- •Методичні рекомендації
- •1. Загальні вимоги до підготовки і виконання лабораторних робіт
- •2. Лабораторна робота №1 “ Економетричні моделі парної лінійної регресії ”
- •2. Задачі роботи:
- •3. Завдання роботи і вихідні дані.
- •4. Порядок виконання роботи.
- •Підготовка до роботи.
- •Питання для контролю та самоконтролю.
- •3. Лабораторна робота №2 “ Багатофакторні лінійні економетричні моделі”
- •2. Задачі роботи:
- •3. Завдання роботи і вихідні дані.
- •4. Порядок виконання роботи.
- •Підготовка до роботи.
- •6. Питання для контролю і самоконтролю.
- •4. Лабораторна робота № 3 “Нелінійні економетричні моделі”
- •2. Задачі роботи:
- •3. Завдання роботи і вихідні дані.
- •4.Порядок виконання роботи.
- •Підготовка до роботи.
- •6. Допоміжний матеріал.
- •7. Питання для контролю і самоконтролю.
- •3. Завдання роботи і вихідні данні.
- •4. Порядок виконання роботи.
- •5. Підготовка до роботи.
- •6. Допоміжний матеріал.
- •7. Питання для контролю і самоконтролю.
- •6. Лабораторна робота № 5 “Гетероскедастичність “
- •2. Задачі роботи:
- •3. Завдання роботи і вихідні дані.
- •4. Порядок виконання роботи.
- •5. Підготовка до роботи.
- •6. Допоміжний матеріал.
- •7. Питання для контролю і самоконтролю.
- •7. Лабораторна робота № 6 “Автокореляція залишків “
- •2. Задачі роботи:
- •3. Завдання роботи і вихідні дані.
- •4. Порядок виконання роботи.
- •5. Підготовка до роботи.
- •Допоміжний матеріал.
- •7. Питання для контролю і самоконтролю.
- •9. Лабораторна робота № 8 “Економетричні моделі динаміки”
- •2. Задачі роботи:
- •3. Завдання роботи і вихідні данні.
- •4. Порядок виконання роботи.
- •5. Підготовка до роботи.
- •6. Допоміжний матеріал.
- •7. Питання для контролю і самоконтролю.
- •10. Лабораторна робота № 9 “Непрямий метод найменших квадратів „
- •2. Задачі роботи:
- •3. Завдання роботи і вихідні данні.
- •4. Порядок виконання роботи.
- •5. Підготовка до роботи.
- •6. Питання для контролю і самоконтролю.
- •Додатки
10. Лабораторна робота № 9 “Непрямий метод найменших квадратів „
1. Мета роботи: Набуття практичних навичок оцінювання параметрів симультативних моделей непрямим методом найменших квадратів і використання цих моделей для прогнозу і аналізу.
2. Задачі роботи:
-
Ідентифікація системи структурних рівнянь.
-
Приведення системи структурних рівнянь до прогнозної форми.
-
Визначення оцінок параметрів рівнянь приведеної форми.
-
Визначення оцінок параметрів рівнянь структурної форми.
-
Прогнозування і аналіз.
3. Завдання роботи і вихідні данні.
На основі вибіркових статистичних даних за 8 років побудувати макромодель Кейнса і визначити:
-
прогнозне значення споживання і національного доходу для прогнозного значення інвестицій Іpr;
-
граничну схильність до споживання MPC.
Макромодель Кейнса прийняти у наступному вигляді:
( 1 )
де yt – національний дохід; Ct – сукупне споживання; It – інвестиції; t – стохастична складова моделі; β0, β1 – параметри моделі.
Дані вибіркових статистичних спостережень наведені нижче у таблиці.
Рік |
Ct |
Yt |
It |
1 |
28,04+N |
50,5+N |
26,08+N |
2 |
32,99+N |
57,2+N |
27,38+N |
3 |
34,67+N |
67,5+N |
31,78+N |
4 |
35,72+N |
71,05+N |
30,88+N |
5 |
41,99+N |
69,55+N |
34,42+N |
6 |
40,58+N |
77,2+N |
36,68+N |
7 |
45,8+N |
82,9+N |
38,56+N |
8 |
45,2+N |
83,45+N |
42,18+N |
Прогнозне значення інвестицій Іpr = 48 + N.
ПРИМІТКА. 1. При побудові рівнянь приведеної (прогнозної) форми економетричної моделі достатньо виконати тільки перевірку цих рівнянь на загальну статистичну значимість за F–критерієм Фішера і не виконувати оцінку статистичної значимості параметрів цих рівнянь за критерієм Ст’юдента.
2. Прогнозні значення споживання і національного доходу визначати як точкові.
4. Порядок виконання роботи.
-
Виконується ідентифікація кожного рівняння структурної форми за формулою
( 2 )
де ks – число ендогенних змінних у s-му рівнянні, m – число екзогенних змінних моделі, ms – число екзогенних змінних у s-му рівнянні. Робиться відповідний висновок про можливість застосування непрямого методу найменших квадратів для оцінювання параметрів функції споживання моделі Кейнса;
-
Система структурних рівнянь (1) приводиться до прогнозної форми:
( 3 )
або ( 4 )
де ( 5 )
3. Використовуючи дані статистичної вибірки відносно показників і за методом найменших квадратів (1 МНК) оцінюємо параметри r10 і r11 першого рівняння приведеної форми. Для цього використовуємо вбудовані функції Excel ОТРЕЗОК і НАКЛОН.
4. Використовуючи дані статистичної вибірки відносно показників і за методом найменших квадратів (1 МНК) оцінюємо параметри r20 і r21 другого рівняння приведеної форми. Для цього також використовуємо вбудовані функції ОТРЕЗОК і НАКЛОН.
5. Будується (записується ) система рівнянь прогнозної форми.
6. Для кожного рівняння приведеної форми визначається коефіцієнт кореляції, детермінації і критерій Фішера. Для цього використовується та ж сама методика, розрахункові залежності і вбудовані функції Excel, як і лабораторній роботі №1 „Парна лінійна регресія”.
7. Для рівня значимості α=0,05 і ступенів вільності ν1=1 i ν2=n-2 за статистичними таблицями F - розподілу визначається критичне значення критерію Фішера Fкр. Табличне значення Fкр порівнюється з розрахунковим значенням F і робиться відповідний висновок щодо статистичної значимості рівнянь приведеної форми..
8. Використовуючи побудовану приведену (прогнозну) форму моделі знаходиться точкова оцінка прогнозу сукупного споживання Ct і національного доходу yt для прогнозного значення інвестицій Іpr.
9. Використовуючи взаємозв’язок (5) між коефіцієнтами приведеної і структурної форми моделі визначаються оцінки параметрів структурної форми:
( 7 )
і записується оцінена система структурних рівнянь.
10. Використовуючи параметри структурної форми моделі визначається гранична схильність до споживання MPC=1 і робиться відповідний висновок.