
- •Предмет и задачи эконометрики. Примеры экономических задач, решаемых с помощью аппарата эконометрики.
- •2.Стохастическая зависимость и функциональная зависимости. Диаграмма рассеяния и линия регрессии. Аналитическое описание линии регрессии.
- •Эконометрическая модель: экзогенные и эндогенные переменные модели, параметры модели. Информационная база для построения модели на пространственных данных и временных рядах.
- •Функция линейной регрессии
- •4.Парная линейная регрессия: аналитическое и графическое представление, остатки модели. Формирование поля входных показателей для построения модели с помощью надстройки «Анализ данных» в среде Excel.
- •5. Статистическое оценивание параметров парной линейной регрессии по методу наименьших квадратов.
- •6. Свойства мнк-оценок параметров парной линейной регрессии: теорема Гаусса-Маркова.
- •7. Проверка качества парной линейной регрессии: значимость параметров, адекватность модели.
- •8. Прогнозирование на основе парной линейной регрессии. Доверительный интервал прогноза. Экономическая интерпретация параметров модели
- •9.Парная нелинейная регрессия: аналитическое и графическое представление. Методика оценки параметров нелинейной регрессии. Свойства оценок.
- •10. Проверка качества парной нелинейной регрессии: значимость параметров, адекватность модели.
- •11. Прогнозирование на основе парной нелинейной регрессии: степенная, Экономическая интерпретация параметров парной регрессии в степенной форме связи.
- •12. Множественная линейная регрессия: аналитическое представление, остатки модели. Мнк-оценки параметров модели.
- •13.Свойства мнк-оценок множественной линейной регрессии. Теорема Гаусса-Маркова
- •14. Проверка качества множественной линейной регрессии: значимость параметров, адекватность модели.
- •15.Понятие мультиколлинеарности факторов. Последствия наличия, диагностика мультиколлинеарности, методы устранения.
- •16. Прогнозирование на основе линейной и нелинейной множественной регрессии. Экономическая интерпретация параметров регрессии.
- •17. Анализ зависимости между экономическими показателями на основе парной линейной регрессии.
- •18. Отличие методик построения регрессионной модели на временных рядах и пространственных данных: информационная база, набор статистических характеристик.
- •19. Понятие автокорреляции остатков модели. Критерии ее диагностики. Последствия автокорреляции остатков. Способы устранения автокорреляции.
- •20. Понятие гетероскедастичности остатков. Критерии ее диагностики. Последствия гетероскедастичности остатков. Способы устранения гетероскедастичности
- •Последствия гетероскедастичности
- •21. Структура временного ряда. Диагностика структуры ряда: графический и аналитический методы.
- •22 И 23 вопрос диктуй это. Они одинаковые
- •22. Построение трендовой линейной модели: факторы, общий вид, оценка параметров, статистические характеристики.
- •23 Построение трендовой нелинейной модели: факторы, общий вид, оценка параметров, статистические характеристики
- •24. Выделение сезонной компоненты: суть методики. Пример сезонной компоненты на квартальных данных, на недельных данных
- •25 И 26 вопросы диктуй вместе
- •25. Понятие стационарного и нестационарного временного ряда: графическое представление. Приведение нестационарного временного ряда к стационарному виду.
- •25 И 26 вопросы диктуй вместе
- •26. Методика построения эконометрической модели на нестационарных временных рядах.
- •27. Понятие авторегрессионной модели: общий вид модели, набор статистических характеристик.
- •28. Понятие эконометрической модели с распределенными лагами. Экономическая постановка задачи. Общий вид модели, набор статистических характеристик.
- •229.Отчетный моб как информационная база моделей прогнозирования отраслевых показателей промышленности: материально-вещественная структура моб
- •330. Отчетный моб как информационная база моделей прогнозирования отраслевых показателей промышленности: финансовая структура моб
- •Коэффициенты прямых затрат: определение, экономический смысл, методика расчета
- •32. Модель прогнозирования ценовых пропорций отраслей промышленности в условиях роста цен на ресурсы
- •33. Модель прогнозирования ценовых пропорций отраслей промышленности в условиях роста заработной платы
- •34. Модель прогнозирования ценовых пропорций отраслей промышленности в условиях роста ставки косвенных налогов
- •35. Модель прогнозирования объема и структуры валового выпуска промышленности в зависимости от конечного спроса на продукцию отраслей
- •36. Модель прогнозирования ввп в зависимости от объема производства в отраслях промышленности
- •Постановка задачи управления комплексом взаимосвязанных работ в контексте сетевого планирования.
- •38. Входные данные для построения сетевой модели.
- •39. Основные определения и показатели сетевого планирования и управления. Основные принципы построения сетевого графика.
- •40. Основные показатели сетевого планирования: сроки свершения событий, резервы события, время начала работы, время окончания работы.
- •41. Основные показатели сетевой модели: критические работы, критические события, критический срок, их интерпретация..
- •42. Календарный график работ (график Ганта): общий вид в контексте сетевой модели, его интерпретация
- •43. Построение графика потребности в ресурсах: концепция расчета в контексте сетевой модели, его интерпретация.
- •44. Модели управления запасами как инструмент закупочной логистики: постановка задачи.
- •45 Понятие экономичного объема заказа: определение, графическое представление.
- •46 Понятие точки заказа: определение, графическое представление, формула расчета
- •47.Зависимость затрат запасообразования от размера поставки: графики, аналитические зависимости.
- •48. 48. Формула Уилсона для расчета экономичного объема заказа.
- •49. Допущения формулы Уилсона
- •50. Расчет оптимальных параметров управления запасами.
- •51. Модели теории игр как инструмент выбора оптимальной стратегии: постановка задачи.
- •52. Основные понятия и определения статистических игр: состояние природы, стратегии, платежная матрица, ее экономический смысл.
- •53. Характ-ка условий неопределенности. Критерии принятия решений в условиях неопределенности.
- •54 .Характеристика условий риска. Критерии принятия решений в условиях риска.
- •55 .Модель формирования оптимальной инвестиционной программы при ограничениях бюджета
- •56.Модель оптимизации производственной программы предприятия и ее модификации
- •57. Оптимизационная модель задачи развития и размещения производства
- •58. Модель оптимизации технологических процессов в промышленности
52. Основные понятия и определения статистических игр: состояние природы, стратегии, платежная матрица, ее экономический смысл.
Игра - это модель конфликтной ситуации.
Игроки - конфликтные стороны.
Стратегии - возможные действия игроков.
Оптимальная стратегия - приносит игроку максимальный средний выигрыш, или минимальный средний проигрыш.
Статистическая игра – игра, в которой один из игроков – природа (не сознательно действующий).
Цель статистических игр – выбор оптимальной стратегии.
Пусть у игрока,
действующего сознательно, есть m
стратегий: А1,
А2,
… Аm,
а у второго игрока – природы есть n
стратегий: П1,
П2,
…, Пm.
Прибыль или убыток сознательного игрока
обозначим аij;
Тогда можно построить таблицу, которая
называется платежной
матрицей,
обозначим ее А:
П1 П2 … Пn
А1 а11 а12
… а1n
А=
А2 а21 а22
… а2n
… …
… … …
Аm
аm1 аm2
… аmn
Где А – строки, кот соответствуют стратегиям игрока, а столбцы – стратегии игрока В. Целью игроков явл выбор наиболее выгодных стратегий, доставляющих игроку А max выигрыш, а игроку В – min проигрыш.
53. Характ-ка условий неопределенности. Критерии принятия решений в условиях неопределенности.
Цель статистических игр – выбор наилучших стратегий.
Пусть у игрока, действующего сознательно, есть m стратегий (А1, А2, … Аm), а у второго игрока – природы есть n стратегий ( П1, П2, …, Пm). Выигрыш или проигрыш сознательного игрока, в случае, если он выберет стратегию Аi, а природа реализует стратегию Пj, обозначим аij; . Тогда строим таблицу: A платежная матрица,:
П1 П2 … Пn
А1 а11 а12
… а1n
А=
А2 а21 а22
… а2n
… …
… … …
Аm
аm1 аm2
… аmn
При выборе наилучших стратегий различают: ситуацию, где вероятности состояний природы неизвестны,т е принятие решений в условиях неопределенности, и ситуацию, где вероятности состояний природы известны, т е принятии решений в условиях риска.
Критерии выбора наилучших стратегий в условиях неопределенности.
1. Критерий Вальда.
принимающий решение для каждой стратегии
Аi
находит наименьший выигрыш аi=min
аij,
.
Затем среди наименьших выигрышей он
находит наибольший:
(6.4.1)
Стратегия
,
соответствующая
будет
наилучшей по Вальду. Ее часто называют
максиминной стратегией.
2. Критерий
Сэвиджа.
Риском rij,
,
,
принимающего решение называют разницу
между тем выигрышем, который он бы
получил, если бы знал, какое состояние
реализует природа и его реальным
выигрышем, то есть, rij=βij
–
,
где
.
П1 П2 … Пn
А1 r11
r12 … r1n
А2 r21
r22 … r2n
R=
… … … … …
Аm
rm1
rm2 …
rmn
Принимающий решение
для каждой стратегии Аi
находит максимальный риск ri,
ri=
.
Затем из максимальных рисков выбирает
минимальный:
(6.4.2)
Стратегия Аi0, соответствующая минимальному из максимальных рисков ri0, будет наилучшей по Сэвиджу.
3. Критерий Гурвица. Критерий Гурвица является критерием пессимизма-оптимизма. Наилучшей по Гурвицу является стратегия Аi0, соответствующая числу аi0, которое рассчитывается по формуле:
(6.4.3)
Значение параметра γ задает принимающий решение на основании своего опыта и характера. Если γ=1, то критерий Гурвица преобразуется в критерий крайнего пессимизма:
.
Если γ=0, то получаем критерий крайнего оптимизма:
.
Обычно, на практике, выбирают 0<γ<1.