- •1.История развития эконометрики как науки
- •2.Определение (предмет) эконометрики
- •3.Эконометрический метод и этапы эконометрического исследования
- •4.Измерения в экономике
- •5.Парная регрессия и корреляция. Способы задания уравнения парной регрессии
- •6.Линейная модель парной регрессии. Смысл и оценка параметров.
- •7.Оценка существенности параметров и уравнения линейной регрессии
- •9.Прогноз по линейному уравнению регрессию.
- •10.Средняя ошибка аппроксимации
- •12.Корреляция и детерминация для нелинейной регрессии.
- •13.Коэффициенты эластичности для разных видов регрессионных моделей.
- •15.Оценка адекватности модели.
- •18.Отбор факторов при построении уравнения множественной регрессии.
- •20.Множественная корреляция.
- •22.Частные коэффициенты корреляции
- •24.Частный f-критерий Фишера для уравнения множественной регрессии
- •26.Фиктивные переменные во множественной регрессии
- •31.Структурная и приведенная формы модели.
- •34.Основные элементы временного ряда.
- •35.Автокорреляция уровней временного ряда и выявление его структуры.
- •36.Моделирование тенденции временного ряда.
- •37.Моделирование сезонных и циклических колебаний: аддитивная и мультипликативная модель временного ряда.
- •38.Автокорреляция а остатках. Критерий Дарбина-Уотсона.
- •39.Методы исключения тенденции.
- •40.Динамические эконометрические модели.
- •41.Характеристика модели с распределенным лагом.
40.Динамические эконометрические модели.
Модель является динамической, если в данный момент времени t она учитывает значения входящих в нее переменных, относящихся как к текущему, так к предыдущим моментам времени, т.е. если эта модель отражает динамику исследуемых переменных в каждый момент времени.
Можно выделить два основных типа динамических эконометрических моделей:
1. модели авторегрессии и модели с распределенным лагом, в которых значения переменной за прошлые периоды времени (лаговые переменные) непосредственно включены в модель.
2. модели второго типа учитывают динамическую информацию в неявном виде. В них включены переменные, характеризующие ожидаемый или желаемый уровень результата, или одного из факторов в момент времени t. Этот уровень считается неизвестным и определяется экономическими единицами с учетом информации, которой они располагают в момент (t-1).
В зависимости от способа определения ожидаемых значений показателей различают модели неполной корректировки, адаптивных ожиданий и рациональных ожиданий. Оценка параметров этих моделей сводится к оценке параметров моделей авторегрессии.
При исследовании экономических процессов нередко приходится моделировать ситуации, когда значение результативного признака в текущий момент времени t формируется под воздействием факторов, действовавших в прошлые моменты времени Например, на выручку от реализации или прибыль компании текущего периода могут оказывать влияние расходы на рекламу или проведение маркетинговых исследований, сделанные компанией в предшествующие моменты времени. Величину , характеризующую запаздывание в воздействии фактора на результат, называют в эконометрике лагом, а временные ряды самих факторных переменных, сдвинутые на один или более моментов времени, —лаговыми переменными.
Модели с распределенным лагом – это модели, содержащие не только текущие, но и лаговые значения факторных переменных Xt. Пример модели: Например, разработка экономической политики как на макро-, так и на микроуровне трубет решения задач, определяющих, какое воздействие окажут значения управляемых переменных текущего периодна на будущие значения экономических показателей. Например, как повлияют инвестиции в промышленность на валовую добавленную стоимость этой отрасли экономики будущих периодов или как может изменить объем ВВП, произведенного в периоде (t+1), под воздействием увеличения денежной массы в периоде t?
. Наряду с лаговыми значениями переменных Xt на величину зависимой переменной Yt текущего периода могут оказывать влияние значения результативного признака в прошлые моменты или периоды времени. Например, потребление в момент времени t формируется под воздействием дохода текущего и предыдущего периодов, а также объема потребления прошлых периодов, например потребления в период (t-1). Модели, в которых учитываются процессы, происходящие с результативной переменной в прошлые периоды, называют моделями авторегрессии. Пример модели:
Построение моделей с распределнным лагом и моделей авторегрессии имеет свою специфику:
1. обычный МНК к оценке параметров этих моделей применить нельзя ввиду нарушения его предпосылок, т.е. требуются специальные статистические методы.
2.требуется решать проблему выбора оп-тимальной величины лага и определять его стрру.
3.модели с распределенным лагом и модели авторегрессии могут быть взаимосвязаны, что требует в некоторых случаях перехода от одной модели к другой.