- •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
Перевірка гіпотез про статистичну значимість лінійної моделі множинної регресії, коефіцієнтів регресії, коефіцієнта детермінації, коефіцієнта кореляції.
Для цього використовується статистичний критерій
= ~ t (y,k = n-m -1)
i= 0,1,2… m
При заданому рівні значущості б перевірка правдивості статист гіпотези H0: = 0 , при альтернативній гіпотезі H0: ≠ 0здійсн за схемою наведеною для парної регресії.
Перевірка заг якості множинної лінійної регресії , при зданому рівні значущості б здійсн за такою послідовністю.
Висуваються нульова гіпотеза
Н0: =
Альтернативна гіпотеза
Нб: ›
Для правдивості Н0 вибирається статистичний критерій
F = = (1)
Де F є випадковою величиною, яка має розподіл Фішера із к1=m, к2 = n-m-1 ступенями свободи і визначена на інтервалі [0;∞).
Формулювання альтернативної гіпотези дає підстави для побудови правобічної критичної області . Критична точка для неї визн. За заданим б і числом ступенів свободи к1=m, к2 = n-m-1 за таблицею.
Спостережливе значення критерію записується за формулою обчислюється за формулою. (1)
Якщо › то Но відхиляється на користь Н2.
Це оз, що поясн. Дисперсія є суттєво більшою за залишкову.Тобто рівняння регресії якісно моделює динаміку зміни залежної змінно У. При умові Є[0, немає підстав для відхилення Н0. А це означає, що поясн дисперсія буде спільновимірною з дисперсією , викликаною впливом випадкових факторів. Це дає підстави стверджувати , що сукупний вплив пояснювальних змінних моделі на залежну змінну У є не суттєвим , а тому якість моделі в цьому випадку буде низькою.
Гіпотеза про статист значущість коеф детермінації
= 1-
Отже, необхідно перевірити правдивість Н0: 0
В цьому випадку за статистичний критерій вибирається випадкова величина
F = * яка має розподіл Фішера із к1=m, к2 = n-m-1 ступенями свободи.
Статистичний критерій одержується з F-статистики
F= * = *
Перевірка гіпотез про значення коефіцієнтів регресії множинної регресійної моделі. Інтервали надійності для коефіцієнтів множинної регресії. ;
Інтервали надійності для а0
А0 : [ - S( tтр; + S ( ) t тр]
А1: [ – S ( tтр; + S( tтр]
б тр = б( n-2; 1- б) статистика стюдента
26.Прогнозування на сонові економетрични моделей множинної регресії. Точковий та інтервальний прогноз
Уmod =a0+a1*x1
Якщо потрібно побуд. прогнозне знач. в точці Х=Хр:
Умод=а0+а1*Хр- точковий незміщений прогноз
Дисп.точков. прогнозу Ур
Д(Ур мод)=дисперсія^2u (1+1/n+(Xp-X cep)^2/(cyma Xi-X cep)^2)
Сер.сталу похибку прогнозу обч-ть:
S(Yp mod)=KORД(Yp mod)
Yp mod=a0+a1*Xp
p-прогнозне знач регресанта
Інтервальний прогноз для регресанта у признач. регресора х=хр знах. так:
[Yp -S (Yp mod)t teot ; Yp mod+S (Yp mod)t teor] (*)
t=t (n-2 ; 1-alfa)
Коли необх. полбуд. інтерв. прогноз для сер. пронозн.знач Ур,то дисперсія сер. прогноз. знач обч-ся за ф-ою:
Д=(Ур сер. мод)=дисп^2u (1-n+ (Xp-X cep)^2/cyma (Xi-Xcep)^2)
S (Ymod)=KOR(Д(Ур сер мод)
у такому разі інтерв прогноз для сер. прогн. знач. буде визнач. за ф-ою (*)
ДЛя моделі множин.регр. прогн.точк.знач. обч-ся за ф-ою
Ур мод=а0 мод+а1 мод*Хр+а2*Хр+...+аn mod Xp