
- •Визначення економетрії як науки, її природа. Приклади використання економетричних моделей для розв’язування економічних задач.
- •Роль економетричних досліджень в економіці.
- •3. Предмет, цілі, задачі курсу — Економетрика.
- •4.Взаємозв’язки курсу із суміжними дисциплінами.
- •Основні типи економетричних моделей. Змінні та рівняння в економетричних моделях.
- •6. Етапи економетричного моделювання економічних процесів та явищ.
- •7. Загальний вигляд лінійної економетричної моделі та етапи її побудови
- •8. Специфікація економетричної моделі
- •12. Поняття адекватності і точності економетричної моделі
- •13. Перевірка значущості оцінок параметрів економетр моделі, статистичні критерії.
- •14. Перевірка статистичної значущості економ моделі в цілому, статистичні критерії.
- •15. Дисперсійний аналіз лінійної регресії.
- •16. Інтервальний прогноз залежної змінної на основі економетричної моделі. Стандартні помилки та надійність прогнозу
- •17. Проста лінійна регресія. Структура моделі та основні припущення при її побудові
- •18. Коефіцієнт детермінації.
- •26. Моделі, які зводяться до моделі простої (множинної мне кажется тут опечатка) лінійної регресії. Приклади застосування простої лінійної регресії.
- •27. Множинна лінійна регресія. Структура моделі та основні припущення при її побудові. Оцінка моделі.
- •28. Моделі, які зводяться до моделі множинної лінійної регресії.
- •29. Виділення сезонних коливань
- •30. Економетрична лінійна модель на основі нормалізованих даних
- •31. Регресійні залежності довільного типу
- •32.Модель Коба-Дугласа та її оцінка
- •33. Інтерпретація коефіцієнтів регресії. Порівняння факторів за ступенем їх впливу. Економічний зміст коефіцієнтів регресії.
- •34. Поняття мультиколінеарності, її природа.
- •35. Методи визначення мультиколінеатності та способи її усунення.
- •Засоби усунення мультиколінеарності. Метод головних компонентів
- •36. Поняття гомо- й гетероскедастичності, природа гетероскедастичності.
- •37. Метод перевірки гетероскедастичності на основі тесту Голдфелда-Квондта
- •3. Незалежність збурень:
- •4. Незалежність збурень та регресорів:
- •42. Методи визначення автокореляції
- •43. Критерій Дарбіна Уотсона
- •44. Метод Дарбіна
- •45. Узагальнений метод найменших квадратів у випадку відомої кореляційної матриці збурень.
- •46. Авторегресія першого порядку
- •47.Оцінювання моделі з автокорельованими збуреннями у випадку невідомої кореляційної матриці збурень.
- •48. Системи одночасних структурних рівнянь. Перехід до зведеної форми, їх взаємозв’язок.
- •49.Приклади систем одночасних рівнянь на макрорівні.
- •50. Поняття ідентифікації. Строго ідентифікована, неідентифікована і надідентифікована системи рівнянь
- •51. Проблеми оцінювання параметрів системи, загальна характеристика методів.
- •52.Непрямий метод найменших квадратів оцінювання параметрів строго ідентифікованих рівнянь системи.
- •53. Розрахунок параметрів системи економетричних рівнянь попиту і пропозиції непрямим мнк.
- •Для систем таких рівнянь потрібно застосовувати спеціальні методи оцінювання, оскільки в них регрес ори корельовано зі збуреннями.
- •54. Двоетапний мнк. Алгоритм.
- •55. Порядок аналізу часових рядів. Адитивна та мультиплікативна моделі
- •56. Лаговий оператор.
- •57. Міри точності прогнозів
- •58. Стаціонарність часових рядів
- •59. Метод усереднення
- •60. Метод експоненціального згладжування: звичайне, подвійне, потрійне
58. Стаціонарність часових рядів
Якщо часовий ряд стаціонарний, що означає наявність статистичної рівноваги щодо постійної середньої с, він може бути представлений широким класом лінійних моделей, що називаються моделями авторегресії-ковзного середнього.
Часовий ряд (процес) називається стаціонарним якщо:
математичне сподівання скінченне й постійне: Мyt=μ<∞ для всіх t=0,± 1,± 2,…;
дисперсія скінченна й постійна: Dуt =γ0 <∞ для всіх t=0,± 1,± 2,…;
значення автоковаріаційної функції залежать лише від різниці аргументів: автоковаріація j-го порядку cov(уt, уt-j) = γj < ∞ для всіх t=0,± 1,± 2,…, j = 1,2,3,…
Важливою характеристикою стаціонарних випадкових процесів є автокореляційна функція. Автокореляцію j-го порядку визначають за допомогою рівності
Зауважимо, що р0 =1, рj = р-j. Отже, достатньо розглядати послідовність pJ лише для натуральних j. Ця послідовність називається автокореляційною функцією.
У теорії випадкових процесів розрізняють два поняття стаціонарності: стаціонарність у вузькому та широкому розумінні. Ми розглядаємо лише стаціонарність у широкому розумінні.
59. Метод усереднення
Одним
із методів згладжування часового ряду
є метод рухомого середнього (усереднення).
Суть полягає у заміні початкового
часового ряду послідовністю середніх,
що обчислюються на відрізку, який
переміщується вздовж часового ряду.
Задається довжина відрізка ковзання
(2m+1)
по часовій осі, тобто береться непарна
кількість спостережень. Підбирається
поліном:
до
групи перших (2m+1)
членів ряду, і цей поліном використовується
для визначення значення тренду у середній
(m+1)-й
точці групи. Потім провадиться зсув на
один рівень ряду вперед і підбирається
поліном того ж порядку до групи точок,
що складається з 2-го, 3-го,. . . , (2
m
+2)-го спостереження. Знаходиться значення
тренда в (m
+2)-й точці і т.д. тим же способом уздовж
всього ряду до останньої групи з (2m +1)
спостереження. Насправді немає
необхідності будувати поліном для
кожного відрізка. Як буде показано, ця
процедура еквівалентна знаходженню
лінійної комбінації рівнів часового
ряду з коефіцієнтами, які можуть бути
визначені раз і назавжди і залежать
тільки від довжини відрізка ковзання
і ступеня полінома.
Для визначення коефіцієнтів a0, a1,. . . , ар полінома за допомогою методу найменших квадратів за першим (2 m + 1) точкам мінімізується функціонал:
Зауважимо, що t приймає умовні значення від-m до m. Це досить зручний прийом, істотно спрощує розрахунки. Диференціювання функціоналу по a0, a1,. . . , ар дає систему з р + 1 рівняння типу:
Рішення
цієї системи рівнянь щодо невідомих
параметрів a0, a1,. . . , ар
полегшується тим, що
і
всі суми від t-m
до m
непарних порядків
теж рівні нулю. Крім того, т.я. поліном,
підібраний за
2m
+1 точками, використовується для визначення
значення тренда в середній точці, а в
цій точці t
= 0, то, поклавши в рівняння t
= 0, отримуємо значення тренда, рівне а0.
Стало бути, завдання зводиться до пошуку
а0.
Система
нормальних рівнянь, яку потрібно вирішити
відносно а0,
розбивається на дві підсистеми: одна -
містить коефіцієнти з парними індексами
а0, а2, а4,. . . , Інша - включає коефіцієнти
з непарними індексами а1, а3, а5,. . . .
Рішення системи щодо a0
залежить
від чисельних значень
лінійних
функцій від х типу
У
підсумку, значенням тренда в центральній
точці відрізка буде середня арифметична,
зважена із значень часового ряду від
х-м
до хм
з ваговими коефіцієнтами βt, які залежать
від значень м і р:
Зазначена процедура повторюється для всіх наступних відрізків ковзання, з обчисленням значень тренду в їх середніх точках.