
- •Лекція 1.Предмет, методи і завдання дисципліни
- •1.1 Природа економетрії. Роль економетричних досліджень в економіці
- •1.2 Предмет, цілі, завдання та структура курсу. Місце і значення курсу серед дисциплін фундаментальної підготовки фахівців з економіки. Взаємозв’язки курсу із суміжними дисциплінами
- •1.3 Особливості економетричних моделей
- •1.4 Вибір змінних і структура зв’язків.
- •1.5 Роль і місце економетричних моделей в математичному моделюванні
- •Лекція 2.Методи побудови загальної лінійної моделі
- •2.1 Загальний вигляд лінійної економетричної моделі, її структура та етапи побудови. Лінійна модель з двома змінними.
- •2.2 Передумови застосування методу найменших квадратів (1мнк)
- •2.3 Оператор оцінювання 1мнк
- •2.4 Верифікація моделі
- •2.5 Перевірка значущості та довірчі інтервали
- •2.6 Прогнозування за лінійною моделлю
- •2.7 Методи побудови багатофакторної регресійної моделі
- •2.8 Етапи дослідження загальної лінійної моделі множинної регресії. Визначення параметрів рівняння регресії.
- •2.9 Розрахунок коефіцієнтів множинної лінійної регресії
- •Лекція 3.Мультиколінеарність та її вплив на оцінки параметрів моделі
- •3.1 Поняття мультиколінеарності. Її вплив на оцінки параметрів моделі
- •3.2 Ознаки мультиколінеарності
- •3.3 Алгоритм Фаррара-Глобера
- •3.4 Методи усунення мультиколінеарності
- •Лекція 4.Емпіричні методи кількісного аналізу на основі статистичних рівнянь
- •4.1 Виміри і нечислові ознаки
- •4.2 Непараметричні (емпіричні) методи та доцільність їх застосування
- •4.3 Критерії відмінності між групами (незалежні вибірки)
- •4.4 Критерії відмінності між групами (залежні вибірки)
- •4.5 Критерії залежності між змінними
- •Лекція 5.Узагальнений метод найменших квадратів
- •4.1 Поняття гомо- і гетероскедастичності. Вплив гетероскедастичності на властивості оцінок параметрів
- •4.2 Методи визначення гетероскедастичності
- •5.3 Усунення гетероскедастичності трансформуванням початкової моделі
- •4.4 Узагальнений метод найменших квадратів (метод Ейткена) оцінок параметрів лінійної економетричної моделі з гетероскедастичними залишками. Прогноз за моделлю.
- •Лекція 6.Побудова економетричної моделі з автокорельованими залишками Анотація
- •6.1 Природа і наслідки автокореляції
- •6.2 Методи визначення автокореляції. Критерій Дарбіна-Уотсона. Критерій фон Неймана
- •6.3 Коефіцієнти автокореляції та їх застосування
- •6.4 Моделі з автокорельованими залишками
- •Лекція 7.Економетричні моделі на основі системи структурних рівнянь
- •7.1 Системи одночасних структурних рівнянь
- •7.2 Структурна і зведена форми моделі
- •7.3 Проблеми ідентифікації. Строго ідентифікована, неідентифікована і надідентифікована системи рівнянь
- •7.4 Проблема оцінювання параметрів системи, загальна характеристика методів. Непрямий метод оцінювання параметрів строго ідентифікованої системи рівнянь
- •7.5 Двокроковий метод найменших квадратів оцінювання параметрів надідентифікованих систем одночасних рівнянь (2мнк-оцінка)
- •7.6 Трикроковий метод найменших квадратів
- •7.7 Рекурсивні системи одночасних рівнянь, їх характеристика, можливість застосування мнк-оцінки для розрахунку параметрів рекурсивних систем
- •7.8 Прогноз і загальні довірчі інтервали
- •Лекція 8.Методи ІнструментальнИх зміннИх
- •8.1 Сутність методу інструментальних змінних
- •8.2 Оператор оцінювання Вальда
- •8.3 Особливості оцінювання методом Бартлета
- •8.4 Оператор оцінювання Дарбіна
- •8.5 Помилки вимірювання змінних
- •Лекція 9.Економетричні моделі динаміки
- •9.1 Методи моделювання часових рядів
- •9.2 Перевірка гіпотези про існування тренда
- •9.3 Моделювання тенденції часового ряду: згладжування та аналітичне вирівнювання
- •9.4 Моделювання сезонних та циклічних коливань
- •Лекція 10.Моделі розподіленого лагу
- •10.1 Поняття лагу і лагових змінних
- •10.2 Моделі розподіленого лагу
- •10.3 Оцінка параметрів моделей з лагами в незалежних змінних: метод послідовного збільшення кількості лагів, перетворення Койка (метод геометричної прогресії)
- •10.4 Оцінювання параметрів авторегресійних моделей
- •10.5 Виявлення автокореляції залишків в авторегресійних моделях
- •10.6 Авторегресійне перетворення
- •У всіх цих перетвореннях поточне значення yt змінної y виражається тільки через її попередні значення і випадкову складову (білий шум) ut.
- •10.7 Перетворення методом ковзного середнього
- •10.8 Перетворення arma і arima
7.4 Проблема оцінювання параметрів системи, загальна характеристика методів. Непрямий метод оцінювання параметрів строго ідентифікованої системи рівнянь
Коефіцієнти структурної моделі можуть бути оцінені різними способами залежно від виду системи одночасних рівнянь. Найбільшого поширення в літературі набули такі методи оцінювання коефіцієнтів структурної моделі:
1) непрямий метод найменших квадратів;
2) двокроковий метод найменших квадратів;
3) трьохкроковий метод найменших квадратів;
4) метод максимальної правдоподібності з повною інформацією;
5) метод максимальної правдоподібності при обмеженій інформації.
Розглянемо коротко сутність кожного з цих методів.
Непрямий метод найменших квадратів (НМНК) застосовується у випадку точно ідентифікованої структурної моделі. Процедура застосування НМНК передбачає виконання наступних етапів роботи.
1. Структурна модель перетворюється в зведену форму моделі.
2. Для кожного рівняння зведеної форми моделі звичайним МНК оцінюються наведені коефіцієнти.
3. Коефіцієнти зведеної форми моделі трансформуються в параметри структурної моделі.
Якщо система надідентифікована, то НМНК не використовується, бо він не дає однозначних оцінок для параметрів структурної моделі. У цьому випадку можуть використовуватися різні методи оцінювання, серед яких найбільш поширеним і простим є двокроковий метод найменших квадратів (ДМНК).
Основна ідея ДМНК – на основі зведеної форми моделі отримати для надідентифікованого рівняння теоретичні значення ендогенних змінних, що містяться в правій частині рівняння.
Далі, підставивши їх замість фактичних значень, можна застосувати звичайний МНК до структурної форми надідентифікованого рівняння. Метод отримав назву двокрокового МНК, бо двічі використовується МНК: на першому кроці при визначенні зведеної форми моделі і отримання на її основі оцінок теоретичних значень ендогенної змінної і на другому кроці стосовно структурного надідентифікованого рівняння при визначенні структурних коефіцієнтів моделі за даними теоретичних (розрахункових) значень ендогенних змінних.
Надідентифікована структурна модель може бути двох типів:
1) всі рівняння системи надідентифіковані;
2) система містить поряд з надідентифікованими рівняння, що точно ідентифікуються.
Якщо всі рівняння системи надідентифіковані, то для оцінки структурних коефіцієнтів кожного рівняння використовується ДМНК. Якщо в системі є точно ідентифіковні рівняння, то структурні коефіцієнти по них знаходяться з системи зведених рівнянь.
Непрямий і двокроковий методи найменших квадратів докладно описані в літературі і розглядаються як традиційні методи оцінки коефіцієнтів структурної моделі. Ці методи досить легко реалізувати.
Метод максимальної правдоподібності розглядається як найбільш загальний метод оцінювання, результати якого при нормальному розподілі ознак збігаються з МНК. Однак при великому числі рівнянь системи цей метод призводить до досить складних обчислювальних процедур. Тому в якості модифікації використовується метод максимальної правдоподібності при обмеженій інформації (метод найменшого дисперсійного відношення), розроблений в 1949 р. Т. Андерсоном і Н. Рубіним.
На відміну від методу максимальної правдоподібності в даному методі зняті обмеження на параметри, пов'язані з функціонуванням системи в цілому. Це робить рішення більш простим, але трудомісткість обчислення залишається досить високою. Незважаючи на його значну популярність, до середини 60-х років він був практично витіснений двокроковим методом найменших квадратів (ДМНК) у зв'язку з набагато більшою простотою останнього.
Подальшим розвитком ДМНК є трикроковий МНК (ТМНК), запропонований в 1962 р. А. Зельнером і Г. Тейл. Цей метод оцінювання придатний для всіх видів рівнянь структурної моделі. Однак при деяких обмеженнях на параметри більш ефективним виявляється ДМНК.