- •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
44. Ознаки регресійної моделі які вказують на наявність мультиколінеарності
1. Якщо серед парних коефіцієнтів кореляції пояснюючих змінних є такі, рівень яких наближається до множинного коефіцієнта кореляції або дорівнює йому, це свідчить про можливість існування мультиколінеарності. Інформацію про парну залежність може дати симетрична матриця коефіцієнтів парної кореляції, або, як її ще називають, матриця кореляції нульового порядку:Проте якщо в моделі включено більш як дві пояснюючі змінні, вивчення питання про мультиколінеарність не може обмежуватись інформацією, яку дає ця матриця. Явище мультиколшеарності в жодному разі не зводиться лише до існування парної кореляції між пояснюючими змінними.
Загальніша перевірка передбачає застосування визначника (детермінанта) матриці г, який називається детермінантом кореляції і позначається |г|. Числові значення детермінанта кореляції містяться на інтервалі |г| є[0,1].
2. Якщо |г| = 0, то існує повна мультиколінеарність. У разі |г|=1 мультиколінеарність відсутня. Чим ближче |г| до нуля, тим певніше можна стверджувати, що між пояснюючими змінними існуе мультиколінеарність. Незважаючи на те, що числове значення |г| зазнає впливу дисперсії пояснюючих змінних, цей показник можна вважати точковою мірою рівня мультиколінеарності.
3. Якщо в економетричній моделі знайдено мале значення параметра ак в разі високого рівня коефіцієнта детермінації, це також свідчить про наявність мультиколінеарності.
4. Коли коефіцієнт детермінації R2, який обчислено для регресійних залежностей між однією пояснюючою змінною та іншими такими змінними, близький до одиниці, то можна говорити про наявність мультиколінеарності.
5. Якщо при побудові економетричної моделі на основі покрокової регресії включення нової пояснюючої змінної істотно змінює оцінку параметрів моделі при незначному підвищенні (або зниженні) коефіцієнтів кореляції чи детермінації, то ця змінна перебуває, очевидно, у лінійній залежності від інших, які було введено в модель раніше.
45 .Алгоритм Фаррара - Глобера
Найповніше дослідити мультиколінеарність можна з допомогою алгоритму Фаррара — Глобера. Цей алгоритм має три види статистичних критеріїв, згідно з якими перевіряється мультиколінеарність всього масиву незалежних змінних ( - «хі» — квадрат); кожної незалежної змінної з рештою змінних (F-критерій); кожної пари незалежних змінних (t-критерій).
Усі ці критерії при порівнянні з їх критичними значеннями дають змогу робити конкретні висновки щодо наявності чи відсутності мультиколінеарності незалежних змінних.
Опишемо алгоритм Фаррара — Глобера.
Крок 1. Стандартизація (нормалізація) змінних.
Позначимо вектори незалежних змінних економетричної моделі через . Елементи стандартизованих векторів обчислио за формулою:
де — число спостережень ;
— число пояснювальних змінних, ;
— середнє арифметичне k-ї пояснювальної змінної;
— дисперсія k-ї пояснювальної змінної.
Крок 2. Знаходження кореляційної матриці
де — матриця стандартизованих незалежних (пояснювальних) змінних, — матриця, транспонована до матриці .
Крок 3. Визначення критерію («хі»-квадрат):
де — визначник кореляційної матриці r.
Значення цього критерію порівнюється з табличним при ступенях свободи і рівні значущості . Якщо то в масиві пояснювальних змінних існує мультиколінеарність.
Крок 4. Визначення оберненої матриці:
Крок 5. Очислення F-критеріїв:
де — діагональні елементи матриці C. Фактичні значення критеріїв порівнюються з табличними при n – m і m – 1 ступенях свободи і рівні значущості a. Якщо Fkфакт > Fтабл, то відповідна k-та незалежна змінна мультиколінеарна з іншими.
Коефіцієнт детермінації для кожної змінної
Крок 6. Знаходження частинних коефіцієнтів кореляції:
(6.8)
де — елемент матриці C, що міститься в k-му рядку і j-му стовпці; i — діагональні елементи матриці C.
Крок 7. Обчислення t-критеріїв: (6.9)
Фактичні значення критеріїв порівнюються з табличними при ступенях свободи і рівні значущості . Якщо tkj(ф) > t табл, то між незалежними змінними і існує мультиколінеарність.