- •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
3. Причина,які спонукають появу стохастичної складової
Висновки, які можна зробити в результаті економетричного моделювання, цілком зумовлені якістю вихідних даних — їх повнотою та вірогідністю. Це одна з найважливіших особливостей економетричного моделювання, на яку звертають увагу багато видатних економетристів.
При економічних розрахунках постає питання про точність (помилку) економічних показників. Похибки показників виникають і нагромаджуються при побудові алгоритму розрахунку, при формуванні даних, у процесі обчислень. Найістотніші похибки можуть виникати при переведенні понять економічної теорії в показники. Ці помилки можна назвати помилками, пов’язаними з розрахунком економічних показників. Вони спричинюються неточністю і неповнотою визначення змісту показників, невідповідністю між вимогами і фактичним змістом, коли в принципі не можна точно виміряти економічні процеси та явища.
Усі помилки поділяються на систематичні та випадкові.
Систематичні помилки або мають постійну величину, або змінюються, підпорядковуючись певній функціональній залежності. Вони завжди однонапрямлені і можуть бути істотними за величиною.
Випадкові помилки зумовлюються впливом випадкових чинників при формуванні показників. При повторних розрахунках економічних показників такі помилки можуть взаємно погашатись. Тому, формуючи сукупність спостережень для побудови економетричної моделі, слід звертати увагу на можливість існування помилок у вихідних даних.
Якщо немає змоги позбутись цих помилок (а впевненість в їх наявності існує), то слід використовувати спеціальні методи оцінювання параметрів економетричної моделі, про які йтиметься далі.
Ці випадкові і враховує стохастична складова епсилон.
Y = a0 + a1X + u.
У моделі (2.17) символом u позначено змінну, яка може набувати додатних та від’ємних значень, оскільки вона вимірює відхилення витрат на споживання кожної окремої сім’ї від обчисленого значення згідно з (2.16).
зауважимо, що в моделі (2.17) a0 і a1 — оцінювані параметри, а в моделі (2.16) і — їх оцінки.
Означення 2.1. Стохастичну складову u економетричної моделі називають помилкою (залишком,збуренням, відхиленням).
Введення до моделі (2.17) стохастичної складової має три підстави, кожна з яких не виключає решти двох.
1. Величину витрат на споживання визначає не лише рівень доходів, а й інші об’єктивні чинники, наприклад розмір сім’ї, середній вік і т.ін.;
2. На величину споживання впливають випадкові фактори, наприклад схильність до ощадливості, стриманість чи навпаки — надмірність у витратах і т.ін.;
3. Частина факторів, які впливають на величину споживчих витрат, не оцінюються кількісно, вони не квантифікуються. Крім того, можлива помилка вимірювання змінних.
Отже, замість залежності
Y = f(x1, x2, x3 ... xm),
де m — досить велике, розглядається модель з невеликим числом незалежних змінних, причому Y відіграє роль функції від найважливіших, тоді як чистий сумарний ефект від впливу всіх інших чинників відбиває змінна u. У крайньому разі, якщо лишається одна незалежна змінна, маємо:Y = f(X, u). (2.18)
У класичній лінійній економетричній моделі змінна u інтерпретується як випадкова змінна, яка має розподіл з математичним сподіванням, що дорівнює нулю, і сталою дисперсією . Це дає змогу розглядати змінну u як стохастичне збурення (помилку, відхилення). З огляду на те, що u охоплює вплив багатьох чинників, які можна вважати незалежними, на підставі центральної граничної теореми теорії ймовірностей, доходимо висновку: