- •Шкала оцінювання
- •Економетрика Зміст дисципліни за темами Тема 1. Концептуальні аспекти економетричного моделювання економіки
- •Тема 2. Принципи побудови економетричних моделей. Парна та множинна лінійна регресія
- •Тема 3: Нелінійні економетричні моделі
- •Тема 4. Фіктивні змінні в економетричних моделях
- •Тема 5. Мультиколінеарність
- •Тема 6. Автокореляція залишків
- •Тема 7. Гетероскедастичність залишків
- •Приклади типових завдань
- •Тема: Соціально – економічні системи, методи дослідження та моделювання
- •2. Математична модель економічного об’єкту
- •Критерії вибору „хорошої моделі”:
- •3. Класифікація економіко-математичних моделей
- •4. Основні етапи економіко – математичного моделювання
- •Економетрика
- •2. Об'єкт, предмет, мета і завдання економетрії
- •3. Основні етапи економетричного аналізу
- •4. Економічні задачі, які розв'язують за допомогою економетричних методів
- •5. Основні етапи зародження та розвитку економетрії
- •Тема: Регресійні моделі
- •1. Поняття регресії
- •2. Парна лінійна регресія
- •3. Метод найменших квадратiв (мнк)
- •4. Дисперсійний аналіз моделі
- •Лабораторна робота №1 «Економетрична модель простої регресії»
- •1. Постановка задачі.
- •3. Розрахунок моделей
- •Знаходження оцінок параметрів моделі методом найменших квадратів
- •5. Графік моделі у „хмарі” розсіювання
- •6. Дисперсійний аналіз лінійної моделі:
- •7. Значущість оцінок параметрів і моделі:
- •8. Прогноз:
- •9. Аналіз лінійної моделі:
- •Лабораторна робота № 2 « Модель множинної лінійної регресії»
- •Тема: Нелінійні моделі
- •1. Нелінійні регресії
- •2. Нелінійні регресії 1-го класу
- •2.1. Поліноміальна модель
- •2.2. Гіперболічна модель
- •3. Нелінійні регресії 2-го класу
- •3.1. Показникова моделі
- •3.2. Степенева модель
- •3.3. Напівлогарифмічні моделі
- •Лінійно – логарифмічна модель
- •3.4. Виробнича функція Кобба – Дугласа
- •4. Врахування випадкового відхилення
- •Лабораторна робота №1 “Методи прогнозування цінової динаміки”
- •1. Лінійна регресія
- •2. Нелінійна регресія
- •2. Порядок визначення оптимальної прогностичної моделі
- •Іншим показником якості моделі є вибірковий коефіцієнт детермінації. Для будь якої моделі показник розраховується так:
- •Лабораторна робота № 3 «Оцінювання параметрів нелінійної моделі»
- •Мета роботи:
- •Завдання:
- •Дослідження наявнoстi мультиколінеарності у масиві змінних
- •Розв’язання
- •Розв’язання
- •Приклад дослідження на наявність гетероскедастичності
- •Параметричний тест Гольфельда – Квандта
- •Тест Глейсера
- •- Критерій
- •Тест Спірмена
- •Тема*: Фіктивні змінні в регресійних моделях
- •1. Необхідність використання фіктивних змінних
- •2. Моделі ancova
- •2.1. Ancova - модель за наявності у фіктивної змінної двох альтернатив
- •2.2. Моделі ancova за наявності у якісних змінних більше двох альтернатив
- •2.3. Регресія з однією кількісною і двома якісними змінними
- •3. Використання фіктивних змінних у сезонному аналізі
Тема 3: Нелінійні економетричні моделі
Нелінійні моделі:
*поліноміальні,
* гіперболічні,
*показникові моделі.
Виробнича функція Кобба-Дугласа.
Лінеаризація нелінійних моделей.
Оцінка параметрів лінеаризованої моделі МНК.
Приклади застосування нелінійних функцій в економіці.
Тема 4. Фіктивні змінні в економетричних моделях
Врахування якісних факторів в лінійних економетричних моделях за допомогою фіктивних змінних.
Моделі з фіктивними незалежними змінними:
моделі, що містять тільки якісні незалежні змінні;
моделі в яких незалежні змінні носять як якісний так і кількісний характер.
Тема 5. Мультиколінеарність
Моделі з порушенням передумов використання МНК: мультиколінеарність.
Мультиколінеарність: її суть та наслідки.
Тестування наявності мультиколінеарності в моделі. Алгоритм Фаррара-Глобера.
Методи усунення мультиколінеарності.
Тема 6. Автокореляція залишків
Моделі з порушенням передумов використання МНК: автокореляція залишків.
Суть та наслідки автокореляції залишків.
Методи виявлення автокореляції залишків в моделі.
Методи знаходження оцінок параметрів моделі з автокорельованими залишками.
Тема 7. Гетероскедастичність залишків
Моделі з порушенням передумов використання МНК: гетероскедастичність залишків.
Гетероскедастичність, її суть та наслідки.
Тестування наявності гетероскедастичності стохастичної складової моделі.
Методи оцінювання параметрів моделі з гетероскедастичними залишками.
Приклади типових завдань
1. Розрахувати економетричну модель парної регресії між факторами Х і У:
Ŷ = ǎ0 + ǎ1·х. Охарактеризувати економічний зміст оцінок параметрів моделі ǎ0 , ǎ1.
Розрахувати за нею прогнозоване значення залежного фактора Упр
Побудувати графік моделі парної регресії в кореляційному полі – “хмарі розсіювання”.
Розрахувати коефіцієнт детермінації R2 і коефіцієнт кореляції R. . Який зміст цих коефіцієнтів ?
Оцінити якість отриманої моделі за F-, t – критеріями з рівнем значущості α = 0,05.
.
у |
60 |
61 |
59 |
58 |
62 |
63 |
65 |
60 |
68 |
70 |
х |
30 |
35 |
33 |
34 |
36 |
38 |
40 |
41 |
45 |
45 |
Х – витрати на маркетинг, (тис. грн..), У – прибуток , (млн. грн.).
2. В результаті дослідження чинників економічного зростання побудовано таку модель (обсяг вибірки – 73 країни):
Y = 1,4 – 0,52X
+ 0,17 X
+ 11,16 X
– 0,38 X
– 4,75 X
+ и,
(5,9) (4,34) (3,91) (0,79) (2,7)
де Y – темп росту середнього значення ВВП на душу населення у % до базового періоду;
X – реальні середні значення ВВП на душу населення, %;
X – бюджетний дефіцит у % до ВВП;
X – обсяг інвестицій, % до ВВП;
X4 – зовнішній борг, % до ВВП;
X – рівень інфляції, %.
В дужках вказані спостережувані значення t-критерія. Відомий також коефіцієнт детермінації R2 = 0,78.
Перевірити загальну якість даної моделі.
Перевірити значущість параметрів моделі при рівні значущості = 0,05 та записати, враховуючи зроблені висновки, теоретичну модель.
Побудувати довірчі інтервали для параметрів теоретичної моделі при рівні надійності = 0,95.
Визначити частинні коефіцієнти еластичності.
5) Охарактеризувати економічний зміст оцінок параметрів моделі ǎ0 , ǎ1.
3. Побудовано модель залежності середньомісячної ринкової ціни акцій підприємства (Y, грн./акція) від обсягу сплачених дивідендів на акцію (Х1, грн./місяць) та обсягу коштів, спрямованих підприємством на розширення виробництва (Х2, сотні тис. грн. /місяць):
Y = 2,4 + 1,6 Х1 + 0,9 Х2, + и.
Відомо також, що
=
10,5,
,
n =
20.
1) Охарактеризувати економічний зміст оцінок параметрів моделі ǎ0 , ǎ1.
2) Побудувати точковий та інтервальні прогнози для залежної змінної, якщо хпр.1 = 10, хпр.2 = 2, а рівень надійності = 0,95.
4. Розрахована регресійна модель залежності прибутку (Y) від інвестицій (Х1), основного фонду виробництва ( Х2 ), фонду робочого часу (Х3) за 20 спостереженнями:
-
0,140967
-0,41125
0,882323
-21,1336
0,076457
0,289052
0,215299
9,011057
0,973764
1,188204
# н/д
# н/д
148,4617
12
# н/д
# н/д
628,808
16,94196
# н/д
# н/д
.
1. Перевірити загальну якість даної моделі.
2. Перевірити значущість параметрів моделі при рівні значущості = 0,05 та записати, враховуючи зроблені висновки, теоретичну модель.
3. Побудувати довірчі інтервали для параметрів теоретичної моделі.
4. Визначити частинні коефіцієнти еластичності.
5. Охарактеризувати економічний зміст оцінок параметрів моделі ǎ0 , ǎ1.
5 . Аналізується прибуток підприємства Y (млн.$) в залежності від витрат на рекламу Х (млн.$). За спостереженнями на протязі 9 років отримані наступні дані:
Y |
5 |
7 |
13 |
15 |
20 |
25 |
22 |
20 |
17 |
X |
0,8 |
1 |
1,8 |
2,5 |
4 |
5,7 |
7,5 |
8,3 |
8,8 |
1) Побудуйте кореляційне поле і висуньте гіпотезу, щодо виду залежності між показниками.
2) Оцініть за МНК параметри
лінійної регресії Y =
.
3) Оцініть якість побудованої регресії.
4) Знайдіть за допомогою МНК
оцінки параметрів квадратичної регресії
Y =
.
5) Оцініть якість побудованої моделі. Яку з моделей варто обрати для подальшого дослідження?
6. Для двох
видів продукції А
і В
моделі залежності питомих постійних
витрат від об’єму випущеної продукції
мають вигляд: YА
= 80 + 0,7х, YВ=
40
1) Визначити коефіцієнти еластичності по кожному виду продукції та пояснити їх зміст.
2) Порівняти еластичність затрат для обох видів продукції при х =1000.
3) Визначити, яким повинен бути об’єм випущеної продукції, щоб коефіцієнти еластичності для продукції А та В стали рівними.
7. Нехай
Y =
,
де С – фіктивна змінна, що відображає
стать суб’єкта дослідження (С=0
для жінок і С =1
для чоловіків).
Середнє значення змінної Y для 15 чоловіків дорівнює 5, для 25 жінок – 3. При цьому відомо, що дисперсія залишків становить 64.
Визначте оцінку коефіцієнтів
та
.
8. При аналізі залежності заробітної плати (S) 70 співробітників фірми (45 чоловіків і 25 жінок) від стажу роботи (Т) на фірмі отримані наступні регресійні моделі:
S = 50+ 0,12 Т, R2 = 0,63, t = (5,23) (9,35).
S = 30 + 0,092 T + 25D, R2 = 0,72, t = (4,63) (4,3) (6,23).
S = 25 + 0,078 T+32D + 0,07T ·D, R2 = 0,912, t = (3,07) (3,73) (2,93) (1,98)
де D - фіктивна змінна, що відображає стать співробітника.
а) Яка з регресій (1 або 2), (2 або 3) з вашого погляду є більш раціональною?
б) Які похибки при виборі регресії 1 допускаються?
в) Поясніть зміст кожного з коефіцієнтів у рівнянні регресії.
г) Якою буде середня зарплата співробітника – чоловіка і жінки зi стажем роботи у 15 років?
9. В нижченаведеній таблиці Y – місячний обсяг попиту на товари першої необхідності сім’ї з трьох чоловік (ум.гр.од.), Х – місячний рівень доходу сім’ї (ум.гр.од.):
Х |
2,5 |
1,4 |
0,9 |
2,7 |
1,8 |
2,2 |
2,4 |
1,9 |
1,6 |
1,2 |
Y |
0,8 |
1,1 |
0,7 |
0,9 |
1,0 |
1,2 |
0,9 |
0,6 |
0,7 |
0,5 |
Перевірити, яка з моделей краще наближає емпіричні дані: лінійна, степенева чи гіперболічна. Перевірити статистичну значущість зв’язку в кожній з цих моделей.
10.. За даними 15 років побудовані два рівняння регресії:
1) Y = 3,435 - 0,5145Х+ ε, R2 = 0,6748; t = ( 20,5 ) ( 4.3)
2) 1n Y = 0,851 - 0,2514Х + ε, R2 = 0,7785, t = (43,6) (5,2)
де Y - щоденне середньодушове споживання кави (у чашках 100г),
X - середньорічна ціна кави ( грн/кг).
а) Проаналізуйте коефіцієнти кожної з моделей.
б) Чи можна за визначеними моделями визначити, чи є попит на каву еластичним?
в) Яка модель, з вашого погляду, є переважнішою? Чи можна обґрунтувати висновок за коефіцієнтами детермінації?
11. Для 3-х пояснюючих змінних обчислено кореляційну матрицю r. Чи існує в масиві змінних мультиколінеарність? За оберненою до неї матрицею оцінити попарну мультиколінеарність змінних для 15 спостережень і 95% надійності:
12. Відомі дані щодо місячного обсягу прибутку 15 підприємств галузі – Х (млн.грн), та обсягу дивідендів, сплачених цими підприємствами за місяць – Y (млн.грн):
Х |
3 |
5 |
8 |
10 |
12 |
14 |
7 |
6 |
9 |
10 |
5 |
7 |
4 |
12 |
15 |
18 |
Y |
0,2 |
1,2 |
4,0 |
1,5 |
2,0 |
3,5 |
0,8 |
2,2 |
1,4 |
5,0 |
2,1 |
1,8 |
2,3 |
8 |
1,6 |
10 |
Побудувати модель парної лінійної регресії. Перевірити за тестом Гольдфельда-Квандта, Спірмена чи виконується умова гомоскедастичності залишків.
13. Обчислити коефіцієнт автокореляції залишків першого порядку:
и |
-0,58 |
-0,97 |
-0,02 |
0,04 |
-0,02 |
0,31 |
-0,25 |
0,86 |
-0,42 |
0,37 |
0,68 |
Зробити висновки щодо наявності автокореляції за критерієм Дарбіна-Уотсона.
