
- •Эконометрика и экономико-математические методы и модели Учебно-методический комплекс
- •Состав и структура умк
- •Эконометрика
- •И экономико-математические
- •Методы и модели
- •Учебная программа для специальностей:
- •Составила: Мокеева о.А., к. Ф.-м. Н., доцент
- •Учебная программа составлена на основе учебной программы «Эконометрика и экономико-математические методы и модели», утвержденной 31 августа 2010 г., регистрационный номер уд-046-10/баз.
- •Заведующий кафедрой
- •Пояснительная записка
- •Примерный тематический план
- •Содержание учебного материала
- •Тема 1. Теоретические основы математического моделирования
- •Тема 2. Модели парной регрессии
- •Информационно-методическая часть Основная литература Учебники
- •Дополнительная литература Учебники
- •Наглядные и методические пособия
- •Тема 1 теоретические основы экономико-математического моделирования
- •1. Понятие о модели и моделировании
- •2. Классификация моделей
- •3. Экономико-математическая модель
- •4. Этапы экономико-математического моделирования
- •5. Принципы построения экономико-математических моделей
- •6. Общая характеристика экономико-математических методов
- •7. Эконометрика как наука
- •8. Эконометрика и другие науки
- •9. Эконометрические модели и их типы
- •10. Этапы эконометрического моделирования
- •11. Пример эконометрического исследования
- •12. Эконометрическое моделирование
- •Вопросы для самоконтроля
- •Тема 2 модели парной регрессии
- •1. Корреляционный и регрессионный анализы
- •2. Спецификация модели
- •3. Параметризация модели
- •4. Оценка тесноты связи между количественными переменными
- •5. Проверка общего качества уравнения регрессии
- •Примеры решения заданий
- •Решение:
- •Решение:
- •Задания для самостоятельной работы
- •Лабораторная работа «Парная линейная регрессия и корреляция»
- •1. Постановочный этап
- •2. Спецификация модели
- •3. Параметризация модели
- •4. Верификация модели
- •5. Прогнозирование
- •Сурс спецификация и параметризация парной нелинейной регрессионной модели
- •1. Количество часов сурс на тему – 2.
- •Теоретические вопросы (определяет преподаватель)
- •Практические задания (вариант определяет преподаватель)
- •Методические указания
- •Литература
- •Вопросы для самоконтроля
- •Тема 3 модели множественной регрессии
- •1. Постановочный этап
- •3. Параметризация модели
- •4. Верификация модели
- •4.1. Статистическая значимость параметров регрессии
- •4.2. Проверка общего качества модели множественной регрессии
- •4.3. Предпосылки мнк
- •5. Прогнозирование на основе регрессионных моделей
- •6. Фиктивные переменные
- •7. Введение фиктивных переменных в модель
- •8. Тест Чоу
- •9. Фиктивные переменные и сезонность
- •Примеры решения заданий
- •Решение:
- •Задания для самостоятельной работы
- •Лабораторная работа «Множественная линейная регрессия и корреляция»
- •Порядок выполнения работы
- •Вопросы для самоконтроля
- •Тема 4 эконометрический анализ при нарушении классических модельных предположений
- •1. Проблема гетероскедастичности
- •2. Автокорреляция остатков регрессионной модели
- •3. Мультиколлинеарность факторов
- •Эконометрический анализ модельных предположений для множественной линейной регрессионной модели
- •1. Количество часов сурс на тему – 2.
- •Теоретические вопросы (определяет преподаватель)
- •Отчет по лабораторной и самостоятельной управляемой работе «Множественная регрессия и корреляция» студента _____________________________________ гр. ______
- •1. Постановочный этап.
- •4. Верификация модели.
- •Литература
- •Вопросы для самоконтроля
- •Тема 5 моделирование одномерных временных рядов
- •1. Динамические эконометрические модели
- •2. Компоненты временного ряда
- •3. Выравнивание временного ряда
- •4. Общая схема моделирования временного ряда
- •5. Автокорреляция остатков временного ряда
- •6. Анализ структурной стабильности тенденции
- •Примеры решения заданий
- •1.2Подобрать линию тренда, которая лучше всего описывает фактические данные и на ее основе сделать прогноз на 3 недели вперед. Решение:
- •Задания для самостоятельной работы
- •Лабораторная работа «Анализ структуры временного ряда»
- •Порядок выполнения работы
- •2. Спецификация, параметризация и верификация модели.
- •3. Прогнозирование
- •Вопросы для самоконтроля
- •Тема 6 системы одновременных уравнений
- •1. Системы уравнений, используемые в эконометрике
- •2. Структурная и приведенная формы моделей
- •3. Проблема идентифицируемости модели
- •4. Методы оценивания параметров структурной модели
- •5. Практика применения систем одновременных уравнений в макроэкономическом анализе
- •Примеры решения заданий
- •Решение:
- •Задания для самостоятельной работы
- •Вопросы для самоконтроля
- •Тема 7 модели сетевого планирования
- •1.2.11. Области применения моделей сетевого планирования
- •2. Основные понятия и элементы сетевого графика
- •3. Правила построения сетевого графика
- •4. Временные параметры сетевого графика
- •5. Линейный график Ганта
- •6. Задачи оптимизации сетевого графика
- •7. Модели сетевого планирования в условиях неопределенности
- •Примеры решения заданий
- •Решение:
- •Задания для самостоятельной работы
- •Вопросы для самоконтроля
- •Тема 8 модели межотраслевого баланса
- •1. Понятие балансовой модели
- •2. Схема межотраслевого баланса
- •3. Варианты расчетов по балансовой модели
- •4. Модель отраслевого баланса в условиях ограничений на используемые внешние ресурсы
- •5. Из истории метода межотраслевого баланса
- •Примеры решения заданий
- •Решение:
- •Решение:
- •Задания для самостоятельной работы
- •Вопросы для самоконтроля
- •Тема 9 модели теории игр
- •1. Понятие игры, виды игр
- •2. Принцип минимакса
- •3. Упрощение матричных игр
- •1.2.24. Решение матричных игр без седловых точек
- •1.35. Игры с природой
- •1.46. Критерий Байеса
- •1.57. Критерий Лапласа
- •1.68. Максиминный критерий Вальда
- •1.79. Критерий Сэвиджа (минимаксного риска)
- •1.810. Критерий обобщенного максимума Гурвица
- •Примеры решения заданий
- •Решение:
- •Решение:
- •Решение:
- •1.10Критерий Вальда
- •1.11Критерий Сэвиджа
- •1.12Критерий Гурвица
- •1.13Критерий Байеса
- •1.15Критерий Лапласа
- •Задания для самостоятельной работы
- •Вопросы для самоконтроля
- •Тема 10 модели массового обслуживания
- •1. Основные понятия систем массового обслуживания
- •2. Классификации систем массового обслуживания
- •3. Простейшие системы массового обслуживания
- •4. Примеры
- •5. Основные показатели эффективности системы массового обслуживания
- •5.1. Одноканальная система массового обслуживания с отказами
- •5.2. Многоканальная система массового обслуживания с отказами
- •5.3. Одноканальная система массового обслуживания с ожиданием и ограничением на длину очереди
- •5.4. Многоканальная система массового обслуживания с ожиданием и ограничением на длину очереди
- •5.5. Одноканальная система массового обслуживания с ожиданием и неограниченной очередью
- •3.3.6. Многоканальная система массового обслуживания с ожиданием и неограниченной очередью
- •Примеры решения заданий
- •Решение:
- •Решение:
- •Решение:
- •Решение:
- •Задания для самостоятельной работы
- •Вопросы для самоконтроля
- •Тема 11 модели управления товарными запасами
- •1. Основные теоретические сведения
- •2. Понятие о системах управления запасами
- •3. Простейшая модель оптимального размера партии поставки
- •4. Модель с учетом неудовлетворенных требований
- •Примеры решения заданий
- •Решение:
- •Решение:
- •Задания для самостоятельной работы
- •Вопросы для самоконтроля
- •Информационно-методическая часть Основная литература Учебники
- •Дополнительная литература Учебники
- •Наглядные и методические пособия
2. Структурная и приведенная формы моделей
Различают расширенную, структурную и приведенную формы записи систем эконометрических уравнений.
Расширенная форма модели – это такая система уравнений, которая содержит балансовые уравнения. За счет балансовых уравнений некоторые из переменных могут быть исключены, что позволяет в конечном итоге рассматривать систему уравнений меньшей размерности.
Структурной формой модели называется система уравнений (3). Уравнения, входящие в структурную форму, называются структурными уравнениями. Коэффициенты уравнений структурной формы называются структурными коэффициентами.
В процессе оценивания параметров системы (3) следует различать два класса переменных: эндогенные и экзогенные. Эндогенными называются переменные, значения которых определяется внутри модели. В системе (3) эндогенными являются переменные y1, y2, …, yn. Их число совпадает с числом уравнений системы. Экзогенными называются те переменные, значения которых определяется вне модели. Это предопределенные переменные, которые влияют на эндогенные переменные, но не зависят от них. В динамических моделях в качестве экзогенных могут рассматриваться значения эндогенных переменных за предыдущие периоды времени – лаговые переменные.
Приведенной формой модели называется система уравнений, в каждом из которых эндогенные переменные выражены только через экзогенные переменные и случайные составляющие:
(4)
Коэффициенты приведенной формы (4) называются приведенными коэффициентами. Они оцениваются с помощью обычного МНК, так как экзогенные переменные не коррелированны со случайными составляющими.
3. Проблема идентифицируемости модели
При переходе от приведенной формы к структурной возникает проблема идентификации модели, то есть проблема возможности и единственности численной оценки структурных коэффициентов по оценкам приведенных коэффициентов.
Исходная система одновременных уравнений является идентифицируемой, если все ее структурные коэффициенты определяются однозначно по коэффициентам приведенной формы модели, то есть если число параметров структурной модели равно числу параметров приведенной формы модели.
Исходная система одновременных уравнений является неидентифицируемой, если число параметров структурной модели больше числа параметров приведенной формы модели. В таком случае структурные коэффициенты не могут быть оценены через коэффициенты приведенной формы модели.
Исходная система одновременных уравнений является сверхидентифицируемой, если число параметров структурной модели меньше числа параметров приведенной формы модели. В этом случае на основе коэффициентов приведенной формы можно получить два и более значения одного структурного коэффициента. Сверхидентифицируемая модель в отличие от неидентифицируемой модели практически решаема, но требует для этого специальных методов оценки параметров.
Для определения типа модели необходимо рассматривать каждое уравнение. Если каждое уравнение системы идентифицируемо, то и модель считается идентифицируемой. Если хотя бы одно уравнение в системе не идентифицируемо, то вся модель считается неидентифицируемой. Модель считается сверхидентифицируемой, если хотя бы одно ее уравнение сверхидентифицируемо.
Для быстрого определения идентифицируемости структурной модели применяются следующие необходимые и достаточные условия.
Необходимое условие идентифицируемости. Если Н – число эндогенных переменных в уравнении, а D – число экзогенных переменных, отсутствующих в уравнении, но присутствующих в системе, то справедливо следующее правило:
1) D = H – 1 – уравнение идентифицируемо;
2) D > H – 1 – уравнение сверхидентифицируемо;
3) D < H – 1 – уравнение неидентифицируемо.
Предложенное правило, являясь необходимым, не достаточно для идентификации модели. Возможна ситуация, когда для каждого уравнения системы выполнено правило D = H – 1, но система уравнений не является идентифицируемой.
Достаточное условие идентификации. Уравнение системы идентифицируемо, если ранг матрицы, составленной из коэффициентов при переменных (эндогенных и экзогенных), отсутствующих в исследуемом уравнении, не меньше N – 1, где N – число эндогенных переменных системы.
Если система содержит балансовое уравнение, то само оно не требует проверки на идентификацию, так как коэффициенты при переменных определены однозначно. В то же время балансовые уравнения системы в проверке на идентифицикацию структурных уравнений системы участвуют.