- •1.Загальна задача лінійного програмування.
- •2.Графічний метод розв’язування злп.
- •3.Симплексний метод: ідея, вимогита умови оптимальності.
- •9.Транспортна задача: особливості, типи, математична модель.
- •6.Двоїста пара задач: типи та алгоритм перетворення.
- •7.Теореми двоїстості.
- •8.Розв’язування двоїстої задачі.
- •10.Умови оптимальності в тз, її обґрунтування.
- •11.Тз: види виродженої задачі.
- •14.Метод потенціалів в тз
- •45.Узагальнений метод найменших квадратів (метод Ейткена).
- •12.Методи будування базисних планів при розв’язуванні тз.
- •15.Динамічне програмування: мат. Моде-ль та її види.
- •14.Метод потенціалів в тз.
- •47. Метод визначення гетеро- за тестом Гольфельда-Квандта.
- •16.Метод динамічного програмування: властивості, переваги, недоліки.
- •13.Альтернативний оптимум в тз
- •19.Розв’язування задач методом динамічного програмування.
- •20.Задача про призначення: її модель та алгоритм.
- •21.Задача про кільцевий маршрут: модуль та розв’язування.
- •22.Угорський метод.
- •24.Задача про максимальний потік: модель та алгоритм.
- •25.Задача про найкоротшу відстань: модель та алгоритм.
- •26.Загальна економетрична модель та її постановка.
- •27.Вимоги та етапи будування економетричної моделі.
- •28.Специфікація економетричної моделі.
- •46.Метод визначення гетероскедастичності за μ-критерієм.
- •30.Метод найменших квадратів.
- •31.Передумови застосування мнк.
- •33.Оцінка тісноти зв’язку між змінними рівнянь регресії.
- •34.Стандартні похибки при оцінці параметрів моделі.
- •35.Оцінка значущості зв’язку між змінними моделі.
- •37.Стат. Критерії перевірки значущості зв’язку між змінними моделі.
- •38.Поняття мультиколінеарності, її негативність, наслідки та ознаки
- •40.Визначення мультиколінеарності за допомогою критерія Пірсона.
- •41.Визначення мультиколінеарності за допомогою критерія Стьюдента.
- •42.Визначення мультиколінеарності за допомогою критерія Фішера.
- •39.Напрямки усунення мульт-.
- •43.Алгоритм Феррара-Глобера для виявлення мульт- (загальна частина).
- •44.Гетероскедастичність та її вплив на оцінки параметрів моделі.
- •48.Визначення гетероскедастичності за тестом Спірмана.
- •50.Автокореляція: зміст, причини виникнення та її наслідки.
- •51.Методи визначення автокореляції.
- •Графічний метод розв’язування злп.
38.Поняття мультиколінеарності, її негативність, наслідки та ознаки
існувавня.
При використанні методу найменших квадра-тів і знаходження економетричної моделі од-нією з основних умов повинно бути незалеж-них змінних матриці Х, тобто у цій матриці визначник не дорівнює 0. У випадку, коли іс-нує залежність між 2ма або декількома незалежними змінними, то таке явище називається мультиколінеарністю. Якщо існує функціональна залежність між незалежними змінними хі, то оцінити їх вплив на результа-тивну змінну уі неможливо. У цьому випадку оцінювати параметри економетричної моделі методом найменших квадратів недоцільно з причин виродженості вихідної матриці Наслі-дки явища мультиколінеарності проявляють-ся у наступному: - низька точність оцінюван-ня параметрів економетричної моделі та їх зміщеності, яка пов’язана з великою диспер-сією оцінок і розширення їх інтервалів - пору-шення припущення про значущість зв’язку, тобто оцінки можуть мати великі стандартні помилки та нову значущість, хоча економет-рична модель характеризується великими коеф детермінації (R2≥0,9). - значна чутли-вість до обсягів сукупності спостережень, що можуть привести до значних змін в оцінці параметрів - ускладнення визначення впливу кожної пояснювальної змінної в рівнянні множинної регресії. Ознаки існування муль-тиколінеарності: - високе значення коеф парної кореляції, тобто декотрі пари змінних мають лінійну залежність. Якщо хоча б один такий коеф кореляції більше 0,7, то існує проблема мультиколінеарності. - коефіцієнт кореляції знаходиться близько до 1 - високий рівень коеф детермінації і критерія Фішера при малих значеннях параметрів економет-ричної моделі. Якщо коеф детермінації біль-ше 0,6, то має місце мультиколінеарність. - суттєва зміна оцінок параметрів при введенні в вихідний масив додаткових змінних хі. Це показує на тісний зв’язок нової введеної змінної з іншими змінними вихідного масиву.
40.Визначення мультиколінеарності за допомогою критерія Пірсона.
При аналізі одержаної економетричної моде-лі на мультиколінеарність використовують коеф. детармінації, часткові коефіцієнти ко-реляції та статистичні критерії. Для виявлен-ня існування мультиколінеарності між неза-лежними змінними використовують загальну схему алгоритму Феррара-Глобера. Цей алго-ритм можна розділити на дві частини: у пер-шій проводиться підготовка вихідних даних для використання статистичних критеріїв, у другій частині проводиться аналіз на мульти-колінеарність згідно зі статистичними крите-ріями. Використовують три види стат. кри-теріїв: - критерій χ2 (Пірсона), за допомогою якого ведеться перевірка на мультиколінеа-рність усього масиву незалежних змінних – критерій Фішера (F-критерій), за допомогою якого ведеться перевірка зв’язків кожної незалежної змінної з рештою множиною змінних - критерій Стьюдента (t-критерій), за допомогою якого ведеться перевірка існував-ня зв’язків між кожною парою незалежних змінних.Блок-схема перевірки на мультиколі-неарність за допомогою критерія Пірсона:
1. χ2 = -[n – 1 – 1/6 *(2m+5)]ln|r| →
2. χ2т = (α; ½*m(m-1)); χ2 > χ2т
Знаходиться фактичне значення критерія Пірсона, де m – кількість груп. Чим ближче до 0 визначник кореляційної матриці тим біль-ше значення критерію і тим менше ймовірні-сть відповідність одержаних результатів фак-тичним даним. Мале значення визначника кореляційної матриці є ознакою існування мультиколінеарності. Одержане значення критерію перевіряється з табличним значен-ням, згідно зі ступенем вільності ½*m(m-1) та значенням α=0,05. Якщо фактичне значення більше табличного, то для незалежних змінн-их вихідного масиву існує явище мульт-.