- •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
Тема: Автокореляція відхилень (залишків)
1. Поняття автокореляції та її наслідки
В економетрічних дослідженях часто виникають ситуації, коли дисперсія відхилень є сталою величиною, але спостерігається коваріація відхилень. Таке явище називають автокореляцією відхилень. Іншими словами, автокореляція відхилень - це кореляція ряду е1, е2 …еn з рядом еk+1,е+2,…,е+n де k характерезує запізнення.
Кореляція між сусідніми членами ряду (k =1) називається автокореляцією першого порядку.
Автокореляція відхилень може бути наслідком кореляції між послідовними значеннями деякого фактора Xi, великих похибок при одержанні даних, помилкової специфікації форми залежності між змінними або відсутності в рівнянні регресії деякого суттєвого фактора.
При оцінювані параметрів економетричної моделі методом найменших квадратів без врахування наявності автокореляції відхилень можливі такі наслідки:
1 . оцінки параметрів моделі будуть зміщеними, неефективними;
неефективність оцінок параметрів приводить до прогнозу, який може мати велику вибіркову дисперсію;
в дисперсійному аналізі не можна застосувати статистичні критерії t (Ст'юдента) та F (Фішера).
Перевірка наявності автокореляції
Найчастіше наявність автокореляції відхилень перевіряють за критеріям Дарбіна - Уотсона, застосовують також критерій Неймана, циклічний або нециклічний коефіцієнти автокореляції.
Критерій Дарбіна - Уотсона
Для перевірки наявності автокореляції відхилень обчислюють статистику d за формулою: (1)
де иt - величина відхилень в період t, n - кількість спостережень.
Між статистикою d і коефіцієнтом автокореляції існує приблизна залежність d ) (2)
Ця статистика може приймати будь-яке значення з інтервалу (0,4).
За відсутності автокореляції r = 0 і d статистика приймає значення близькe до 2.
Якщо r є (0,1), то d є (0,2) і автокореляція додатна.
Для статистики d затабульовані критичні межі: нижня d1, та верхня d2 . Критичні межі статистики d дозволяють з надійністю Р = 0.95 або P = 0.99, робити висновок про наявність або відсутність автокореляції першого порядку:
* 0 < d < dі , то відхилення мають автокореляцію;
* d > d2 , то приймається гіпотеза про відсутність автокореляції відхилень;
* d1 < d <d2, то висновку робити не можна, а необхідно подальші дослідження, беручи більшу кількість спостережень.
Завдання № 5 на самостійну роботу
Розраховану модель багатофакторної регресії ( ЗАВДАННЯ №1 для СР ) оцініть на наявність:
гетероскедастичності залишків в для одного із факторів моделі за тестом Гольдфельда-Квандта,
автокореляції залишків першого порядку за алгоритмом Дарбіна-Уотсона.