
- •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
2.2. Формування сукупності спостережень
Побудова і дослідження економетричних моделей мають ряд особливостей. Ці особливості пов’язані з тим, що економетричні моделі є стохастичними. Вони кількісно описують кореляційний зв’язок між економічними величинами. Отже, щоб побудувати економетричну модель, необхідно:
– мати достатньо велику сукупність спостережень вихідних даних;
– забезпечити однорідність сукупності спостережень;
– забезпечити точність вихідних даних.
Поняття сукупності спостережень є основою економетричного моделювання. Слід розрізняти одиницю спостереження – джерело даних і одиницю сукупності – носія ознак, які підлягають спостереженню. Ці поняття найбільш чітко розрізняються в соціально-економічній статистиці. Наприклад, під час перепису населення одиницею спостереження буде сім’я, а одиницею сукупності – окрема людина. При статистичних дослідженнях із застосуванням методів багатовимірного статистичного аналізу ці поняття часто збігаються. Тому в економетричному моделюванні здебільшого йтиметься про одиницю сукупності.
Сукупність
спостережень
можна зобразити у вигляді упорядкованого
набору (матриці) даних з параметрами
де
– число одиниць сукупності
;
– число ознак, які описують кожну одиницю
;
–
проміжок часу, за який вивчається ознака
певного спостереження
.
Наприклад, якщо через
позначити певну ознаку спостереження,
то потрібно записати так:
,
що означає
-та
ознака
-го
спостереження в період
.
За одиницю сукупності спостережень часто беруть певний функціонуючий економічний об’єкт. Вибрати одиницю сукупності – означає визначити рівень об’єкта моделювання, наприклад великий технологічний агрегат, цех, підприємство, галузь і т. ін.
Розрізняють три способи формування вибірки: часову, просторову і просторово-часову.
Якщо
сукупність спостережень вивчається у
статиці (просторова вибірка), то всі
дані можна зобразити у вигляді матриці
розміром
,
в якій кожний рядок несе інформацію
про одиницю вибіркової сукупності, а
стовпець характеризує певну ознаку.
Часова
вибірка містить набір значень ознак
функціонування окремого об’єкта в
динаміці
,
тобто по суті складається з двовимірного
чи багатовимірного часового ряду.
Просторово-часова
вибірка є комбінацією просторової і
часової вибірок
.
2.3. Поняття однорідності спостережень
Існує багато різноманітних підходів до аналізу та оцінювання ступеня однорідності сукупності спостережень, на основі якої будується економетрична модель. Проте багато дослідників, хоча й мають неоднакові погляди на цю проблему, одностайні в тому, що економічні сукупності, як правило, неоднорідні.
В економетричному дослідженні ми користуємося поняттям відносної однорідності, і може йтися лише про досягнення розумного ступеня однорідності спостережень, для якого можна було б забезпечити достатню точність економічних висновків. Поняття однорідності сукупності спостережень охоплює якісну і кількісну однорідність. Під першою треба розуміти однорідність, яка визначається однотипністю економічних об’єктів, їх однаковою якістю та певним призначенням, а під другою – однорідність групи одиниць сукупності, що визначається на основі кількісних ознак. При цьому обидва поняття діалектично взаємопов’язані, і кількісна однорідність можлива лише за наявності одноякісності явищ та процесів, що утворюють сукупність спостережень.
Ознаки, які включаються у вибірку для кожної одиниці спостереження, будуть виступати потім як змінні економетричної моделі, тому, формуючи сукупність спостережень, треба забезпечити порівнянність даних у просторі та часі.
Це означає, що дані вихідної сукупності спостережень повинні мати:
– однаковий ступінь агрегування;
– однорідну структуру одиниць сукупності;
– одні й ті самі методи розрахунку показників у часі;
– однакову періодичність обліку окремих змінних;
– порівнянні ціни та однакові інші зовнішні економічні умови.