17. Эконометрические методы прогнозирования сэс.

Эконометрические модели - это система регрессионных уравнений и тождеств. Коэффициенты регрессионных уравнений определяются с помощью математико-статистических методов (метод наименьших квадратов – МНК и его модификаций) на основе динамических рядов экономического показателя.

Математико-статистические методы позволяют получить количественные оценки параметров модели при условии, что удается выявить факторы, влияющие на зависимые переменные в исследуемых функциях.

В общем виде эконометрическая модель:

Регрессоры взяты с различными лагами.

Xt-m		…
Xt-m+1		…
…	…	…	…
Xt-1		…
Xt		…

Линейная регрессия:

Зависимость прироста потребительских расходов от величины прироста з/п:

Более сложный случай – зависимость от нескольких переменных.

Зависимость прироста ВВП от прироста денежной массы и обменного курса:

Определив параметры уравнения (2) типа, можно задавать величину регрессоров и получать различные варианты поведения.

Процедура разработки эконометрических моделей включает 3 этапа:

1. определение целей создания моделей

на основе целей принимается решение об уровне дезагрегирования имеющихся моделей. Нужны знания специалистов в области экономической теории. Теоретический анализ взаимосвязи переменных позволяет выделить среди них экзогенные. Например, если анализируется роль внешнего рынка в формировании динамики в ВВП страны, то в качестве экзогенных переменных можно будет взять цены на экспортные товары данной страны на международном рынке. После определения экзогенных переменных формируются различные варианты записи уравнений, т.е. определяются независимые переменные, входящие в правую часть уравнения.

2. оценка параметров уравнения регрессии и формирование самой системы уравнения (модели). Для каждой эндогенной переменной рассчитывается несколько вариантов регрессионного уравнения, из которого нужно выбрать лучший. Критерии для этого: содержательный, математико-статистический. Например, случайным образом можно обнаружить тесную связь между нормой процента и урожайностью зерновых, но это не значит, что это можно использовать.

Анализ математических свойств регрессионных уравнений

1. Смотрим коэффициент детерминации:

R² = 95% (значит на 95% описывает ситуацию)

2. Статистика Дарбина-Уотсона:

есть ли автокорреляция – зависимость остатка от предшествующих значений

DW 2 (автокорреляции нет - хорошо)

3. Статистика Фишера:

указывает на то, значима ли в целом регрессия

F 5% - то значима

4. t-статистика

указывает на статистическую значимость отдельной переменной

t 5% - значима переменная, но следует проверять на всей модели.

3. Далее проводится проверка способности модели имитировать поведение СЭС в ретроспективе. Задаются фактические значения экзогенных переменных и проводится расчет эндогенных. Устанавливается точность имитации динамики показателей с использованием моделей. Если имитация неудовлетворительна, то необходимо заменить либо изменить какое-либо из уравнений модели. При этом иногда приходится возвращаться к теоретическим вопросам формирования уравнений. После того, как подтверждена способность модели удовлетворительно имитировать развитие СЭС в ретроспективе, приступают к прогнозированию развития СЭС.

18. Схема разработки эконометрических моделей

разработка вариантов записи эконометрических функций

определение экзогенных и эндогенных переменных

разработка теоретической модели

определение уровня дезагрегации

определение целей

19. Схема разработки эконометрических прогнозов

Эконометрический прогноз – результат решения системы регрессионных уравнений и тождеств.

При прогнозировании задаются траектории движения экзогенных переменных и начальные значения всех переменных базового периода. Модель позволяет получить прогнозные значения эндогенных переменных.

Схема разработки эконометрических прогнозов.

разработка вариантов записи эконометрических функций

определение экзогенных и эндогенных переменных

разработка теоретической модели

определение уровня дезагрегации

определение целей