- •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
4. Розрахунок коефіцієнта детермінації та парної кореляції.
Дисперсія змінної Y: ;
Дисперсія залишків: = ;
Коефіцієнт детермінації: ;
Коефіцієнт кореляції: (R > 0 при а1 > 0; R < 0 при а1 < 0).
Розрахунки зручно представити у вигляді таблиці :
x |
y |
|
u = y - |
u2 |
( у - )2 |
60,000 |
38,000 |
39,037 |
-1,037 |
1,076 |
23,215 |
63,000 |
40,000 |
40,846 |
-0,846 |
0,715 |
7,942 |
56,000 |
37,000 |
36,626 |
0,374 |
0,140 |
33,851 |
64,000 |
41,000 |
41,448 |
-0,448 |
0,201 |
3,306 |
67,000 |
43,000 |
43,257 |
-0,257 |
0,066 |
0,033 |
56,000 |
38,000 |
36,626 |
1,374 |
1,887 |
23,215 |
70,000 |
45,000 |
45,065 |
-0,065 |
0,004 |
4,760 |
68,000 |
44,000 |
43,859 |
0,141 |
0,020 |
1,397 |
73,000 |
47,000 |
46,873 |
0,127 |
0,016 |
17,488 |
77,000 |
50,000 |
49,284 |
0,716 |
0,512 |
51,579 |
75,000 |
48,000 |
48,079 |
-0,079 |
0,006 |
26,851 |
729,000 |
471,000 |
сума |
0,000 |
4,643 |
193,636 |
=66,273, =42,818
Дисперсія змінної Dу = = 193,636
Дисперсія залишків Du = σ2и = 4,643 , σu = 2,155
Коефіцієнт детермінації R2 = 0,976 означає, що варіація прибутку Y на 97,6% формується зміною рівня інвестицій Х, а на невраховані фактори припадатиме 2,4%, що може свідчити про доцільність використання моделі.
Коефіцієнт кореляції R = 0,988 – функція регресії є близькою до лінійної, кореляція є додатною.
5. Перевірка достовірності побудови моделі на основі статистичних критеріїв
Значущість моделі за критерієм Фішера:
|
m |
n –(m+1) |
|
1) α – рівень значущості; Fтабл. знаходиться з таблиці
2) Fф. >,< Fтабл. => значущість (незначущість) моделі (коефіцієнта R2):
F ст = 366,320 > F kp= 5,120
F- кpитерій: коефіцієнт детермінації R2 є статистично значущим.
Перевірка достовірності оцінок параметрів за t - критерієм
Значущість оцінок параметрів моделі за t -критерієм:
tф. >,< tтабл. => значущість (незначущість) оцінок параметрів моделі.
t ( ) = 0,4563 оцінка параметра моделі є незначущою;
t ( ) = 6,415 оцінка параметра моделі є значущою