- •1 Понятие эконометрики, ее основные задачи
- •2 Классы эконометрических моделей
- •3 Типы данных и виды переменных в эконометрических моделях
- •4 Этапы эконометрического моделирования
- •5 Корреляционно-регрессионный анализ. Этапы его проведения
- •6. Парная корреляция. Линейный коэффициент корреляции и парный коэффициент детерминации. Проверка значимости коэффициента корреляции.
- •7 Парная линейная регрессия. Оценка коэффициентов корреляции.Коэффициент эластичности.
- •8. Предпосылки мнк ( условия Гаусса-Маркова).
- •9. Проверка адекватности модели. Критерий Фишера.
- •10. Определенные меры точности модели. Доверительные интервалы прогноза.
- •11. Нелинейные модели и их линеаризация. Логарифмич. Модели и обратная зависимость.
- •12. Нелинейные модели и их линеаризация. Степенная и показательн. Модели
- •13. Множественный корреляцион. Регрессион. Анализ. Его задачи.
- •15. Множественная и частная корреляция. Матрица парных линейных коэф-в корреляции, нахождение коэф-та множествен. Корреляции и коэф-т детерминации.
- •16 Виды систем эконометрических уравнений. Применение систем одновременных уравнений
- •17 Структурная форма модели, содержание ее параметров. Классы структурных уравнений модели
- •18 Приведенная форма модели, причины ее построения
- •19 Иденцификация модели. Классы структурных моделей. Необходимое и достаточное условие идентифицируемости системы
- •20 Методы решения систем одновременных уравнений. Косвенный мнк
- •21 Временные ряды(вр),их классификация. Составляющие вр
- •22 Осн. Этапы анализа врем.Рядов
- •23 A)Стационарный врем.Ряд, коэффициент автокорреляции, автокоррел-ая функция б)Понятие об авторегрессионных моделях
- •24 Прогнозирование на основе моделей врем.Рядов(вр)
- •25 Экономический анализ при нарушении классических предположений
- •27.Автокорреляция,ее основные причины и последствия.
- •28.Обнаружение и устранение автокор-ции.
- •29.Мультиколлинеарность,ее последствия и причины устранения.
- •30.Определение мультиколл-сти и методы ее устранения.
- •31 Задачи эмм
- •32. Экономико-математическая оптимизационная модель.
- •33 Модели оптимального планирования в промышл-м и аграрном комплексе
- •34 Виды оптимизац. Моделей.
- •35 Задача оптимизации производств-ой прогр-мы предприятия
- •36. Математическая модель и экономическая интерпретация задачи рационального использования ресурсов и двойственной к ней
- •37.Понятие о методе межотраслевого баланса. Балансовая модель. Межотраслевой баланс в общем виде
- •38.Состав и характеристика 4-х квадрантов межотраслевого баланса
- •39.Стоимостной межотраслевой баланс. Цены, используемые при разработке стоимостного баланса
- •40. Состав и характеристика 4-х квадрантов стоимостного моб
- •41. Основные соотношения моб
- •42. Модель Леонтьева. Расчеты, кот. Можно выполнить с помощью этой модели
- •43. Динамические модели моб
- •44. Матричная игра с нулевой суммой
- •45. Чистые и смешанные стратегии. Реш-е матр.Игры в чистых стр-гиях
- •46. Смешанные стратегии. Теоремы о смешанных стратегиях матричной игры
- •47. Активные стратегии. Теоремы об активных стратегия
- •48. Доминирующие и доминируемые стратегии. Теорема о преобразовании платежной матрицы матричной игры
- •49. Решение матричных игр 2*2
- •50. Сведение ми к злп
- •51.Статистические игры. Основные понятия.
- •52. Решение статистических игр при неизвестных вероятностях состояний природы. Критерий Вальда и Гурвица.
- •53. Матрица рисков Сэвиджа
- •54. Критерии Байеса, Гурвица, Вальда и Сэвиджа.
- •55.Сетевое планирование. Основные понятия. Правила построения сетевых графиков.
- •56. Основные параметры, которые можно определить для каждой из работ сетевого графика (ранние и поздние сроки начала и окончания работ, резервы времени работ).
- •57. Сетевое планирование. График Ганта.
- •58. Сетевое планирование. График интенсивности использования ресурсов.
- •59. Основные характеристики моделей управления запасами.
- •60. Системы регулирования запасов.
- •61. Основная модель управления запасами (параметры модели и предположения о работе идеального склада). Формула Уилсона
- •62. Формула Уилсона. Характеристическое свойство оптимального размера партии. Расчетные характеристики работы склада в оптимальном режиме
- •63. Основная модель управления запасами. Точка заказа
- •64.Модель производственных запасов
- •Оптимальная периодичность поставок
- •65. Системы массового обслуживания. Основные понятия и виды смо
- •66. Понятие потока событий. Простейший поток
- •67. Уравнения Колмогорова
- •68. Процессы гибели и размножения
- •69. Смо с отказами
- •70.Многоканальная система с отказами
11. Нелинейные модели и их линеаризация. Логарифмич. Модели и обратная зависимость.
Многие экономич. зав-ти не явл. линейными по своей сути, и поэтому их моделирование линейными уравнениями регрессии не дает положит-го рез-та. Если м/д эк-ми явлениями существуют нелинейные соотношения, то они выражаются с помощью соответствующих нелинейных функций.
Для оценки параметров нелинейных моделей исп-ся 2 подхода:
1). Выполн-ся линеаризация модели: с помощью подходящих преобразований исходных переменных исследующую завис-ть представляется в виде линейного соотношения м/д преобразованными переменными.
2). Если подобрать соответствующие линеаризующее преобразование не удается, то исп-ся методы нелинейной оптимизации на основе исходных переменных.
Оценка параметров нелин. регрессии по переменным, включенным в анализ, но нелинейным по оцениваемым параметрам, проводится с помощью МНК путем реш-я с-мы норм-х отношений.
Типы нелинейных моделей:
Логарифмическ. модели . Она сводится к линейной модели заменой x=lnX.
//////////////////////////
Модель исп-ся обычно в тех случаях, когда необх. исследование влияния процентного измерения независимой переменной на абсолютное изменение зависимой переменной.
Обратная зависимость модель . Заменой , x=X приводится к линейной модели замена .
12. Нелинейные модели и их линеаризация. Степенная и показательн. Модели
Многие экономич. зав-ти не явл. линейными по своей сути, и поэтому их моделирование линейными уравнениями регрессии не дает положит-го рез-та. Если м/д эк-ми явлениями существуют нелинейные соотношения, то они выражаются с помощью соответствующих нелинейных функций.
Для оценки параметров нелинейных моделей исп-ся 2 подхода:
1). Выполн-ся линеаризация модели: с помощью подходящих преобразований исходных переменных исследующую завис-ть представляется в виде линейного соотношения м/д преобразованными переменными.
2). Если подобрать соответствующие линеаризующее преобразование не удается, то исп-ся методы нелинейной оптимизации на основе исходных переменных.
Оценка параметров нелин. регрессии по переменным, включенным в анализ, но нелинейным по оцениваемым параметрам, проводится с помощью МНК путем реш-я с-мы норм-х отношений.
Типы нелинейных моделей:
Степенные модели . a, b – параметры модели
Эта функция может отражать завис-ть спроса Y от его цены X или дохода X.
////////////////////////
Прологарифмируем выражение :
lnY=lnb+alnX. замена: y=lnY; x=lnX*b0=lnb, b1=a. Получим y=b0+b1*x.
С целью статистич. Оценки коэф-тов добавим в модель случайную погрешность е и получим ур-е:
y= b0+b1*x+e.
Показательная модель Y=beax, b>0.
Наиб. важным ее приложением явл. ситуация, когда анализ-ся изменение переменной Y с постоянным темпом прироста во времени.
////////////////
Дан. Модель путем логарифмирования сводится к /////////модели. Прологарифмируем: Y=beax: lnY=lnb+aX. Замена y=lnY, x=X, b0=lnb,b1=a получ. линейную модель.
13. Множественный корреляцион. Регрессион. Анализ. Его задачи.
Задачи корреляционно-регрессион. Анализа:
1). Установление формы корреляцион. связи, т.е. установление вида функции регрессии (линейная, квадратичн., показательн. и т.д.)
2). Оценка тесноты корреляцион. связи (коэф. корреляции)
3). Оценивание неизв-х параметров регрессион. модели, проверка гипотез об их значимости и адекватности модели рассматриваемому эконом-му объекту.
Этапы корреляцион.-решрессион. Анализа:
1). Предварит. анализ явлений и выявления причин возникновения взаимосвязей м/д признаками, выбор наиб. существенных признаков.
2). Предварительная оценка формы управления регрессии и определ-е ур-я регрессии, расчет теоретически ожидаемых значений результативного признака, оценки тесноты связи м/д признаками, включенными в модель.
3). Общая оценка качества модели, отсев несущественных факторов, построение исправленной модели.
4). Статистич. оценка достоверности параметров ур-я регрессии, осуществление практич-х выводов из проведенного анализа.
14.Ур-е множественной регрессии
Ур-е множественной линейной регрессии имеет вид:
y i=b0+b1*xi1+…+bk*xik+ei, где yi – i-тое набл-е зависимостей перемен.; xi1, xi2,…,xik – i-е набл-е независ. переменных xi, x2,…, xk, i = 1,n ; n – кол-во наблюдений; k – кол-во независ-х перемен-х в ур-и; ei – ошибка.
Оценка параметров b0, b1, b2,…,bk, обычно осущ-ся по МНК.
Оценка параметров b0, b1, b2,…,bk, в матричной форме.
Ур-е лин-й множествен. регрессии в матричной форме имеет вид:
Y=XB+е, где Y=(y1, y2,…,yn)' – вектор значений завис-мой перемен-й размерности (n 1)
//////////// - матрица знач-й независ-х переменных x1, x2,…,xk.
В = (b1, b2,…,bk)' - подлежащий оцениванию вектор неизв-х параметров
е = (е1, е2,…, еn)' – вектор случайных отклонений.
Тогда формула для вычисления параметров регрессионного ур-я по МНК имеет вид:
В = (X'*X)-1*X'*Y, где X' – транспонированная матрица X; (X'*X)-1 – обратная матрица.
Матричное ур-е для двуфакторной модели
(X'X)B = X'Y
X'X = X'Y = B =
Коэф-ты b1, b2,…, bk показывают количественное воздействие кажд. фактора на результативн. показатель при неизменности др-х факторов.