
- •1.Використання математичних методів в економ.
- •2. Математ. Школа в політекономії
- •3.Статистичний напрям.
- •4.Економетрія.Історія становлення та сутність наукової дисципліни.
- •5.Використання моделювання у наукових дослідженнях
- •6.Класифікація моделей
- •7.Особливості використання математичного моделювання в економічних дослідж.
- •8.Загальна схема проведення економетричного дослідження.
- •9.Внесок українських вчених в розвиток економіко-математичних досліджень.
- •10. Види зв’язку між змінними. Кореляційна залежність.
- •11. Аналітичне групування.
- •12. Основні завдання кореляційно-регресійного аналізу.
- •1.Встановлення причинно-наслідкового зв'язку між досліджуваними економічними змінними.
- •2.Визначення типу і форми кореляційно-регресійної моделі.
- •3.Вибір методу оцінювання невідомих параметрів моделі та побудова моделі.
- •4.Оцінювання сили кореляційного зв'язку між змінними.
- •5.Перевіряння моделі на точність.
- •6. Вибір "найкращої" моделі.
- •7. Аналіз результатів моделювання, їхня економічна інтерпретація та практичне використання.
- •13.Узагальнена та вибіркова парні лінійні кореляційно-регресійні моделі.
- •14. Оцінювання параметрів економетричних моделей.
- •15. Визначення оцінок параметрівв парної лінійної кореляційно-регресійної моделі.
- •16.Економетрична інтерпретація параметрів парноїмоделі. Випадкові відхилення.
- •1.Параметр b1 (коефіцієнт регресії, тангенс кута нахилу прямої).
- •2. Параметр b0 ( вільний член рівняння регресії, початкове значення результуючої змінної).
- •3.Випадкові відхилення.
- •17. Основні припущення класичного кореляційно-регресійного аналізу.
- •2.Відсутність автокореляції між випадковими величинами .
- •3.Гомоскедастичність(однакова дисперсія) в.В. .
- •6.Регресійну модель специфіковано правильно.
- •18. Перевірка моделі на наявність автокореляції.
- •19. Побудова плкрм методом максимуму правдоподібності.
- •20. Коефіцієнт кореляції та його властивості
- •21. Спряжені парні лінійні кореляційно-регресійні моделі
- •22. Стандартна та гранична похибка моделі
- •23.Відношення детермінації. Кореляційне відношення.
- •24. Вибіркова похибка моделі.
- •25. Похибка індивідуального прогнозу
- •26. Оцінювання коефіцієнта кореляції
- •27. Перевірка значущості параметрів зв’язку між змінними
- •28.Експрес-діагностика моделі
- •29. Основні припущення під час багатофакторного кр аналізу.
- •30. Етапи побудови множинної лкрм.
- •31. Оцінювання параметрів моделі
- •1. Побудова системи нормальних рівнянь способом відхилень.
- •2. Побудова системи нормальних рівнянь способом коваріацій.
- •32. Економетричний зміст параметрів багатофакторної моделі
- •33. Матричний підхід до побудови множинної лкрм
- •34.Стандартна похибка багатофакторної моделі.
- •35.Коефіцієнти множинної кореляції та детермінації
- •36.Вибіркова похибка багатофакторної моделі.
- •37.Похибка індивідуальної оцінки багатофакторної моделі
- •38.Оцінювання коефіцієнта множинної кореляції.
- •39.Експрес-діагностика багатофакторної моделі
- •40.Часткова регресія. Коефіцієнти часткової кореляції та часткової детермінації.
- •41. Огляд методів вибору багатофакторної моделі.
- •42.Метод усіх можливих регресій
- •43.Метод виключень
- •44.Покроковий регресійний метод
- •45.Основи Дисперсійного аналізу
- •46. Однофакторний дисперсійний аналіз
- •Вихідні дані для однофакторного дисперсійного аналізу з рівним числом паралельних дослідів
- •Однофакторний дисперсний аналіз (з рівним числом паралельних дослідів)
- •47.Двофакторний дисперсійний аналіз
- •48.Трифакторний дисперсійний аналіз.
- •49.Суть компонентного аналізу
- •50. Метод головних компонент
- •51. Методи класифікації соціально-економічних об’єктів. Дискримінантний аналіз.
- •52. Основи кластерного аналізу
47.Двофакторний дисперсійний аналіз
Припустімо,
що нам необхідно дослідити залежність
деякої нормально розподіленної випадкової
величини у
від двох факторних ознак А та В. Для
фактора А можна виділити m
рівнів, а для фактора В – n
рівнів. Щоби дослідити вплив факторів
А та В на результуючу змінну у,
ми маємо вибірку
незалежних спостережень над цією
змінною, елементи якої можна згрупувати
на m
груп за рівнями фактора А та на n
груп за рівняннями фактора В.
Позначимо
через
той елемент заданої вибірки, який має
і-ий вияв фактора А та j-ий
вияв фактора В. У такому разі всі елементи
вибірки можна подати як таблицю.
Так само, як і в разі однофакторного дисперсійного аналізу, можна довести, що справедлива рівність:
Ця рівність показує, що загальну суму квадратів відхилень результуючої змінної у від середнього вибіркового розкладають на суму квадратів відхилень між групами фактора А, суму квадратів відхилень між групами фактора В та суму квадратів відхилень у групах.
Кількість ступенів вільності лівої частини рівності, отже, дорівнює mn, першого доданка правої частини m-1, другого - n-1, третього – mn-(m+n-1)=(m-1)(n-1). Очевидно, що mn – 1= (m-1)+(n-1)-(m-1)(n-1)
Щоби виявити вплив на результуючу змінну у фактора А, фактора В та їх спільні дії, формулюють три незалежні нульові гіпотези:
: фактор А не впливає на результуючу змінну (генеральну сукупність);
: фактор В не впливає на результуючу змінну ;
: сукупний вплив факторів А та В на результуючу змінну відсутній.
Щоби
перевірити гіпотезу
,
використовують критерій Фішера
,
для того, аби перевірити гіпотезу
,
статистику
,
а для перевірки гіпотези
-використовують
статистику
.
Нульові гіпотези , та перевіряють за такою самою схемою, що ай при однофакторному дисперсійному аналізі.
48.Трифакторний дисперсійний аналіз.
Припустимо, що нам потрібно дослідити залежність нормально розподіленої випадкової змінної у від трьох факторних ознак А,В,С. Також маємо вибірку у1,у2,....уN незалежних спостережень, елементи якоъ можна згрупувати на n груп за рывнянням фактора А, та n груп за рівнянням фактора В та l груп за факторною ознакою С. Припустимо також, що у кожній з класифікаційних груп задано лише одне спостереження, тобто кількість класифікаційних груп mnl дорівнює N. Позначимо через уijk той елемент вибірки, який має i-й вияв фактора А, j- тий прояв фактора В, та k-тий вияв фактора С. Дані вибірки можна подати як k таблиць. (табл. 1.)
Вибіркова сукупність спостережень над результуючою змінною
А |
В |
1 |
2 |
... |
j |
... |
n |
||||||
1 |
y11k |
y12k |
... |
y1jk |
... |
y1nk |
|||||||
2 |
y21k |
y22k |
... |
y2jk |
... |
y2nk |
|||||||
... |
... |
... |
... |
... |
... |
... |
|||||||
i |
yi1k |
yi2k |
... |
yijk |
... |
yink |
|||||||
... |
... |
... |
... |
... |
... |
... |
|||||||
m |
ym1k |
ym2k |
... |
ymjk |
... |
ymnk |
Так
само можна показати, що загальну суму
квадратів відхилень результуючої
змінної у від середнього вибіркового
розкладають на сім доданків, перші 3 з
яких є сумами квадратів відхилень між
групами та факторами А,В,С відповідно,
наступні три – сумами квадратів відхилень
між групами, спричиненими спільною дією
факторів АВ, ВС та АС відповідно, останній
доданок є залишковою сумою квадратів
відхилень:
+
n
l
(1)
Ступені вільності членів рівності (1) утворюють рівність: mnl-1=(m-1)+(n-1)+(l-1)+(m-1)(n-1)+(n-)(l-1)+(m-1)(l-1)+(m-1)(n-1)(l-1).
Після деяких перетворень з рівності(1) маємо:
s2
=
+
,
де
>0,
i=1,7 ,
Щоб
проаналізувати вплив факторних ознак
А,В,С на результуючу змінну у викорисовують
статистики Фішера
,
,
, а
для аналізу сумісного парного впливу
факторів–статистики
;