- •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
46. Методи звільнення від мультиколінеарност.
Найпростіше позбутися мульт. В економетричній моделі можна, відкинувши 1 зі змінних мультиколінеар. Пари. Позитивно вливає на звільнення від мультиком. Суттєве збільшення спостережень,але цей підхід не завжди можно реалізувати.можна також перетворити певним чином пояснювальні змінні моделі:
А) знайти відх від середньої
Б) замість абс значень обчислити середні
В)нормалізувати поясн змінні
Г) використати гребеневу регресію
У методах гребеневого аналізу ставиться завдання отримання оцінок з
мінімальною дисперсією. Оцінка гребеневої регресії k б є лінійним перетворен-
300
ням оцінки б, отриманої МНК, і залежить від параметра k і матриці вихідних
даних Х. Її можна записати у вигляді:
( T ) 1 T
k k - б = X X - E X Y . (7.57)
Ефективність методів гребеневих оцінок залежить від статистичних хара-
ктеристик вихідної інформації й оптимального вибору параметра k. Метод гре-
беневого аналізу, як і інші методи зміщеного оцінювання параметрів регресій-
них моделей, за певних умов можуть бути обґрунтовані теоретично, але в біль-
шості практичних ситуацій перевірити виконання цих умов неможливо. Тому
застосування цих методів потребує певної обережності.
Параметри нелінійних регресійних моделей за наявності декількох неза-
лежних змінних зазвичай оцінюють з використанням чисельних методів нелі-
нійної мінімізації функціонала (7.1а). При цьому істотне значення має вибір по-
чаткового наближення. У багатьох випадках це завдання може бути істотно
спрощено з використанням методів планування експерименту, які дають змогу
визначити оптимальні для подальшого аналізу плани, тобто точки простору не-
залежних ознак, у яких потрібно здійснити вимірювання значень відгуків.__
47 Метод гребеневої регресії усунення мультиколінеарності.
У методах гребеневого аналізу ставиться завдання отримання оцінок з
мінімальною дисперсією. Оцінка гребеневої регресії k б є лінійним перетворен-
300
ням оцінки б, отриманої МНК, і залежить від параметра k і матриці вихідних
даних Х. Її можна записати у вигляді:
( T ) 1 T
k k - б = X X - E X Y . (7.57)
Ефективність методів гребеневих оцінок залежить від статистичних хара-
ктеристик вихідної інформації й оптимального вибору параметра k. Метод гре-
беневого аналізу, як і інші методи зміщеного оцінювання параметрів регресій-
них моделей, за певних умов можуть бути обґрунтовані теоретично, але в біль-
шості практичних ситуацій перевірити виконання цих умов неможливо. Тому
застосування цих методів потребує певної обережності.
Параметри нелінійних регресійних моделей за наявності декількох неза-
лежних змінних зазвичай оцінюють з використанням чисельних методів нелі-
нійної мінімізації функціонала (7.1а). При цьому істотне значення має вибір по-
чаткового наближення. У багатьох випадках це завдання може бути істотно
спрощено з використанням методів планування експерименту, які дають змогу
визначити оптимальні для подальшого аналізу плани, тобто точки простору не-
залежних ознак, у яких потрібно здійснити вимірювання значень відгуків.