- •4. Параметри моделі парної лінійної регресії, їх сутність та оцінювання.
- •5 Коефіцієнт детермінації та кореляції для моделі парної регресії. Перевірка суттєвості коефіцієнта детермінації за допомогою f-критерію.
- •6 Перевірка суттєвості оцінок параметрів на основі t-критерію.
- •7.Передумови застосування методу найменших квадратів.
- •8.Метод найменших квадратів (мнк). Система нормальних рівнянь.
- •12.Перевірка достовірності оцінок параметрів за допомогою t -критерію.
- •13.Поняття фіктивних змінних.
- •14.Врахування якісних факторів в лінійних економетричних моделях за допомогою фіктивних змінних.
- •15.Суть та наслідки мультиколінеарності.
- •16Тестування наявності мультиколінеарності в моделі. Алгоритм Фаррара-Глобера.
- •17.Поняття про гомо- та гетероскедастичність залишків.
- •18.Тест Гольдфельда-Квандта. Послідовність його виконання.
- •19. Алгоритм теста Глейсера.
- •20Перевірка наявності гетероскедастичності залишків на основі теста коефіцієнта рангової кореляції Спірмена.
- •21. Узагальнений метод найменших квадратів для моделі з гетероскедастичністю залишків.
- •22.Суть та наслідки автокореляції стохастичної складової.
- •23.Алгоритм Дарбіна-Уотсона для виявлення автокореляції залишків першого порядку.
- •24.Узагальнений метод найменших квадратів для знаходження оцінок параметрів моделі з автокорельованими залишками.
- •25.Поняття часового лагу. Моделі з часовим лагом незалежних змінних.
- •26. Часовий ряд в загальному вигляді. Поняття тренду, сезонної, циклічної та випадкової компоненти. Основні етапи аналізу числових рядів.
- •28.Модель задачі лінійного програмування в розгорнутому і скороченому вигляді, а також в матричній і векторній формах.
- •29. Властивості розв’язків задачі лінійного програмування. Геометрична інтерпретація задач лінійного програмування.
- •31.Означення планів задачі лінійного програмування (допустимий, опорний, оптимальний).
- •33.Двоїста задача. Правила побудови двоїстої задачі. Симетричні й несиметричні двоїсті задачі.
- •34.Економічний зміст двоїстої задачі й двоїстих оцінок.
- •35.Перша теорема двоїстості та її економічна інтерпретація.
- •38.Постановка транспортної задачі. Поняття відкритої та закритої моделі.
- •41. Побудова опорного плану транспортної задачі: метод подвійної переваги.
- •42. Побудова опорного плану транспортної задачі: метод апроксимації Фогеля.
- •43.Побудова оптимального плану транспортної задачі: метод потенціалів
- •44.Аналіз розв’язків лінійних економіко-математичних моделей. Оцінка рентабельності продукції.
- •45.Аналіз обмежень дефіцитних і недефіцитних ресурсів.
- •46.Цілочислове програмування. Область застосування цілочислових задач в плануванні й управлінні виробництвом.
- •47.Геометрична інтерпретація задачі цілочислового програмування.
- •48.Метод Гоморі.
- •49Постановка задачі нелінійного програмування, математична модель. Геометрична інтерпретація.
- •50.Графічний метод розв’язування задач нелінійного програмування.
- •51.Метод множників Лагранжа. Теорема Лагранжа. Алгоритм розв’язування задачі на безумовний екстремум.
- •52.Основні поняття теорії ігор.
- •53.Поняття інформаційної ситуації.
- •54.Основні принципи класифікації інформаційних ситуацій. Навести приклади та дати пояснення.
- •55.Матриця ризику, її побудова. Сутність її елементів. Навести приклади.
- •56.Сутність критерію Севіджа. Навести приклади.
- •57. Пояснити, в чому полягає суть критерію Байєса. Навести приклади.
- •61.Сутність критерію Вальда. Навести приклади.
- •62.Дайте означення економічного ризику. Поясніть його сутність.
- •63.Наведіть приклади економічних рішень, обтяжених ризиком. Ідентифікуйте ризики, здійсніть їх якісний аналіз.
- •64. Поясніть основні причини виникнення економічного ризику.
- •65.Пояснити сутність таких понять як: джерело, об`єкт, суб`єкт економічного ризику.
- •66.Загальні засади класифікації ризику.
- •67.Зовнішні та внутрішні чинники ризику. Навести приклади.
- •68.Фінансовий ризик та його особливості.
- •69.Поняття інгредієнту економічного показника.
- •70.Ризик як величина очікуваної невдачі. Навести приклади.
- •71.Які ви знаєте показники кількісної оцінки ризику в абсолютному вираженні? Навести приклади.
- •72.Навести приклади показників ступеня ризику у відносному вираженні.
- •73.Пояснити, що означають терміни: “допустимий”, “критичний”, “катастрофічний” ризик, навести приклади кількісного визначення цих величин.
Поняття економетричної моделі, її складові частини.
Економетричні моделі описують вплив багатьох чинників на економічні процеси та явища. При цьому для відображення цих зв язків може використовуватися не одне рівняння а система. Економетрична модель складається з таких частин: 1). Набір рівнянь поведінки, які виводяться з економічної моделі. Ці рівняння включають деякі змінні, значення яких спостерігаються, а також «збурення», які відтворюють ефект від змінних, не включених до моделі у явному вигляді, та ефект від непередбачуваних подій. 2). Опис імовірнісного розподілу «збурень».
Економетричні моделі мають стохастичний характер.
Таким чином, економетричні методи дозволяють не тільки встановлювати кількісні зв’язки між економічними змінними, але й робити висновки про коректність одержаних моделей.
Причини, які спонукають появу випадкової складової в регресійних моделях.
Випадкову складову економетричної моделі за аналогією з регресійною моделлю прийнято називати збуренням ( похибкою, відхиленням) моделі, а для вибіркової моделі при означені оцінки цієї величини в основному використовується термін залишки.
Введення до економетричної моделі стохастичної складової має наступні підстави: 1)до будь-якої економетричної моделі включаються не всі фактори, які можуть впливати на залежну змінну, а тільки основні; 2)на залежну змінну при моделюванні таких складних об’єктів як економічні системи можуть впливати і численні випадкові фактори, які взагалі неможливо передбачити ; 3)частина факторів не піддається квантифікації (тобто кількісному вимірюванню), а для тих, що вимірюються, можлива похибка вимірювання даних.
Стохастична складова моделі якраз і акумулює в собі всі відхилення фактичних спостережень залежної змінної від обчисленої згідно з рівнянням регресії за рахунок наведених вище обставин
З огляду на те, що u охоплює вплив багатьох чинників, які можна вважати незалежними, на підставі центральної граничної теореми теорії ймовірностей доходимо висновку: стохастична складова економетричної моделі розподілена за нормальним законом.
Етапи побудови економетричної моделі.
Побудова будь-якої економетричної моделі, незалежно від того, на якому рівні і для яких показників вона будується, здійснюється як послідовність певних кроків.
Крок 1. Знайомство з економічною теорією, висунення гіпотези взаємозв’язку. Чітка постановка задачі.
Крок 2. Специфікація моделі. Використовуючи всі ті форми функцій, які можуть бути застосовані для вивчення взаємозв’язків, необхідно сформулювати теоретичні уявлення і прийняті гіпотези у вигляді математичних рівнянь. Ці рівняння встановлюють зв’язки між основними визначальними змінними за припущення, що всі інші змінні є випадковими.
Крок 3. Формування масивів вихідної інформації згідно з метою та завданнями дослідження.
Крок 4. Оцінка параметрів економетричної моделі методом найменших квадратів, що дає змогу проаналізувати залишки і відповісти на запитання: чи не суперечить специфікація моделі передумовам “класичної” моделі лінійної регресії?
Крок 5. Якщо деякі передумови моделі не виконуються, то для продовження аналізу треба замінювати специфікацію або застосовувати інші методи оцінювання параметрів.
Крок 6. Проведення аналізу вірогідності моделі та визначення прогнозу за побудованою моделю.
4. Параметри моделі парної лінійної регресії, їх сутність та оцінювання.
При розрахунках параметрів моделі лінійної регресії як правило застосовується метод найменших квадратів, але також можуть бути використані інші методи. Так само метод найменших квадратів може бути використаний і для нелінійних моделей. Тому МНК та лінійна регресія хоч і є тісно пов'язаними, але не є синонімами.Моделі лінійної регресії знайшли найбільш широке використання в економічних дослідженнях, хоча це і є спрощений засіб в моделюванні реальних економічних процесів. Якщо в рівняння включено лише одну пояснюючу змінну, то одержуємо теоретичну модель, яка дістала назву парної лінійної регресії:
yі = β0 + β1xi + i
Теоретичну модель для парної лінійної регресії можна записати наступним чином:
або у векторно-матричній формі, співвідношення буде мати такий вигляд:
де:
Для визначення теоретичних коефіцієнтів β0, β1 необхідно буде використати всі значення (хі, уі) змінних Y і Х генеральної сукупності, що практично здійснити не можливо.
Тому переходимо до побудови так званого емпіричного рівняння на базі інформації одержаної із вибірки.
Емпіричне рівняння регресії має вигляд:
5 Коефіцієнт детермінації та кореляції для моделі парної регресії. Перевірка суттєвості коефіцієнта детермінації за допомогою f-критерію.
За допомогою цих коефіцієнтів перевіряється відповідність побудованої регресійної моделі (теоретичної) фактичним даним. У поняття “тіснота зв'язку” вкладається оцінка впливу незалежної змінної (X) на залежну змінну (Y). Після встановлення тісноти зв'язку між змінними моделі характеризують значимість зв'язку, яка в кореляційному аналізі частіше всього здійснюється за допомогою F-критерію Фішера.
Коефіцієнт детермінації показує, якою мірою варіація залежної змінної Y визначається варіацією незалежної змінної X. Він використовується як при лінійному, так і при нелінійному зв'язку між змінними та розраховується за формулою:
(2.4)
де Yрозр – теоретичні значення залежної змінної на підставі побудованої регресійної моделі; Yсер – загальна середня фактичних даних залежної змінної; Yфакт – фактичні індивідуальні значення залежної змінної.
Коефіцієнт детермінації приймає значення від 0 (відсутній лінійний зв'язок між показниками) до 1 (відсутній кореляційний зв'язок між показниками).
Найпростішим критерієм, який дає кількісну оцінку зв’язку між двома показниками, є коефіцієнт кореляції. Він розраховується за такою формулою:
(2.5)
Чим ближче коефіцієнт кореляції до одиниці, тим тісніше зв'язок між незалежною та залежною змінними.
Іноді для спрощення розрахунків тісноту кореляційного зв'язку характеризують коефіцієнтом кореляції, який розраховується за формулою:
(2.6)
Значення R лежить у діапазоні від –1 до +1. При R=0 змінні не можуть мати лінійного кореляційного зв'язку. Ступінь тісноти їх лінійної залежності зростає при наближенні R до ±1. Кореляційний зв'язок між показниками відсутній при R=±1 Коли R>0, то зв'язок між показниками прямий, якщо R<0 – обернений.
Тестування значимості змінної Х, або адекватності моделі проводиться за критерієм Фішера. Перевіряється чи справді незалежна Х впливає на значення залежної Y.
Використовуючи суми квадратів відхилень, обчислимо F-критерій Фішера за формулою:
Розрахунковий критерій Фішера з урахуванням ступенів вільності обчислюємо за формулою:
де m, (n–m–1) – число ступенів вільності відповідно чисельника та знаменника залежності;
n – кількість спостережень;
m – кількість незалежних змінних.