- •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
63. Метод перетворення вихідної інформації
Випадок, коли залишки задовольняють авторегресійну модель першого порядку, допускає альтернативний підхід до пошуку оцінок параметрів моделі за допомогою двокрокової процедури:
1) перетворення вихідної інформації при застосуванні для цього параметра r;
2) застосування 1МНК для оцінки параметрів на основі перетворених даних.
Для цього треба знайти матрицю перетворення T, щоб модель
мала скалярну дисперсійну матрицю
Розглянемо матрицю T1 розміром n ´ n:
Безпосереднім множенням легко переконатись, що
А це означає, що можна застосувати 1МНК до перетворених даних і , які мають вигляд
Іноді для перетворення вихідної інформації використовується матриця розміром (n – 1) ´ n, яка отримується з матриці внаслідок викреслювання першого рядка:
Неважко показати, що застосування 1МНК до даних і дає таку саму оцінку параметрів моделі, як і метод Ейткена, а для даних і — забезпечує порівняно добру апроксимацію.
Поняття часового ряду та специфікація його дослідження. Основні компоненти часового ряду.
Показники багатьох явищ і процесів в економіці змінюються в часі. Цей розвиток має назву економічної динаміки. Характерним для економічної динаміки є те, що рівень показників у наступному часовому періоді значною мірою залежить від їхнього рівня в минулому. Крім того, чим довший часовий інтервал між двома явищами, тим суттєвіша різниця як у кількісному, так і в якісному їхньому стані.
Отже, дамо визначення одновимірного ряду динаміки.
Послідовність спостережень одного показника (ознаки), упорядкована залежно від послідовно зростаючих або спадних значень другого показника (ознаки) є одновимірним рядом динаміки.
Залежно від того, чого стосуються рівні ряду до певного моменту чи інтервалу часу — їх визначають як моментні й інтервальні.
Часові ряди, які характеризують економічні явища на певний конкретний момент часу, мають назву моментних. Наприклад, випуск продукції на перше число кожного місяця, кварталу, року і т. ін. Якщо рівні часового ряду утворені агрегуванням за певний проміжок часу, то вони мають назву інтервальних часових рядів. Наприклад, часовий ряд, кожен рівень якого відбиває фонд заробітної плати робітників за кожен місяць року, за квартал або рік в цілому.
Часовий ряд записують як послідовність членів (рівнів): y1, y2, … yt, … yn, де n — кількість членів ряду; або скорочено: ряд yt, , де t є порядковий номер рівня ряду, який набуває значень від 1 до n. Під довжиною ряду розуміють час від початкового рівня спостереження y1 до останнього yn. Довжина ряду складається з певної кількості рівнів ряду.