- •Содержание
- •Программа по эконометрике (35-36 группы)
- •Раздел I. Теория Глава 1. Определение эконометрики
- •1.1 Предмет эконометрики
- •Типы данных
- •Классы моделей
- •1.4 Оценивание моделей
- •1.5 Типы зависимости
- •1.6 Основные этапы эконометрического моделирования
- •Глава 2. Методы и модели анализа динамики экономических процессов
- •2.1 Понятие экономических рядов динамики
- •2.2 Предварительный анализ и сглаживание временных рядов
- •Метод проверки разности средних уровней
- •Метод Фостера-Стьюарта
- •Сглаживание
- •Метод простой скользящей средней
- •2.3 Оценка адекватности и точности трендовых моделей
- •Проверка точности
- •2.4 Трендовые модели на основе кривых роста
- •Классификация моделей
- •2.6 Модель Брауна (модель экспоненциального сглаживания)
- •Этапы построения модели Брауна первого порядка
- •2.7 Прогнозирование экономической динамики на основе трендовых моделей
- •Глава 3. Парная регрессия
- •Корреляция
- •Глава 4. Множественная регрессия и корреляция
- •4.1 Выбор формы уравнения регрессии
- •4.2 Определение мультиколлинеарности
- •1 Способ
- •2 Способ
- •Оценка значимости коэффициентов регрессии
- •4.3 Предпосылки метода наименьших квадратов
- •4.4 Метод Гольдфельдта-Квандта (для однофакторной модели)
- •Глава 5. Системы эконометрических уравнений
- •5.1 Понятие о системах уравнений
- •5.2 Структурная и приведенная формы модели
- •5.3 Проблема идентификации
- •Необходимое условие идентификации
- •Достаточные условия идентификации
- •5.4 Косвенный метод наименьших квадратов (кмнк)
- •5.5 Двухшаговый метод наименьших квадратов (дмнк)
- •Глава 6. Моделирование временных рядов (без учета сезонности)
- •Построение аддитивной и мультипликативной модели
- •Приложение
Сглаживание
Очень часто уровни экономических рядов динамики колеблется, при этом тенденция развития экономического явления скрыта случайными отклонениями уровней в ту или иную сторону.
С целью более четко выявить тенденцию уровней процесса производят сглаживание (или выравнивание) временных рядов.
Методы сглаживания делятся на две основные группы:
аналитическое выравнивание с использованием кривой, проведенной между конкретными уровнями ряда так, чтобы она отображала тенденцию и одновременно освобождала его от незначительных колебаний;
механическое выравнивание отдельных уровней временного ряда с использованием фактических значений соседних уровней.
Суть методов механического сглаживания заключается в следующем: берется первых несколько первых уровней временного ряда, образующих интервал сглаживания (m). Для них подбирается полином, степень которого должна быть меньше числа уровней, входящим вm. С помощью полинома определятся новые выровненные значения уровней в середине интервала сглаживания. Далее интервал сглаживания сдвигается на один уровень ряда вправо, вычисляется следующее сглаженное значение и т.д.
Метод простой скользящей средней
m=3
, - для нечетныхm
2.3 Оценка адекватности и точности трендовых моделей
Адекватность– это соответствие модели исследуемому процессу или объекту
,- фактические остатки
исходные данные
теоретические (или регрессионные) данные
Модель адекватна, если выполняются все 4 свойства.
Проверка случайности колебаний уровней остаточной последовательности, т.е. проверка гипотезы о правильности выбора вида тренда.
Характер этих отклонений изучается с помощью ряда непараметрических критериев, напримеркритерия пиков.
m– количество поворотных точек
Далее mсравнивают с, […] – целая часть,n– количество уровней
Если m >, то свойство выполняется.
Проверка соответствия распределения случайной компоненты нормальному закону распределения с помощью R/S критерия
R– размах вариации
- среднеквадратическая ошибка
Если , то
Далее расчетное значение R/Sсравнивают с таблицей. Например, дляn=9 значениеR/Sдолжно попадать в интервал от 2,7 до 3,7. Если, то свойство выполняется.
Проверка равенства математического ожидания случайной компоненты нулю с помощью t критерия Стьюдента
Если , то гипотеза о равенстве математического ожидания нулю принимается, свойство выполняется.
Если , то гипотеза о равенстве математического ожидания нулю отвергается, свойство не выполняется.
Проверка независимости значений уровней случайной компоненты, т.е. проверка отсутствия существенной автокорреляции с помощью d критерия Дарбина-Уотсона
Если , то свойство не выполняется, присутствует автокорреляция.
Если , свойство выполняется, остатки независимы, отсутствует автокорреляция.
Если , то находятd’,d’=4-d, далее смотрят, в какой интервал попадаетd’.
Если , то критерий Дарбина-Уотсона ответа не дает. Применяют критерий первого коэффициента автокорреляции.
Далее расчетное значение сравнивают с табличным. При rтабличное=0,36
Если , то свойство выполняется