- •Введение
- •Основные этапы эконометрического исследования:
- •Основные типы моделей:
- •Тема 1. Основные понятия теории вероятностей
- •1.1. Вероятностный эксперимент, событие, вероятность.
- •1.2. Случайные величины
- •1.3. Числовые характеристики св
- •Свойства математического ожидания:
- •Свойства дисперсии:
- •1.4. Законы распределений св
- •1. Закон равномерного распределения вероятностей
- •2. Нормальный закон распределения
- •3. Распределение
- •4. Распределение Стьюдента(t – распределение)
- •5. Распределение Фишера (f – распределение)
- •( Число степеней свободы)
- •Тема 2. Базовые понятия статистики.
- •2.1. Выборка и генеральная совокупность
- •2.2. Способы представления и обработки экономических данных
- •2.3. Статистические оценки параметров распределения
- •2.4. Статистическая проверка гипотез
- •Тема 3. Соотношения между экономическими переменными. Линейная связь. Корреляция
- •3.1. Коэффициент линейной корреляции
- •3.2. Оценка значимости (достоверности) коэффициента корреляции
- •Тема 4. Парная линейная регрессия. Метод наименьших квадратов
- •Тема 5. Оценка качества полученного уравнения (верификация)
- •5.1. Оценка общего качества уравнения регрессии
- •5.2. Оценка существенности параметров линейной регрессии и всего уравнения в целом
- •5.2.1. Анализ статистической значимости коэффициентов линейной регрессии
- •5.2.2. Анализ статистической значимости уравнения в целом. Распределение Фишера в регрессионном анализе
- •5.3. Проверка предпосылок, лежащих в основе мнк
- •5.3.1. Проверка первой предпосылки мнк
- •5.3.2. Проверка второй предпосылки мнк
- •5.3.3. Автокорреляция ошибок. Статистика Дарбина-Уотсона
- •Методы устранения автокорреляции. Авторегрессионное преобразование
- •5.3.4. Проверка гомоскедастичности дисперсии ошибок
- •Обобщенный метод наименьших квадратов (омнк)
- •Тема 6. Множественная корреляция и линейная регрессия
- •6.1. Спецификация модели. Отбор факторов при построении уравнения множественной регрессии
- •6.2. Метод наименьших квадратов (мнк)
- •6.3. Анализ качества эмпирического уравнения множественной линейной регрессии
- •Тема 7. Прогнозирование
- •7.1. Оценка прогнозных качеств модели
- •7.2. Интервалы прогноза по линейному уравнению регрессии
- •Тема 8. Нелинейные модели регрессии. Простейшие методы линеаризации
- •Тема 9. Фиктивные переменные в регрессионных моделях
- •Тема 10. Системы эконометрических уравнений
- •10.1. Общее понятие о системах уравнений, используемых в эконометрике
- •10.2. Структурная и приведенная формы модели
- •10.3. Проблема идентификации
- •Косвенный метод наименьших квадратов (кмнк);
- •Двухшаговый метод наименьших квадратов (дмнк);
- •Тема 11. Временные ряды в эконометрических исследованиях в.1. Выявление структуры временного ряда
Основные типы моделей:
Экономико-математическая модель – это математическое описание какого-либо экономического процесса или объекта.
Математические модели, используемые в экономике, можно подразделить на классы по ряду признаков, относящихся к особенностям моделируемых объектов, цели моделирования и используемого инструментария.
- Макроэкономические модели описывают экономику как единое целое, связывая между собой укрупнённые материальные и финансовые показатели (ВВП, потребление, инвестиции, занятость, процентную ставку…).
Микроэкономические модели описывают взаимодействие структурных и функциональных составляющих экономики, либо поведение отдельной такой составляющей в рыночной среде.
- Теоретические модели позволяют изучать общие свойства экономики и её характерных элементов дедукцией (от общего к частному) выводов из формальных предпосылок.
Прикладные модели оценивают параметры функционирования конкретного экономического объекта и позволяют сформулировать рекомендации для практических решений. К прикладным относятся прежде всего эконометрические модели, оперирующие числовыми значениями экономических переменных и позволяющие статистически значимо оценивать их на основе имеющихся наблюдений.
Особое место в рыночной экономике занимают равновесные модели, которые описывают такие состояния экономики, когда результирующая всех сил, стремящихся вывести их из этого состояния, равна 0.
- Статические модели описывают состояние экономического объекта в конкретный момент или период времени.
Динамические модели включают взаимосвязи переменных во времени.
- Детерминированные модели предполагают строгие функциональные связи между переменными.
Стохастические допускают наличие случайных воздействий на исследуемые показатели и используют инструментарий теории вероятностей и математической статистики для их описания.
Приведём 3 основных класса моделей, которые применяются для анализа и прогнозирования в эконометрике:
1. Модели временных рядов: модели тренда и сезонности. Они объясняют поведение временного ряда, исходя только из его предыдущих значений. Применяются для изучения и прогнозирования объёма продаж билетов, спроса, прогнозирования % ставки.
2. Регрессионные модели с 1 уравнением: зависимая переменная у представляется в виде функции одной или нескольких переменных: , гдеу – объясняемая (зависимая) переменная, - объясняющие (независимые) переменные,- параметры уравнения.
Регрессионные уравнения – уравнения статистической связи между переменными.
В зависимости от вида функции f модели делятся на линейные и нелинейные. Эти модели применяют значительно шире, чем модели временных рядов. (Например, спрос на мороженое как функция от времени, температуры воздуха, среднего уровня доходов…).
3. Системы одновременных уравнений: описываются системами уравнений, могут состоять из тождеств и регрессионных уравнений, которые кроме объясняющих переменных могут включать в себя объясняемые переменные из других уравнений.