- •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
Моделі з фіктивними незалежними змінними: моделі, що містять тільки якісні незалежні змінні.
Нехай y — обсяг споживання певного продукту, який
залежить від пори року. Для виявлення сезонності можна ввести
бінарні змінні d1, d2 , d3 :
d1 = 1, якщо місяць року зимовий, d1 = 0 — в інших випадках;
d2 = 1, якщо місяць року весняний, d2 = 0 — в інших випадках;
d3 = 1, якщо місяць року літній, d3 = 0 — в інших випадках.
На базі відповідних статистичних даних методом найменших квад-
ратів можна оцінити параметри a0 , a1, a2 , a3 лінійного регресійного
рівняння
y = a0 + a1 d1 + a2 d2 + a3d3 + u
Отримані результати мають такий зміст: коефіцієнт a0 визначає
середньомісячний обсяг споживання досліджуваного продукту; суми
коефіцієнтів a0 + a1, a0 + a2 , a0 + a3 — обсяг споживання відповідно
взимку, навесні та влітку. Отже, параметри a1 , a2 , a3 вказують на се-
зонні відхилення в обсягах споживання продукту відносно осінніх
місяців. Перевірка статистичної значущості кожного з коефіцієнтів
регресії виконується за допомогою традиційного t-тесту. Прийняття
гіпотези про рівність нулю кожного з параметрів означає несуттєву
різницю між споживанням в осінній період і споживанням в інший
сезон. Комплексна гіпотеза a1 = a2 = a3 = 0 перевіряється за допомо-
гою .-тесту. Зокрема, якщо приймається припущення a1 = a2, то це
означає, що споживання взимку та весною не відрізняються між со-
бою і т. ін
37/Моделі з фіктивними незалежними змінними: моделі в яких незалежні змінні носять як якісний так і кількісний характер.
На залежну змінну крім кількісних факторів впливають і якісні: якість продукції, рівень професійної підготовки працівників, їхня стать, страйки, зміни в економічній політиці тощо. Часто змінні, що відображають якісні характеристики об'єкта, набувають лише двох значень: 1 — якщо певна ознака присутня; 0 — якщо вона відсутня. Такі змінні називають бінарними, дихотомними або dummy-змінними. У перекладі з англійської мови dummy variables означає "фіктивні змінні", хоча насправді їх "фіктивність" полягає лише в тому, що вони кількісно описують деяку якісну ознаку.
Дихотомні змінні використовують у регресійних моделях поряд з кількісними змінними або утворюють регресійні моделі, у яких всі факторі є якісними (бінарними) змінними.
Поєднання в моделі кількісних та якісних факторів значно розширює можливості регресійного аналізу, а отже, можливості прогнозування та підготовки прийняття рішень.
Наприклад, при дослідженні заробітної плати може виникнути питання залежності її від рівня освіти, від статі працівника тощо. За певними якісними ознаками, звичайно, дані можна поділити за категоріями й вивчати кожну залежність окремо, а вже потім шукати відмінності між ними. Але введення додаткової бінарної змінної дає змогу оцінювати одне рівняння, у якому різні класи спостережень розділяються за допомогою цієї змінної.