3. Методология эконометрического моделирования.

Главный инструмент эконометрики – эконометрическая модель, параметры которой оцениваются с помощью методов математической статистики.

Эконометрический метод складывался в преодолении следующих неприятностей, искажающих результаты применения классических статистических методов:

• ассиметричность связей

• мультиколлинеарности объясняющих переменных

• эффекта гетероскедастичности, т.е. отсутствия нормального распределения остатков для регрессионной функции

• автокорреляции

• наличия лагов

Эконометрическое исследование включает решение следующих проблем:

• качественного анализа связей эконометрических переменных- выделение зависимых (Yi) и независимых переменных (Xk)

• изучения соответствующего раздела экономической теории

• подбора данных

• спецификации формы связи между Y и Xk

• оценка параметров модели

• анализа мультиколлинеарности объясняющих переменных, оценки ее статистической значимости, выявление переменных, ответственных за мультиколлинеарность

• введения фиктивных переменных

• выявления автокорреляции, лагов

• выявление тренда, циклической и случайной компонент

• проверки остатков на гетероскедастичность

• анализа структуры связей и построения системы одновременных уравнений

Виды моделей:

1 гр. 1. Статические и динамические 2. Комплексные(макроуровень) и некомплексные

3. Аналитические, имитационные и прогностические

2 гр. 1. Регрессионные(1 уровнение,пр. лин и нелин) 2. Системы одновременных ур-ий 3. Модели временных рядов

Этапы проведения эконометрического моделирования:

• Теоретический (теор. описание рассматриваемого эконометрического процесса)

• Информационный этап (сбор данных)

• Спецификация модели; выбор функциональной формы модели

• Параметризация (оценка параметров модели)

• Верификация (проверка достоверности параметров и модели)

• Использование модели.

4.Выбор типа математической функции при построении уравнения регрессии.

В парной регрессии спецификация модели связана с выбором вида математической функции, а в множественной- также с отбором факторов, включаемых в модель.

При построении регрессионных моделей могут использоваться как линейные, так и нелинейные функции.

Линейная модель лучше потому что:

• вариация переменных X и Y может быть весьма ограничена, и реальный эффект нелинейности их связи может не проявится.

• Аргументы- ясно, что чрезмерное внесение удобрений может привести не к росту, а к снижению урожайности, но фактически подобная ситуация маловероятна. Так что если теоретически мы должны выразить зависимость урожайности от удобрений как a+bx+cx²+E, то, вероятнее всего, вполне достаточным будет выражение y=a+bx+E.

• Ошибки измерения в переменных могут свести на нет усилия по усложнению модели. Кроме того- при грубых измерениях более эффектиыно простое описание связей.

В парной регрессии выбор математической функции y^_x=f(x) может быть осуществлен тремя методами:

• графическим (базируется на поле корреляции)

• аналитическим(теоретич аналиг связи фактора и резул-та)

• экспериментальным(основной)

Виды функций, наиболее часто исп-мых в эконометрике:

Линеаризация нелинейных уравнений (на др стороне)