) Порівняти значення коефіцієнтів детермінації R2 отриманих моделей.
Тема: Нелінійні моделі
Використання лінійних моделей для моделювання економічних залежностей у багатьох випадках дають цілком задовільні результати, які можуть бути використані для аналізу й прогнозу досліджуваних економічних систем (процесів). Але внаслідок багатогранності й складності за своєю структурою економічних процесів обмежуватися розглядом лише лінійних моделей стає неможливим, оскільки економічні залежності переважно не можуть бути описані лінійними рівняннями.
Так, наприклад, якщо досліджується залежність попиту на певний товар Y від ціни X на нього, то можна обмежитися лінійними залежностями у вигляді рівнянь регресії Yр= â0 + â1·Х, де коефіцієнт â1· буде характеризувати абсолютну зміну в середньому попиті Y при зміні ціни на нього X на одиницю.
Якщо ж метою дослідження є аналіз еластичності залежності попиту від ціни, то описати лінійним рівнянням співвідношення між змінними Y та X виявляється неможливим. У цьому випадку доцільно використати модель типу Y = a0 Х а1 , яка після логарифмування набирає вигляду ln Y = ln a0 + a1 ln Х.
При аналізі витрат Y від обсягу виробництва X буде поліноміальна модель Y = â0 + â1·Х + â2·Х 2 + â3·Х 3 +…+ âm·Хm
Для дослідження виробничих функцій використання лінійних моделей взагалі є нереальним. В цьому випадку використовується виробнича функція Кобба – Дугласа. Нехай Y - обсяг виробленої продукції, F - фінансові витрати, L - вартість робочої сили, тоді Y = a Fα L β, 0 < α<1, 0< β<1.
Широкого використання в сучасній економетрії набули обернені й експоненціальні моделі.
Степенева (поліноміальна ) модель
Степенева функція виду Y = а0 + а1 Х1 +а 2 Х 2 + ... + а т Х т + ε (1)
часто характеризує ту чи іншу економічну залежність. Як і раніше розглянуті моделі, модель (1) є лінійною щодо коефіцієнтів регресії ао, а1..., а т. Отже, її можна звести до лінійної регресійної моделі. Заміняючи X на Х1 , X2 на Х2, ..., Хт на Хт, одержуємо замість (15) модель множинної лінійної регресії з т змінними Х1, Х2, …, Хт : Y = ао + а1 Х1 + а2 X2 + ... + а m Xm + и. (2)