12. Сравнение и взаимосвязь эконометрических и аналитических моделей.

Разработка эконометрических моделей воплощает в себе применение функционального подхода к описанию систем. Эконометрические модели по сравнению с аналитическими (все структурные модели – аналитические) более точны и подробны, не требуют грубых допущений, позволяют учесть большое количество факторов. Основные их недостатки – чтобы быть точными в учете факторов, они часто громоздки, имеют плохую обозримость, большой расход машинного времени при их построении и анализе, крайняя трудность поиска оптимальных решений (что от них, по большому счету и не требуется), которые требуется искать путем проб и ошибок (в отличие от более приспособленных к применению оптимизационных процедур аналитических моделей). Наиболее эффективным в свете этого является не изолированная, а совместная разработка и использование аналитических и эконометрических моделей.

Аналитическая модель - очное определение набора переменных и их взаимосвязей, предназначенного для того, чтобы представить с его помощью в целом или по частям некоторую реальную систему или процесс.

13. Понятие регрессионного анализа (+ в тетради про МНК тема 1 вопрос 3 и вторая тема, вопрос 3 по статистике)

Регрессио́нный (линейный) анализ — статистический мотод исследования влияния одной или нескольких независимых переменных на зависимую переменную , метод моделирования измеряемых данных и исследования их свойств. Данные состоят из пар значений зависимой переменной (переменной отклика) и независимой переменной (объясняющей переменной). Регрессионная модель есть функция независимой переменной и параметров с добавленной случайной переменной. Параметры модели настраиваются таким образом, что модель наилучшим образом приближает данные. Критерием качества приближения (целевой функцией) обычно является среднеквадратичная ошибка: сумма квадратов разности значений модели и зависимой переменной для всех значений независимой переменной в качестве аргумента. Регрессионный анализ — раздел математической статистики и машинного обучения. Предполагается, что зависимая переменная есть сумма значений некоторой модели и случайной величины. Относительно характера распределения этой величины делаются предположения, называемые гипотезой порождения данных. Для подтверждения или опровержения этой гипотезы выполняются статистические тесты, называемые анализом остатков. При этом предполагается, что независимая переменная не содержит ошибок. Регрессионный анализ используется для прогноза, анализа временных рядов, тестирования гипотез и выявления скрытых взаимосвязей в данных.

Цели регрессионного анализа

1. Определение степени детерминированности вариации критериальной (зависимой) переменной предикторами (независимыми переменными)

2. Предсказание значения зависимой переменной с помощью независимой(-ых)

3. Определение вклада отдельных независимых переменных в вариацию зависимой

Регрессионный анализ нельзя использовать для определения наличия связи между переменными, поскольку наличие такой связи и есть предпосылка для применения анализа.