
- •Экономические науки
- •Э конометрика
- •1. Вероятность и случайная величина
- •1.1. Основные понятия теории вероятностей.
- •1.2. Случайная величина.
- •1.3. Вероятностные характеристики случайной величины.
- •1.1. Основные понятия теории вероятностей
- •1.1.1. Классический подход вероятности
- •Общее число возможных результатов
- •1.1.2. Эмпирический подход
- •1.1.3. Субъективный подход (интуитивный)
- •1.2. Случайная величина
- •1.2.1. Дискретные и непрерывные случайные величины
- •1.3. Вероятностные характеристики случайной величины
- •1.3.2. Примеры законов распределения
- •1.3.3. Математическое ожидание
- •1.3.4. Дисперсия случайной величины
- •1.3.5. Многомерное распределение вероятности
- •2. Элементы математической статистики
- •2.1. Предмет и основные понятия математической статистики
- •2.2. Оценивание «Хорошие» свойства оценок
- •2.3. Проверка гипотез и интервальное оценивание
- •2.1. Предмет и основные понятия математической статистики
- •2.2. Оценивание «Хорошие» свойства оценок
- •Описательный статистический анализ
- •С татистический анализ
- •Описательный вид цель - выводы
- •Оценивание проверка гипотез
- •2.3. Проверка гипотез и интервальное оценивание
- •Проверка гипотез методом определения уровня вероятности.
- •Интервальное оценивание.
- •3. Однофакторные регрессионные уравнения
- •Понятие регрессионных уравнений
- •Метод наименьших квадратов
- •Проверка адекватности регрессионных уравнений
- •Показатели качества подгонки регрессионных уравнений
- •Проверка различных гипотез относительно регрессионных уравнений
- •«Хорошие» свойства оценок
- •3.1. Понятие регрессионных уравнений
- •3.2. Метод наименьших квадратов
- •3.3. Проверка адекватности регрессионных уравнений
- •3.3.1. Показатели качества подгонки регрессионного уравнения
- •Различные гипотезы относительно параметров регрессионного уравнения
- •3.3.3. Проверка выполнения условий для получения «хороших» оценок мнк
- •4. Многофакторное регрессионное уравнение (мру)
- •4.1. Необходимость использования многофакторных регрессионных уравнений (мру)
- •4.2. Оценка коэффициентов регрессии и условия применения метода наименьших квадратов (мнк) Параметры уравнения множественной регрессии оцениваются методом наименьших квадратов по формуле:
- •4.3. Показатели адекватности
- •4.4. Отбор существенных факторов
- •4.5. Нелинейные регрессионные модели (нрм).
- •4.6. Использование регрессионных моделей для прогнозирования.
- •4.7. Этапы построений регрессионных уравнений
- •Определение «входов» и «выходов» модели.
- •Сбор исходных статистических данных.
- •Установление наличия статистической связи между переменными.
- •Выбор математической формулы регрессионного уравнения.
- •Оценка коэффициентов регрессионного уравнения.
- •Оценка качества подгонки регрессионного уравнения.
- •Оценка стандартных ошибок и t- статистика для коэффициентов регрессии.
- •Проверка условий метода наименьших квадратов (мнк) для получения «хороших» оценок.
- •Экспериментальная проверка моделей.
- •Вывод об адекватности модели.
- •Эксплуатация моделей.
- •5. Прогнозирование на основе одномерного динамического ряда (др)
- •5.1. Строго периодические колебания (Vt)
- •V продаж
- •5.2. Тренд и нестрого периодические циклические колебания (Ut и Kt)
- •6. Три основных класса экономико-математических моделей применяемых для анализа и прогнозирования
- •1 Класс:
- •2 Класс:
- •3 Класс:
- •6.1. Структурная форма модели
- •6.2. Приведенная форма модели
- •6.3. Проблема идентификации
- •Дисперсионный анализ
5.1. Строго периодические колебания (Vt)
Наиболее легким для обнаружения цикличности является эффект периодических колебаний (Vt), который в экономических явлениях чаще всего представляется сезонностью. Термин сезонности принято относить к явлениям, которые происходят с периодом в 1 год и отражают смену времен года (например, объем продаж мороженного).
V продаж
мороженного
З В Л О З t
Далее, говоря о сезонности будем иметь ввиду, что все сказанное справедливо и для строго периодических колебаний.
5.2. Тренд и нестрого периодические циклические колебания (Ut и Kt)
Как правило, Ut и Kt разделить достаточно сложно, например, известны случаи когда нестрого циклические колебания имеют многолетний период (≈60 лет) (волны Кондратьева) и Ut оказывается лишь участником этого цикла.
тренд
1900 г. 1960 г.
Для выделения тренда (Ut) применяются
а) методы аналитического выравнивания;
b) методы механического сглаживания.
Аналитическое выравнивание предполагает подбор аналитической функции удовлетворительно описывающей значение уровня ряда на всем интервале.
Этот метод является не только методом фильтрации систематической, но и мощным аппаратом ее изучения.
Решение задачи аналитического выравнивания Ut аналитического ряда предусматривает 3 этапа:
На I этапе выбирается вид функций, свойства, которой не противоречат общему характеру изменения уровней временного ряда.
На II этапе производится, оценка параметров выбранной функции соответственно эмпирическим наблюдениям (производится на основе регрессионного анализа).
На III этапе проводится проверка адекватности и выбор лучшей функции.
Примером механического сглаживания может служить метод скользящих средних, где выровненные уровни ряда вычисляются следующим образом (скользящая средняя на 5-ти точках):
Сезонный компонент (Vt) может быть выделен с помощью аналитического выравнивания и сезонных индексов.
Аналитическое выравнивание сезонных компонентов, как правило, производится на основе периодических функций.
Простейшим случаем выравнивающей функцией Vt является синусоида.
а – амплитуда колебаний;
–
начальная фаза;
L – период колебаний.
Vt
t
Сезонные индексы используются для приближенных расчетов.
Определяются как среднеарифметическое значение индексов рассчитываемых для каждой одноименной фазы периода.
Пример: мультикопликативная сезонная модель с линейным трендом Ut будет иметь вид
6. Три основных класса экономико-математических моделей применяемых для анализа и прогнозирования
Можно выделить:
1 Класс:
Модели временных рядов. Их общей чертой является то, что они объясняют поведение временного ряда, исходя из его предшествующих значений. Такие модели могут применятся например для изучения и прогнозирования объема продаж авиабилетов, спроса, на мороженное, курса акций, % ставок и т.д.