Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

Econometrics

.pdf
Скачиваний:
41
Добавлен:
28.01.2022
Размер:
4.46 Mб
Скачать

попередній аналіз даних;

вибір найбільш ефективної моделі — кривої зростання;

чисельне оцінювання параметрів моделі;

визначення адекватності моделі;

оцінювання точності моделі;

розрахунок точкового й інтервального прогнозів;

верифікація прогнозу.

22. Прогноз за трендовими моделями містить дві складові: точковий і інтервальний.

Точковий прогноз визначається окремим показником прогнозованого процесу, коли в рівняння його трендової моделі підставлено значення часу t, котре відповідає періоду упередження t=n+1, n+2,...,n+L.

23. Період упередження (або прогнозований період) визначає період часу від моменту, для якого є останні статистичні дані про об’єкт, до моменту його прогнозованого значення.

24.Інтервальний прогноз розраховується визначенням довірчого інтервалу — такого інтервалу, де з певною ймовірністю можна очікувати появу фактичного значення прогнозувального економічного показника.

25.Стандартна середня квадратична похибка Sŷ оцінки прогнозованого показника визначається за формулою:

Sy

yt

2

,

yt

 

n m

 

 

де yt — фактичні значення рівнів часового ряду для періоду t; ŷt— розрахункові значення відповідного показника за кривою зростання; n — кількість рівнів ряду; m — кількість параметрів моделі.

26. У випадку прямолінійного тренду, розраховуючи інтервал регресіїдовіри U: y, часто використовують формулу, аналогічну для парної

U

y

y

t

 

S

y

1

1

3 n 2L 1 2

,

 

 

n L

 

 

 

n

n n2 1

 

 

 

 

 

 

 

 

 

 

де L — період упередження; ŷn + L — точковий прогноз за моделлю на (n+L)-й період часу; Sŷ — стандартна похибка, коли m=2; tα — табличне значення критерію Стьюдента для рівня значущості α.

48

27. Іноді для розрахунку довірчих інтервалів прогнозу відносно лінійного тренду застосовують іншу формулу:

 

 

 

 

 

 

 

 

1

tL t

2

,

 

 

 

 

 

 

 

 

 

U

 

 

y

 

 

 

t S

1

 

 

 

 

 

y

 

n

 

L

 

y

 

n

t t 2

 

де t — порядковий номер рівня ряду (t=1,2,…n); сумування ведеться за всіма спостереженнями; tL відповідає n+L-му періоду часу, для якого робиться прогноз; t — час, що відповідає сере- дині періоду спостережень для вихідного ряду, наприклад, t =(n+1):2.

Цю формулу можна дещо спростити, якщо перенести початок розрахунку часу на середину періоду спостережень ( t =0).

Тоді

U

 

 

 

 

 

t S

1

 

1

 

tL2

.

 

 

 

 

y

 

y

L

 

 

n

t2

 

 

n

 

 

y

 

 

 

28. Розрахунок довірчих інтервалів прогнозу відносно тренду, що має вигляд полінома другого чи третього порядку:

U

 

 

 

 

t S

1

1

tL2

 

t4 2tL2 t2 ntL4

.

 

 

 

 

 

y

 

 

n t2

 

n t4

t2 2

 

y

n

L

 

y

 

 

 

Аналогічно розраховуються довірчі інтервали для експоненційної кривої зростання, а також для кривих, що мають асимптоту (модифікована експонента, крива Гомперця, логістична крива), якщо значення асимптоти відоме.

29. Оптимальна довжина періоду упередження визначається окремо для кожного економічного явища з урахуванням статистичного коливання початкових даних, ґрунтуючись на змістовному міркуванні про стабільність явища. Ця довжина, як правило, не перевищує для рядів річних спостережень однієї третьої обсягу даних, а для квартальних і помісячних рядів — двох років.

30. Верифікація прогнозної моделі являє собою сукупність критеріїв, способів і процедур, що дають змогу, спираючись на багатосторонній аналіз, оцінити якість прогнозу.

31. Про точність прогнозу слід вирішувати за величиною його помилки — різницею між фактичними і прогнозними значеннями

49

показника, що досліджується. Визначити зазначену різницю можна лише у двох випадках: або коли період упередження вже закінчився і відомі фактичні значення прогнозованого показника, або коли прогнозування відбулося для деякого моменту в минулому, для якого відомі фактичні дані.

32. Найбільш простою мірою якості прогнозів за умови, що є дані про їх реалізації, буде відношення кількості випадків прогнозів, підтверджених фактичними даними, до загальної їх кількості, а саме:

 

 

c

,

c

c

 

 

 

1

 

 

де с — кількість прогнозів, що підтверджені фактичними данимиданими; с.1 — кількість прогнозів, не підтверджених фактичними

?

11.8. Запитання та завдання

для самостійної роботи

 

1.Дайте визначення часового ряду.

2.Які часові ряди мають назву моментних і інтервальних?

3.Що характерно для стаціонарних рядів?

4.Під впливом яких факторів формуються рівні часового ряду?

5.Дайте визначення тренду часового ряду.

6.В чому полягає попередній аналіз часових рядів?

7.Які ви знаєте попередні методи виявлення тренду в часовому

ряду?

8.В чому полягає згладжування рядів динаміки за методом простої середньої і експоненціального згладжування?

9.Які ви знаєте криві зростання, що найчастіше застосовуються в економічних дослідженнях? Запишіть їх аналітичний вираз. Коли вживається та чи інша крива зростання?

10.Часовий ряд за 17 періодів (t = 1, 2, … 17) наводиться в табл.11.10.

Таблиця 11.10

t

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

50

yt 15 12 13 25 24 33 30 37 43 53 51 62 60 71 78 83 86

Для визначення форми тренду:

1)знайдіть згладжувальні рівні ряду за методом простої середньої (m=3) і експенціального згладжування (α=0,1);

2)виберіть і розрахуйте параметри кривої зростання, яка, на ваш погляд, найбільш якісно апроксимує наведений ряд динаміки.

11.Часовий ряд наведено в табл. 11.11 за 10 періодів

Таблиця 11.11

t

1

2

3

4

5

6

7

8

9

10

 

 

 

 

 

 

 

 

 

 

 

yt

43

47

50

48

54

57

61

59

65

62

 

 

 

 

 

 

 

 

 

 

 

Зробіть попередній вибір найкращої кривої зростання для цього ряду.

1. Для ряду (табл. 11.10) побудуйте: трендові моделі такого типу:

ŷt=a0+a1t; ŷt=a10bt.

Визначте їхні параметри методом 1МНК.

2.Для кривих зростання п.11 оцініть адекватність і точність моделей. Виберіть більш точну криву зростання.

3.Розрахуйте за вибраною моделлю п.11 екстраполяційні прогнози на два часових періоди: t=11, 12. Оцініть їхню точність.

11.9.Основні терміни і поняття

Часовий ряд Моментний ряд Інтервальний ряд Стаціонарний ряд Тренд часового ряду Сезонна складова ряду Циклічна складова Випадкова складова Згладжування ряду Криві зростання Трендова модель Поліноміальні криві зростання Експоненційні криві зростання Модифікована експонента Логістичні криві зростання Крива Гомперця Адекватність і точність трендової моделі Екстраполяційний

51

прогноз Період упередження Точковий прогноз Інтервальний прогноз Самодеструктивний прогноз Саморегулюючий прогноз Верифікація прогнозу

52

Розділ 12

ЕКОНОМЕТРИЧНІ МОДЕЛІ НА ОСНОВІ СИСТЕМИ СТРУКТУРНИХ РІВНЯНЬ

12.1. Системи одночасних структурних рівнянь

Наявність прямих і зворотних зв’язків між економічними показниками вимагає побудови економетричної моделі на основі системи рівнянь.

Приклад 12.1. Нехай треба побудувати економетричну модель, яка характеризує залежність між обсягом валового національного продукту від виробничих ресурсів: основних виробничих фондів, робочої сили і матеріальних ресурсів. У такому разі доцільно будувати економетричну модель на основі системи одночасних структурних рівнянь:

 

X t f (Ft , Lt , ut ),

 

Mt f ( X t , vt ),

 

Yt X t Mt ,

де

Xt — випуск продукції; Yt — валовий національний продукт;

Ft

— основні виробничі фонди; Lt — робоча сила; Mt — матеріа-

льні ресурси; t — період часу.

Запишемо два перших рівняння аналітично:

X t a0 Fta1 Lat 2 ut ,

M t b0 b1 X t vt , Yt X t Mt ,

де a0 , a1 , a2 , b0 , b1 — параметри моделі, ut , vt — залишки. Отже, економетрична модель складається з трьох одночасних

рівнянь, два перших є регресійними, а третє — тотожність. Оскільки вони описують економічні процеси, які відбуваються одночасно, то всі ці рівняння повинні мати спільний розв’язок.

449

Приклад 12.2. Нехай потрібно визначити залежність між заробітною платою і продуктивністю праці на підприємстві.

Такий взаємозв’язок можна визначити на основі економетричної моделі, яка також описується системою одночасних структурних рівнянь:

Y1=f(Y2,X1,X2,X3,u1), Y2=f(Y1,X1,X2,X4,X5,u2),

де Y1 — заробітна плата; Y2 — продуктивність праці; X1 — рівень кваліфікації працюючих; X2 — стаж працюючих; X3 — форма оплати праці; X4 — фондовіддача; X5 — плинність робочої сили; u1, u2 — залишки, відповідно, в першому та другому рівнянняхмоделі.

Ця економетрична модель містить два регресійні рівняння. Економетрична модель, яка наведена в прикладі 12.1, застосо-

вується для кількісного вимірювання взаємозв’язку на макрорівні, а модель, що наведена в прикладі 12.2, — на мікрорівні. Згадані моделі є найпростішими, бо в них відсутні лагові змінні.

Повернемося до системи рівнянь економетричної моделі, яка наведена в прикладі 12.1. У перше рівняння цієї моделі доцільно ввести лагову змінну xt 1 , бо обсяг виробництва продукції в пері-

од t залежить від виробництва в попередній період (t–1). Звідси модель запишеться так:

X t a0 X ta11Fta2 Lat 3 ut ;

Mt b0 b1 X t vt ; Yt X t Mt .

А це означає, що залишки ut в першому рівнянні будуть за-

лежними від Хt. Така залежність вимагає застосування методів оцінки параметрів моделі, які забезпечили б їх незміщеність за

наявності кореляції між ut і X t .

Узагальнюючи моделі наведених раніше прикладів, можна сказати, що економетрична модель містить сукупність рівнянь, які описують зв’язки між економічними показниками. Взаємозв’язки між змінними можуть мати стохастичний і детермінований характер. Стохастичні зв’язки реалізуються з деяким рівнем імовірності і описуються регресійними рівняннями. Детерміновані співвідношення виражаються тотожностями і не містять випадкових величин.

450

Системи одночасних структурних рівнянь, як правило, включають лінійні рівняння. Нелінійність зв’язків здебільшого апроксимується лінійними співвідношеннями. Динаміка економічних зв’язків враховується задопомогою часовихлагів, або лагових змінних.

Запишемо економетричну модель на основі системи одночасних рівнянь:

y1t a11 y1t ... a1k ykt

b10 x0t ... b1m xmt u1t ;

 

y2t a21 y1t ... a2k ykt

b20 x0t ... b2m xmt u2t ;

(12.1)

. . . . . . . . . . . . . . . . . . . .

 

ykt ak1 y1t ... akk ykt

bk 0 x0t ... bkm xmt ukt .

 

У цій моделі x0t =1. Окремі коефіцієнти a11 ..., akk , b10 ..., bkm

можуть дорівнювати нулю, якщо відповідна змінна не входить до рівняння. Залишки ust , де s=1,2,...,k, також можуть дорівнювати

нулю, якщо відповідне рівняння є тотожністю. Систему (12.1) можна переписати в матричній формі

Y AY BX u,

(12.2)

де Y — вектор ендогенних залежних змінних; X — матриця екзогенних пояснювальних змінних; u — вектор залишків; A — матриця коефіцієнтів для змінних Y розміром k×k; B — матриця коефіцієнтів для змінних X розміром k×m; k — кількість рівнянь в

моделі s 1, k ; m — кількість екзогенних змінних j 1, m .

Змінні, які містяться у правій частині системи рівнянь, є наперед заданими і називаються екзогенними, а змінні, які містяться в лівій частині, знаходяться в результаті реалізації моделі і називаються ендогенними. Отже, змінна yst є ендогенною для одного рівняння і одночасно екзогенною для іншого.

Означення 12.1. Економетрична модель у вигляді (12.1) безпосередньо відображає структуру зв’язків між змінними і тому називається структурною формою економетричної моделі.

Розв’яжемо систему рівнянь (12.1) відносно yst і дістанемо систему виду:

y1t r10 x0t r11x1t

... r1m xmt v1t ;

 

y2t r20 x0t r21x2t

... r2m xmt v2t ;

(12.3)

. . . . . . . . . . . . . . .

 

ykt rk 0 x0t rk1xkt

... rkm xmt vkt .

 

451

У матричній формі систему цих рівнянь можна переписати так:

Y RX v.

 

Матриця оцінок параметрів R має вигляд:

 

R (E A) 1 B,

(12.4)

де E — одинична матриця.

(12.4),

Щоб показати справедливість співвідношення

розв’яжемо систему рівнянь (12.2) відносно Y:

 

YAY=BX+u;

(EA)Y=BX+u;

Y=(EA)–1BX+u.

Враховуючи, що Y=RX+v, R=(E–A)1B.

Вектор залишків v1t ,v2t ,...,vkt є лінійною комбінацією залишків

u1t ,u2t ...ukt .

Означення 12.2. Економетрична модель, яка записується системою рівнянь (12.3), називається зведеною формою моделі.

Оскільки економетрична модель складається з системи одночасних рівнянь, то постає запитання: чи можна застосувати для оцінювання параметрів кожного рівняння або системи в цілому ті методи, які були розглянуті в попередніх розділах?

Запишемо просту модель, яка складається з двох рівнянь:

 

Ct a0

a1Yt ut ,

(12.5)

 

Yt Ct St ,

 

 

де Ct

— споживчі витрати; Yt

— дохід; St — неспоживчі витра-

ти; ut

— залишки; t — період часу.

 

Перше рівняння моделі характеризує залежність між споживчими витратами і доходом. Друге рівняння є тотожністю, в якій показано, що дохід визначається як сума двох видів витрат — споживчих і неспоживчих.

Нехай в цій моделі залишки ut є випадковими,

M (u) 0,

M (uu ) u2 .

452

S і u незалежні. Для застосування 1МНК треба тільки вирішити питання, чи є незалежними Yt і ut . Підставивши значення Ct з

першого рівняння моделі в друге, дістанемо:

Yt a0 a1Yt St ut .

Розв’яжемо його відносно Yt :

Y

 

a0

 

a1

S

t

 

ut

.

 

 

 

t

1 a1

1 a1

 

1

a1

 

 

 

Наявність коефіцієнта при ut свідчить про те, що між існує залежність. Щоб переконатись у цьому, запишемо:

M (Y )

a0

 

1

S

,

 

 

t

1

a1

 

 

t

 

 

 

1 a1

 

M ut Yt M (Yt ) ut 1 1a1 M (ut ) 1 1a1 M (ut 2 ) 0 .

(12.6)

Yt і ut

Таким чином, залишки в моделі (12.5) корелюють з пояснюючою змінною Yt , отже, безпосереднє застосування до (12.5)

1МНК призведе до зміщення оцінок параметрів â0 і â1. Це зміщення виникає, коли вибіркова сукупність є кінцевою. Але оскільки ці оцінки будуть необґрунтованими, то зміщення збережеться і для великих вибіркових сукупностей.

Щоб визначити величину зміщення, запишемо моменти другого порядку:

m

1 (C C )(Y Y );

m

1 (C C )2

;

cy

 

n

t

 

 

 

t

 

 

 

 

 

 

 

n

 

 

 

 

 

 

 

 

 

 

 

 

 

 

cc

 

t

 

n t 1

 

 

 

 

 

 

 

 

n t 1

 

 

 

m

1 (Y Y )2 .

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

yy

 

 

n

t

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

n t 1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Тоді оцінки 1МНК параметрів моделі (12.5) будуть дорівнювати:

 

 

mcy

 

 

 

myy

 

 

 

 

a

 

;

a

C

mcyY

.

 

 

 

 

1

 

myy

 

0

 

 

myy

 

 

 

 

 

 

Розв’язавши систему рівнянь (12.5) відносно залежних змінних Ct і Yt , дістанемо:

453

Соседние файлы в предмете Моделирование