- •1.Предмет, задачи и методы эконометрики.
- •2.1.Общие положения.
- •2.2. Метод наименьших квадратов
- •2.3. Свойства оценок полученных мнк.
- •3. Методика построения многофакторных корреляционных моделей для показателей эффективности хозяйственной деятельности
- •3.1. Выбор функционального показателя
- •3.2. Отбор факторов-аргументов
- •3.3. Выбор формы связи
- •3.4. Отбор исходных данных
- •3.5. Решение корреляционных моделей и экономико-математический анализ результатов решения
- •4.1.Оценка адекватности и точности регрессионных моделей. Общие положения.
- •4.2. Проверка случайности колебаний уровня остаточной последовательности.
- •4.3 Проверка соответствия распределения случайной компоненты нормальному закону распределения
- •4.4 Проверка равенства математического ожидания случайной компоненты нулю.
- •4.5. Проверка независимости значений уровней случайной компоненты.
- •4.6. Определение точности модели.
- •5. Исследование влияния факторов на изменение результирующего показателя в уравнении регрессии.
- •6. Оценка статистической надежности уравнения регрессии и ее последствия.
- •7.1.Гетероскедастичность остатков в уравнении регрессии и ее последствия.
- •7.2.1. Тест ранговой корреляции Спирмена.
- •7.2.2.Тест Голфенда-Квандта.
- •7.2.3 Тест Глейзера.
- •7.3 Методы устранения гетероскедастичности.
- •8.1 Автокорреляция (остатков) и связанные с ней факторы.
- •8.2. Обнаружение автокорреляции 1-го порядка. Критерий Дарбина – Уотсона
- •8.3.1. Устранение авт-ции, описываемой авторегрессионной схемой 1-ого порядка в общем случае. Поправка Прайса – Уинстена.
- •9. Мультиколлинеарность: способы ее обнаружения и устранения.
- •10. Обобщенный мнк и его исп-ие для оценки эфф-ти методов определения параметров уравнения регрессии.
- •11.1.Фиктивные переменные для пространственных выборок и временных рядов.
- •11.2.Фиктивные переменные для коэф-та наклона ур-ия регрессии.
- •11.3 Тест Чоу.
- •12.1 Линеаризация уравнения регрессии путем замены переменных.
- •12.2 Линеаризация уравнения регрессии с использованием логарфмического преобразования (степенные и показательные функции).
- •12.3 Представление случайного члена в преобразованных нелинейных ур-ях регрессии.
- •12.4 Определение параметров нелин-го ур-ия герессии, не приводимого к лин-му ур-ию.
- •12.5 Выбор вида ур-ия регрессии с использ-ем теста Бокса-Кокса.
- •13.4 Замещающие переменные и их использование при построении уравнения регрессии (общие сведения).
- •13.5. Время, как замещающая переменная при моделировании нтп в производственной функции Кобба-Дугласа
- •13.6 Непреднамеренное использование замещающих переменных.
- •13.7 Лаговые переменные и их использование пи построении уравнения регрессии(общие сведения).
- •14.1 Система линейных одновременных уравнений слоу (общие сведения)
- •14.2 Структурная и приведённая формы слоу.
- •14.3Косвенный метод наименьших квадратов (кмнк) и его использование для определения параметров слоу.
- •14.4 Метод инструментальных переменных (мип) и его применение для параметров уравнения регрессия (общий случай)
- •14.5 Метод инструментальной переменной (мип) и его применение для слоу.
- •14.6 Идентифицируемость слоу.
- •14.7 Двухшаговый метод наименьших квадратов.
- •14.8 Трехшаговый мнк.
2.2. Метод наименьших квадратов
Задачу нахождения уравнения регрессии можно сформулировать следующим образом. Имеются стат наблюдения полученные из данных статистики или экспертных данных
Заданно уравнением регрессии
yi=f(xij;aj)
параметр уравнения регрессии
i=1….n
j= 0….p- номер фактра
Если бы значения х и у находились о определялись точно, то для нахождения (р+1)аjпараметра аjдостаточно было бы иметь р+1 измерение
Однако значение у и х находяться не точно. Либо в уравнении не учитывается все взаимосвязи поэтому не какие (р+1)измерение не позволяют определить истинное значение параметров аjи необходимо произвести знач. Большее число измерен. чем (р+1)
n>(p+1).
2.3. Свойства оценок полученных мнк.
Для того, что бы полученные МНК – оценки параметра обладали желательными свойствами, необходимо, чтобы величина i=yi-yiотвечала след. требованиям:
1.величина iявл. случайной величиной;n
2.математическое ожидание i=0
lim=+i\n
n->∞i=1
3.дисперсия iпостоянна для всехi-х.
4.значение i должны не зависить друг от друга, т.е. отсутствует автокорреляцияi
Если эти 4 условия соблюдаются, то оценки параметров, полученных методом наименьших квадратов обладабт след. св-ми:
1.оценки аj явл. несмещенными, т.е. математич. ожидание оценки = его истинному значению
2.оценки состоятельны, т.е.дисперсия оценок параметров при росте числа наблюдений стремиться к 0.
3.оценки эффективны, т.е. имеют наименьшую дисперсию по сравнению с любыми другими оценками данных параметров. Эти свойства оценок не зависят от вида (закона) распределения случайной составляющей I, но желательно, чтобы величинаI распределялась по нормальному закону распределения. Это позволяет оценивать статистическую значимость полученных результатов с использованиемF- критерии Фишера иt- критерий Стьюдента.
3. Методика построения многофакторных корреляционных моделей для показателей эффективности хозяйственной деятельности
3.1. Выбор функционального показателя
Анализ хозяйственной деятельности с применением математических методов и вычислительной техники - одно из направлений оптимизации планирования и анализа функционирования экономики.
Сущность этого направления состоит в экономической постановке рассматриваемых задач и последующем переводе их описания с естественно-экономического языка на язык формально-математический путём построения экономико-математических моделей, адекватных основному содержанию экономического процесса. Построение экономико-математических моделей, их решение и анализ дают возможность обеспечить, при максимальном приближении к реальным условиям, учёт большого числа взаимосвязей, Которые не в состоянии охватить традиционная практика экономического анализа. Методика экономико-математического анализа основывается на построении многофакторных корреляционных моделей формирования уровня основных экономических показателей и исключает в себя следующие этапы:
1. Выбор, исходя из целей исследования, изучаемого показателя эффективности хозяйственной деятельности, принимаемого за функциональный, то есть результативный признак.
2. Отбор факториальных показателей, то есть аргументов, находящихся предположительно в корреляционной связи с выбранным функциональным показателем.
3. Выбор и обоснование типа поверхности регрессии, то есть определение формы связи функционального и факториального показателей.
4. Сбор и первичная обработка необходимых статистических данных, определение объёма их совокупности.
5, Решение полученной многофакторной корреляционной линейной модели на ЭВМ.
6, Экономико-математический анализ результатов решений. Рассмотрим кратко содержание каждого из этих этапов.
Выбор функционального показателя рассмотрим применительно к экономике промышленного предприятия как основного звена экономики. Эффективность хозяйственной деятельности промышленных предприятий определяется рядом взаимосвязанных показателей, отражающих различные стороны этой деятельности. В частности, к таким показателям можно отнести:
а) производительность труда (выработку продукции на одного работника), характеризующего эффективность использования живого труда;
б) фондоотдачу (выработку продукции на один рубль основных производственных фондов), характеризующую эффективность использования овеществленного труда;
в) себестоимость (затраты на один рубль товарной продукции), характеризующую эффективность использования живого и овеществленного пруда;
г) рентабельность (отношение прибыли к себестоимости продукции,), характеризующую эффективность работы предприятия.
Корреляционный анализ этих показателей позволяет получить количественно-определённую картину механизма формирования их уровня, а, следовательно, не только объективно оценивать достижения и неудачи каждого предприятия отдельно и его потенциальные возможности, но и определить наиболее эффективные пути планомерного изменения этого уровня.