- •1. Особливості та принципи економетри моделювання економ систем і процесів.
- •2. Поняття економетричної моделі її складові
- •3. Причина,які спонукають появу стохастичної складової
- •4. Етапи побудови економетричної моделі
- •6. Модель пропозиції та попиту
- •7. Модель Кейнса
- •8. Прогнозування: суть методи, класифыкацыйны ознаки
- •9. Використання економетричних моделей для прийняття управлінських рішень
- •10. Метод найменших квадратів та передумови його використання
- •12. Властивості оцінок параметрів
- •13. Умови Гаусса-Маркова для економетричних моделей парної та множинної регресії
- •14. Економетрична модель парної лінійної регресії
- •15. Оцінювання параметрів парної регресійної економетричної моделі за мнк
- •16. Розрахунок та аналіз значень коефіцієнтів детермінації та кореляції.
- •17. Перевірка адекватності моделі парної регресії та статистичної значимості оцінок її параметрів, коєфіцієнтів детермінації та кореляції.
- •18. Перевірка значущості оцінок параметрів моделі та побудова довірчих інтервалівдля оцінок параметрів моделі
- •19. Прогнозування на основі економетричних моделей парної регресії. Точкових та інтервальних прогноз.
- •20 Економчних аналіз моделі парної регресії: середня ефективність впливу чинників, гранична ефективність та коефіцієнти еластичності
- •21)Економетрична модель множинної лінійної регресії.
- •22)Оцінювання параметрів множинної регресійної економетричної моделі за мнк.
- •23)Коефіцієнти детермінації та кореляції множинної економетричної моделі, їх аналіз. Скоригований коефіцієнт детермінації.
- •Перевірка гіпотез про статистичну значимість лінійної моделі множинної регресії, коефіцієнтів регресії, коефіцієнта детермінації, коефіцієнта кореляції.
- •Перевірка гіпотез про значення коефіцієнтів регресії множинної регресійної моделі. Інтервали надійності для коефіцієнтів множинної регресії. ;
- •26.Прогнозування на сонові економетрични моделей множинної регресії. Точковий та інтервальний прогноз
- •27.Економічний аналіз моделі множинної регресії: середня ефективність впливу чинників, гранична ефективність, коефіцієнти еластичності.
- •28Нелінійні моделі. Лінеаризація нелінійних моделей.
- •29.Поліноміальні модель, побудова оцінок її параметрів.
- •30. Гіперболічна модель
- •31. Показникові моделі, побудова оцінок її параметрів.
- •Виробнича функція Кобба-Дугласа, побудова оцінок її параметрів.
- •Метод максимальної правдоподібності.
- •34.Застосування нелінійних функцій в економіці
- •35. Врахування якісних факторів в лінійних економетричних моделях за допомогою фіктивних змінних.
- •Моделі з фіктивними незалежними змінними: моделі, що містять тільки якісні незалежні змінні.
- •37/Моделі з фіктивними незалежними змінними: моделі в яких незалежні змінні носять як якісний так і кількісний характер.
- •38) Порівняння 2-х регресій. Тест Чоу.
- •39. Моделі з фіктивними залежними змінними. Модель lpm
- •41. Моделі з порушенням передумов використання мнк: мультиколінеарність
- •42. Cуть мультиколінеарності
- •43. Наслідки мультиколінеарності
- •44. Ознаки регресійної моделі які вказують на наявність мультиколінеарності
- •45 .Алгоритм Фаррара - Глобера
- •46. Методи звільнення від мультиколінеарност.
- •47 Метод гребеневої регресії усунення мультиколінеарності.
- •48. Моделі з порушенням передумов використання мнк: гетероскедастичність залишків.
- •49. Суть гетероскедастичності
- •50. Наслідки гетероскедастичності
- •51 .Методи визначення гетероскедастичності, тест рангової кореляції Спірмена
- •52.Методи виявлення гетероскедастичності, тест Парка
- •53.Методи виявлення гетероскедастичності, тест Голдфелда-Квандта.
- •55.Метод зважених найменших квадратів оцінювання параметрів моделі з гетероскедастичними залишками при невідомих дисперсіях відхилень спостережень.
- •56. Моделі з порушенням передумов використання мнк: автокореляція залишків.
- •57. Суть автокореляції
- •58. Наслідки автокореляції
- •59. Способи визначення автокореляції залишків. Критерій Дарбіна – Уотсона
- •60.Крім критерію Дарбіна – Уотсона використовують також критерій фон Неймана:
- •61. Нециклічний коефіцієнт автокореляції
- •62. Метод Ейткена
- •63. Метод перетворення вихідної інформації
- •Поняття часового ряду та специфікація його дослідження. Основні компоненти часового ряду.
- •65. Часові ряди та їх основні числові характеристики.
- •66. Вирівнювання часових рядів. Ковзні середні й автокореляція
21)Економетрична модель множинної лінійної регресії.
Формування множинної лінійної регресіх виконується в такому порядку і виглядає так:
(1)
№ х1 х2 … хn y y= a0+a1x11+…+anxn+u (1)
1 x11 x21.. xn1 y1
2 x11 x21.. xn1 y2
3 x11 x21.. xn1 y3
………………….
m xm x2m xnm ym
(2)Потім формуємо систему рівнянь
(P.S. кому не зрозуміла побудова системи звени увагу на формулу у(1) там написано що потрібно писати знизу)
(3) yi= a0+a1*x11+…+an*xin+ui
(4) yмодел.i= aмодел.0+aмодел1*xn+…+aмодел.n*xin
и = ∑ * u2(середня)= (уі-у(модел.)і)àmin
(5)
(6)
Розвязавши систему (6) отримаємо оцінки ао ,а1,..,аn параметрів емпіричнох моделі (4)
Оцінки ао ,а1,..,аn (модельовані), можна знайти використавши медот 1МНК а саме у1=
Матрицю Х, та А (модельоване)=(ХТ Х)-1 ХТУ.
22)Оцінювання параметрів множинної регресійної економетричної моделі за мнк.
Економетрична модель парної регресії. Відбувається наступним чином
уі= ао+а1хі+ui; і=1,n
(1’)будуємо емпіричну модель
y(мод.)і =а(мод.)о+а(мод.)1*хі; і=1,n
(2)Для проведення дисперсійного аналізу ведемо позначення :
TSS=∑ (yi-y(сер))2 , ESS=∑(у(мод.)і – у(сер.))2, RSS=∑(уі- у(мод.)і), TSS=ESS+RSS
(3)дисперсія *u(мод.)= RSS\n-2
(4)Коефіцієнт детермінації – є мірою оцінювання загального рівня регресій
R2=ESS\TSS=1- RSS\TSS, Чим блищий R2 до 1 тим тісніше у залежить від х лінійно R2є [0;1]
(5)Не складно показати що R2=1- RSS\TSS=cov(x,y)\дисперсію(х)*дисперс.(у)= r2(xy);
cov(x,y)=1\2 ∑(хі-х(сер.))*(yi-y(сер.))
Коеф cov- міра лінійної залежності величин
Дисп.(х)=Корінь(∑(хi-х(сер.)\n), та Дисп.(у)= Корінь(∑(yi-y(сер.)\n)
- середньо квадратичні відхилення регресора та регресанта.
(6)rxy=корінь(R2)=ху(сер.)-х(сер.)*у(сер.)\ дисп.х*дисп.у
Коефіцієнт кореляції характеризує тісноту зв’язку між змінними моделі якщо rxy прямує до 1, то існує прямо пропорційний зв'язок, якщо rxy прямує до -1 то між ху містить обернено пропорційний зв'язок, rxy прямує до 0 то зв'язок дуже слабкий.
Коефіцієнти задані форумулами (6) використовують для перевірки гіпотез що до якості емпіричної моделі (1’)
Гіпотеза про адекватність обо статистичну значимість моделі.
Fпр.= R2\1\(1- R2)\n-2 ; Fт.= (1,n-2,1- б)
23)Коефіцієнти детермінації та кореляції множинної економетричної моделі, їх аналіз. Скоригований коефіцієнт детермінації.
Коефіцієнт детермінації:
Є мірою оцінювання загального рівня регресій R2=ESS\TSS=1- RSS\TSS, Чим блищий R2 до 1 тим тісніше у залежить від х лінійно R2є [0;1]
Не складно показати що R2=1- RSS\TSS=cov(x,y)\дисперсію(х)*дисперс.(у)= r2(xy);
cov(x,y)=1\2 ∑(хі-х(сер.))*(yi-y(сер.))
Коефіцієнт детермінації завжди позитивний і перебуває в межах [0;1]. Він показує, яка частка коливань результативної ознаки y зумовлена коливанням факторної ознаки х.
Кореляційний аналіз вирішує два завдання:
1) визначення форми зв’язку, тобто встановлення математичної формули, яка описує даний зв’язок;
2) вимірювання щільності зв’язку.
У найпростішому випадку вивчається зв’язок між двома показниками, один з яких розглядається як незалежний показник – факторна ознака (х), а інший – як залежна величина, результативна ознака (у). Це є так звана “парна кореляція”. В загальному вигляді вона описується функцією у=ѓ(х).
Кореляційне поле – це сукупність точок у прямокутній системі координат, абсциса кожної з яких відповідає значенню факторної ознаки (х), а ордината – значенню результативної ознаки (у) певної одиниці спостереження. Кількість точок на графіку відповідає кількості одиниць спостереження. Напрямленість кореляційного поля вказує на наявність прямого, зворотного зв’язку між ознаками, або його відсутність, а також на форму лінії регресії (пряма лінія, парабола, гіпербола тощо).
Після того, як визначені невідомі параметри регресійної моделі спробуємо оцінити щільність зв’язку між залежною величиною у і незалежною х. Тобто спробуємо відповісти на запитання, наскільки значним є вплив змінної х на у. Чи є якийсь критерій, який дозволяє кількісно оцінити цей вплив? Найпростішим критерієм, який дає кількісну оцінку зв’язку між двома показниками є коефіцієнт кореляції (для прямолінійного зв’язку). Він розраховується за такою формулою:
rxy=корінь(R2)=ху(сер.)-х(сер.)*у(сер.)\ дисп.х*дисп.у
Коефіцієнт кореляції на відміну від коефіцієнта коваріації є вже не абсолютною, а відносною мірою зв’язку між двома ознаками, тому він може набувати значення від -1 до +1. Чим ближче значення r до ±1, тим щільніший зв’язок. Знак “+” вказує на прямий, а знак “-“ – на зворотний зв’язок. При r=0 зв’язок відсутній.
Скоригований коефіцієнт детермінації
Обчислимо коефіцієнт детермінації, скоригований за Амемією:
Висновок: із виключенням змінної із рівняння втрачається один ступіть свободи, тоді з двох варіантів рівнянь, які мають однакові інші критерії якості, перевага віддається рівнянню з більшим значенням скоригованого коефіцієнта детермінації (при включенні додаткового регресора RT2 відображує втрату ступеня свободи більш чітко, ніж RA2, тобто в цьому разі RT2>RA2).