- •Поняття економетричної моделі, її складові частини.
- •Причини, які спонукають появу випадкової складової в регресійних моделях.
- •Етапи побудови економетричної моделі.
- •Параметри моделі парної лінійної регресії, їх сутність та оцінювання.
- •Закони розподілу ймовірностей емпіричних параметрів , їх числові характерстики та статистичні властивості.
- •Обчислення значень вибіркових дисперсій , , для парної регресії.
- •Коефіцієнт детермінації та кореляції для моделі парної регресії. Перевірка суттєвості коефіцієнта детермінації за допомогою t-критерію.
- •Коефіцієнт детермінації та кореляції для моделі парної регресії. Перевірка суттєвості коефіцієнта детермінації за допомогою f-критерію.
- •Перевірка суттєвості оцінок параметрів на основі t-критерію.
- •Точковий та інтервальний прогноз на основі побудованої моделі парної регресії.
- •Передумови застосування методу найменших квадратів.
- •Метод найменших квадратів (мнк). Система нормальних рівнянь.
- •Оператор оцінювання мнк в матричному вигляді.
- •Властивості оцінок параметрів, знайдених за мнк.
- •Дисперсійний аналіз моделі лінійної множинної регресії.
- •Коефіцієнт множинної кореляції та детермінації та перевірка їх статистичної значущості.
- •Дисперсійно-коваріаційна матриця оцінок параметрів.
- •Довірчі інтервали для оцінок параметрів.
- •Перевірка достовірності оцінок параметрів за допомогою t -критерію.
- •Точковий та інтервальний прогноз на основі побудованої моделі лінійної множинної регресії.
- •Перевірка загальної якості моделі та рівності двух коефіціентів детермінації.
- •Поняття фіктивних змінних.
- •Врахування якісних факторів в лінійних економетричних моделях за допомогою фіктивних змінних.
- •Моделі з фіктивними регресорами: моделі, що містять тільки фіктивні незалежні змінні та моделі, що містять як фіктивні, так і кількісні незалежні змінні.
- •Моделі з фіктивними залежними змінними.
- •Оцінювання параметрів моделі з фіктивними змінними.
- •Порівняння двох регресійних моделей. Тест Чоу.
- •Суть та наслідки мультиколінеарності.
- •Тестування наявності мультиколінеарності в моделі. Алгоритм Фаррара-Глобера.
- •Методи усунення мультиколінеарності.
- •Алгоритм покрокової регресії.
- •Поняття про гомо- та гетероскедастичність залишків.
- •Негативні наслідки наявності гетероскедастичності залишків в лінійних моделях.
- •Тест Гольдфельда-Квандта. Послідовність його виконання.
- •Алгоритм теста Глейсера.
- •Перевірка наявності гетероскедастичності залишків на основі теста коефіцієнта рангової кореляції Спірмена.
- •Узагальнений метод найменших квадратів для моделі з гетероскедастичністю залишків.
- •Зважений метод найменших квадратів.
- •Суть та наслідки автокореляції стохастичної складової.
- •Алгоритм Дарбіна-Уотсона для виявлення автокореляції залишків першого порядку.
- •Критерій фон Неймана.
- •Циклічний та нециклічний коефіцієнт автокореляції.
- •Узагальнений метод найменших квадратів для знаходження оцінок параметрів моделі з автокорельованими залишками.
- •Метод перетворення вихідної інформації.
- •Алгоритм методу Кочрена – Оркатта.
- •Оцінювання параметрів моделі з автокорельованими залишками методом Дарбіна.
- •Поняття часового лагу. Моделі з часовим лагом незалежних змінних.
- •Авторегресійні моделі.
- •Оцінювання авторегресійних моделей з часовим лагом незалежних змінних.
- •Часовий ряд в загальному вигляді. Поняття тренду, сезонної, циклічної та випадкової компоненти. Основні етапи аналізу числових рядів.
- •Метод ковзної середньої для згладжування часового ряду.
- •Експоненціальне згладжування.
- •Аналітичні методи згладжування часового ряду.
- •Довжина часового ряду суттєво перевищує ступінь полінома , а випадкові залишки мають властивості «білого шуму», тобто
- •Стаціонарні та нестаціонарні часові ряди. Основні характеристики часових рядів.
- •Тест Дікі-Фулера.
- •Авторегресійні моделі ( ar(p)- процеси).
- •Моделі ковзного середнього (ma(q)- процеси).
- •Авторегресійні моделі ковзного середнього ( arma(p,q)- процеси).
- •Інтегровані авторегресійні моделі ковзного середнього ( arima(p,d,q)- процеси).
- •Адаптивні моделі. Схема їх побудови.
- •Поняття про коінтеграцію часових рядів.
- •Моделі коригування помилки, етапи її побудови.
- •Поняття системи економетричних рівнянь. Приклади моделей на основі системи одночасних рівнянь.
- •Структурна та зведена форми системи рівнянь.
- •Ідентифікація. Необхідна і достатня умова ідентифікації.
- •Непрямий метод найменших квадратів оцінювання параметрів системи одночасних рівнянь.
- •Оцінювання параметрів системи одночасних рівнянь двохкроковим методом найменших квадратів.
- •Трьохкроковий метод найменших квадратів.
- •Прогноз ендогенних змінних
-
Моделі з фіктивними регресорами: моделі, що містять тільки фіктивні незалежні змінні та моделі, що містять як фіктивні, так і кількісні незалежні змінні.
Іноді в економетричну модель потрібно ввести дві або кілька фіктивних змінних. Наприклад, необхідно визначити рівень споживання на основі бюджету споживачів за кожний із кількох кварталів, коли споживання товару має враховувати сезонні коливання, пов’язані з порами року, та відмінності у споживанні різних соціальних груп.
Якщо взяти чотири сезони і три соціальні групи, то економетричну модель з фіктивними змінними можна подати так:
(5.6)
а Xj, — вектори економічних показників, таких як дохід, індекси цін, що застосовуються як пояснювальні змінні моделі.
Модель (5.6) містить як фіктивні, так і кількісні пояснювальні змінні. Такі економетричні моделі називають ANCOVA-моделями (моделями коваріаційного аналізу).
Такий підхід застосовний також, коли йдеться про оцінювання параметрів виробничої функції. Якщо потрібно, скажімо, побудувати виробничу функцію для цементної промисловості України, коли відома статистична інформація про випуск цементу та первинні виробничі ресурси за n років для s цементних підприємств, то маємо врахувати як ефект часу, так і «просторовий ефект» (тобто ефект відповідності даних за різними підприємствами). Тоді виробничу функцію можна специфікувати у вигляді:
(5.7)
де Y — вектор виробництва цементу для всіх підприємств за всі роки;
X1 — вектор витрат основного капіталу для всіх підприємств за всі роки;
X2 — вектор витрат робочої сили для всіх підприємств за всі роки;
а1, а2 — параметри моделі, які характеризують вплив відповідно ресурсів Х1 та Х2;
Ti та Fs — фіктивні змінні, що мають враховувати відповідно часовий та просторовий чинники:
Це рівняння відповідає гіпотезі, що всі підприємства однаково реагують на зміни витрат первинних виробничих ресурсів. Водночас вони мають паралельні зсуви своїх виробничих функцій за рахунок відмінностей окремих підприємств з виробництва цементу та за рахунок відмінностей одного й того самого підприємства в різні часові періоди. Ці відмінності враховує вільний член економетричної моделі, у формуванні якого беруть участь фіктивні змінні.
-
Моделі з фіктивними залежними змінними.
Досі ми розглядали лише ті фіктивні змінні, які вводяться у праву частину економетричної моделі, тобто стосуються тільки пояснювальних змінних. Але існують і такі взаємозв’язки, коли залежна змінна не вимірюється кількісно, а є якісним показником соціально-економічного процесу.
Нехай, наприклад, потрібно дослідити наявність автомобіля в сім’ї чи його відсутність залежно від певних чинників: доходу, кількості членів сім’ї, терміну її існування і т. ін. У цьому разі залежна змінна набуває лише двох значень: вона дорівнює одиниці за наявності автомобіля, нулю — за його відсутності. Якщо ми побудуємо економетричну модель для такої залежності, то розраховане значення Y для заданих значеннях Xj можна тлумачити як оцінку умовної ймовірності Y для фіксованих Xj. Це економетричне моделювання присвячене вивченню динаміки соціально-економічних систем на основі аналізу соціологічних та деяких інших змінних одночасно з традиційними економетричними змінними.
До економетричних моделей, в яких залежна змінна є фіктивною, не можна застосовувати оцінки — 1МНК, бо вони не матимуть ознак найкращих лінійних незміщених оцінок (BLUE). Тому для оцінювання параметрів моделі в цьому залучають інші методи.