
- •1. Методи дослідження і моделювання соціально-економічних систем
- •1.1. Економічна система як об’єкт моделювання
- •1.2. Етапи економіко-математичного моделювання
- •1.3. Класифікація економіко-математичних методів і моделей
- •2. Особливості економетричних моделей
- •2.1. Загальне поняття економетричної моделі
- •2.2. Формування сукупності спостережень
- •2.3. Поняття однорідності спостережень
- •2.4. Точність вихідних даних
- •2.5. Вибір змінних і структура зв’язків
- •2.6. Основні складові частини класичної моделі нормальної регресії
- •3. Парна лінійна регресія
- •3.1. Суть задачі побудови парної лінійної регресії
- •3.2. Передумови застосування методу найменших квадратів (1мнк)
- •3.3. Мнк для парної лінійної регресії
- •3.4. Поняття про ступені вільності
- •Оцінок параметрів та , знайдених за мнк
- •3.6. Інтервали довіри для параметрів та
- •3.7. Оцінка щільності та перевірка істотності кореляційного зв’язку
- •3.8. Коефіцієнт детермінації
- •3.9. Перевірка парної лінійної регресії на адекватність за –критерієм Фішера
- •3.10. Прогнозування за моделями парної лінійної регресії
- •Приклад 1. Лінійна парна регресія
- •4. Нелінійні моделі та їх лінеаризація
- •Приклад 2. Нелінійна парна регресія
- •5. Багатофакторна лінійна регресія
- •5.1. Класична лінійна багатофакторна модель
- •5.2. Основні припущення в багатофакторному регресійному аналізі
- •5.3. Етапи побудови багатофакторної регресійної моделі
- •5.4. Розрахунок невідомих параметрів багатофакторної регресії за мнк
- •5.5. Перевірка гіпотез щодо параметрів багатофакторної регресії в матричному вигляді
- •5.6. Знаходження інтервалів довіри для параметрів
- •5.7. Побудова економетричної моделі на основі покрокової регресії
- •5.8. Коефіцієнти множинної кореляції та детермінації
- •5.10. Коефіцієнт детермінації та оцінений коефіцієнт детермінації
- •5.10. Перевірка моделі на адекватність за f - критерієм Фішера
- •5.11. Прогнозування за багатофакторною регресійною моделлю
- •Приклад 3. Багатофакторна лінійна регресія
- •Приклад 4. Побудова економетричної моделі на основі покрокової регресії
- •Приклад 5. Оцінка коефіцієнтів детермінації
- •Приклад 6. Перевірка адекватності моделі
- •6. Мультиколінеарність
- •6.1. Поняття мультиколінеaрності
- •6.2. Ознаки мультиколінеарності
- •6.3. Алгоритм Фаррара – Глобера
- •7. Автокореляція
- •7.1. Поняття автокореляції
- •7.2. Наслідки автокореляції залишків
- •7.3. Перевірка наявності автокореляції Критерій Дарбіна – Уотсона
- •7.4. Критерій фон Неймана
- •7.5. Нециклічний коефіцієнт автокореляції
- •7.6. Циклічний коефіцієнт автокореляції
- •9. Гетероскедастичність
- •9.1. Поняття гетероскедастичності
- •9.2. Перевірка гетероскедастичності на основі критерію
- •9.3. Параметричний тест Гольдфельда-Квандта
- •Приклад 8. Перевірка наявності гетероскедастичності
- •10. Економетричні симультативні моделі
- •10.1. Системи одночасних структурних рівнянь
- •10.2. Загальні поняття про методи оцінювання
- •10.3. Попередні відомості про структурні моделі. Ілюстративний приклад
- •10.4. Структурні моделі скороченої форми
- •10.5. Проблема ототожнення в симультативних моделях
- •10.6. Основні правила ототожнення
- •10.7. Рангова умова ототожнення
- •10.8. Методи оцінювання невідомих параметрів симультативних моделей
- •Приклад 9. Побудова системи одночасних структурних рівнянь
- •11. Економетричний аналіз виробничих функцій
- •11.1. Гранично агреговані моделі відтворювальних процесів
- •11.2. Різновиди виробничих функцій
- •11.3. Виробнича функція Кобба-Дугласа
- •Приклад 10. Виробнича функція Кобба-Дугласа
- •12. Методи і моделі аналізу динаміки економічних процесів
- •12.1. Поняття економічних рядів динаміки
- •12.2. Попередній аналіз і згладжування часових рядів економічних показників
- •12.3. Згладжування тимчасових рядів економічних показників
- •12.4. Тренд-сезонні економічні процеси і їх аналіз
- •12.5. Ітераційні методи фільтрації
- •Приклад 11. Метод Четверикова
- •12.6. Статистичні методи оцінки рівня сезонності
- •Приклад 12. Оцінка рівня сезонності часового ряду
- •13. Моделі прогнозування економічних процесів
- •13. 1. Метод екстраполяції на основі кривих зростання економічної динаміки
- •13.2. Методи оцінки параметрів кривих зростання
- •13.3. Оцінка адекватності і точності трендових моделей
- •Приклад 13. Ооцінка адекватності і точності трендової моделі
- •13.4. Прогнозування економічної динаміки на основі трендових моделей
- •Приклад 14. Оцінка прогнозу на основі трендової моделі
- •Література
- •Додатки Додаток а. Процентилі t-розподілу
- •Додаток в. F-розподіл, 5%-ні точки (f0,95)
- •Додаток d. Критерій Дарбіна - Уотсона (d). Значення dL і dU при 1%-му рівні значущості
- •Додаток e. Критичні значення для відношення фон Неймана
10.4. Структурні моделі скороченої форми
Скороченою формою структурної моделі є модель, у якій ендогенні змінні виражені як функції лише попередньо визначених змінних. Скорочена форма записується двома способами. Перший – згорнуте вираження ендогенних змінних як функцій попередньо визначених змінних, наприклад:
Для нашої простої моделі з трьох рівнянь скорочена форма матиме вигляд:
Другий спосіб запису скороченої форми - розгорнуте вираження ендогенних змінних через попередньо визначені змінні, структурні параметри та випадкові величини. У цьому випадку структурна модель нашого прикладу набуває такого вигляду:
Для збігу двох типів запису скороченої форми необхідно, щоб виконувалось таке співвідношення між числами п та структурними параметрами:
Як
бачимо, між параметрами скороченої
форми та структурними параметрами
є чіткий взаємозв’язок, тобто значення
є функціями структурних параметрів.
Параметри скороченої форми вимірюють загальний (прямий та непрямий) вплив попередньо визначених змінних на ендогенні змінні, в той час як структурні параметри вимірюють тільки прямий вплив.
Наприклад,
вимірює вплив одиничного зростання
на величину інвестицій. Цей вплив
складається з двох частин: по-перше, є
прямий вплив на
через коефіцієнт
,
який визначається в структурному
рівнянні інвестицій; по-друге, наявний
непрямий вплив, тому що зростання впливає
на
,
впливає неї
,
яке в свою чергу впливає на
;
нарешті значення
впливає на
,
яке в свою чергу впливає на
а отже, і на
.
Тому загальний вплив
(що вимірюється
)
на
можна поділити на такі компоненти:
Параметри скороченої форми таким чином можна широко застосовувати для прогнозування та аналізу економічної діяльності, тому що вони дають одночасно оцінку загального, прямого та непрямого впливу екзогенних змінних на залежні змінні.
10.5. Проблема ототожнення в симультативних моделях
Як уже зазначалося, в симультативній моделі є змінні двох типів: ендогенні та попередньо визначені. Ендогенні змінні вважаються стохастичними, тоді як попередньо визначені змінні трактуються як не стохастичні.
Попередньо
визначені змінні поділяються на дві
категорії: поточні та лагові. Так,
наприклад, якщо
є поточною екзогенною змінною, то
вважається лаговою екзогенною змінною
з одиничним лагом. Якщо
є ендогенною змінною, то
– лагова змінна, значення якої відоме
в поточний період часу
,
отже це значення вважається не
стохастичним, а
є також попередньо визначеною змінною.
Право визначати, які змінні ендогенні,
а які попередньо визначені, належить
досліднику, котрий розробляє модель.
Зауважимо, що не всі змінні обов’язково мають з’являтись у кожному рівнянні.
З симультативної (структурної) моделі, як ми вже розглядали вище, можна отримати скорочену форму, в якій ендогенні змінні залежать тільки від попередньо визначених змінних та випадкових величин.
Під проблемою оцінювання параметрів симультативних моделей розуміють знаходження оцінок параметрів на основі оцінених коефіцієнтів скороченої форми. Якщо це можна зробити, то ми маємо право стверджувати, що модель ототожнена. І навпаки.
Ототожнена модель може бути як точно ототожненою, так і переототожненою. Точно ототожнену модель ми маємо в тому разі, коли можна отримати однозначну оцінку її параметрів. Переототожнену модель ми маємо у разі, коли для деяких параметрів структурної моделі є можливість отримати більше ніж одне кількісне значення. Крім того, модель може бути і неототожненою.