- •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
Виробнича функція Кобба-Дугласа, побудова оцінок її параметрів.
Першим, найбільш відомим варіантом виробничої функції була виробни-ча
функція Кобба-Дугласа, розроблена у 1923 році в США економістом
П.Дугласом спільно з математиком Ч.Коббом на основі досліджень в
обробній промисловості США за період з 1899 по 1922 pp. Вона описує
залежність об-сягів виробництва від двох факторів - капіталу і праці,
абстрагуючись від ін-ших.
Функція Кобба-Дугласа має вигляд:
Q=A,Kб,Lв, (2)
де
А - коефіцієнт пропорційності або масштабності;
б, в - коефіцієнти еластичності виробництва, які характеризують приріст
обсягів виробництва при прирості відповідних факторів на 1%.
Розрахунки показали, що за досліджуваний період коефіцієнти функції
мають значення: A=1,01; а = 1/4; в=3/4 . Тобто функція приймає вид:
Q=1,01K1/4 L3/4
З цього випливає, що найважливішим фактором виробництва є праця, яка дає
приріст виробництва 3/4 проти капіталу, який дає 1/4 приросту, тобто
збі-льшення витрат праці на 1 % розширює обсяги виробництва в 3 рази
більше, ніж відповідне збільшення капіталу.
кісні зміни в
процесі виробництва, перейшовши від статичної моделі Кобба-Дугласа до
динамічної моделі:
Q=A Kб Lв ert , де
ert - фактор, що відображає вплив технічного прогресу й інших якісних
змін у виробництві протягом певного часу.
Функція Кобба-Дугласа має такі властивості:
1) коефіцієнт а показує, на скільки відсотків зміниться обсяг випуску
продукції, якщо витрати праці зміняться на 1 %, а витрати капіталу
залишаться незмінними. Такий показник називається коефіцієнтом
еластичності випуску за витратами праці;
2) коефіцієнт р є коефіцієнтом еластичності випуску за витратами
капіталу;
3) сума параметрів а + Р описує масштаб виробництва.
Якщо ця сума дорівнює одиниці, маємо постійний масштаб виробництва. А це
означає, що зі збільшенням обох виробничих ресурсів на одиницю обсяг
продукції також зросте на одиницю. Якщо сума менша одиниці, то масштаб
виробництва спадний, тобто темпи зростання обсягу продукції нижчі за
темпи зростання обсягу ресурсів. Якщо сума перевищує одиницю, маємо
зростаючий масштаб: темпи зростання обсягу продукції перевищують темпи
зростання обсягу виробничих ресурсів.
Параметр А у функції Кобба-Дугласа залежить від одиниць вимірювання Y, F
та L і також визначається ефективністю виробничого процесу.
Отже, економетрична модель виробничої функції дає змогу проаналізувати
виробничу діяльність, щоб визначити шляхи підвищення її ефективності.
Обґрунтованість такого аналізу цілковито залежить від достовірності
моделі та її адекватності відповідному реальному процесу.
Метод максимальної правдоподібності.
Максимальної правдоподібності метод, метод знаходження статистичних оцінок невідомих параметрів розподілу; згідно М. п. м., як оцінки вибираються ті значення параметрів, при яких дані результати спостережень «найбільш вірогідні». Передбачається, що результати спостережень X 1 ..., X n є взаємно незалежними випадковими величинами з одним і тим жерозподілом вірогідності, залежним від одного невідомого параметра q О Q, де Q — безліч допустимих значень q. Для додання точного сенсу принципу «найбільшої вірогідності» поступають таким чином. Вводять функцію де p ( t ; q) в разі безперервного розподіли інтерпретується як щільність вірогідності випадкової величини X , а в дискретному випадку — як вірогідність того, що випадкова велічина Х набуде значення t .
Функцію L ( X 1 . . ., Xn; q) від випадкових величинX 1 . . ., X n називають функцією правдоподібності, а оцінкою максимальної правдоподібності параметра q називають таке значення ( X 1 . . ., X n ) (що само є випадковою величиною), при якому функція правдоподібності досягає найбільшого можливого значення. Оскільки точка максимуму для log L та ж, що і для L , то для знаходження оцінок максимальної правдоподібності слід вирішити так зване рівняння правдоподібності.