- •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
65. Часові ряди та їх основні числові характеристики.
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.
Динаміка рядів економічних явищ і процесів у загальному випадку формується під впливом чотирьох груп факторів, а саме:
довготривалі, що формують загальну тенденцію. Кожен із цих факторів окремо може діяти на процес, що досліджується, у протилежному напрямі один щодо одного. Проте в сукупності вони формують зростаючу чи спадну тенденцію цього процесу, описувану невипадковою функцією Qt = f(t), яку називають функцією тренду, або просто — трендом;
сезонні, що формують періодично повторювані за певний час року коливання того чи іншого показника. Це теж є невипадкова функція St = ц(t).
Оскільки ця функція має бути періодичною (з періодами, що кратні «сезонам»), то в її аналітичному виразі мають бути включені гармоніки (тригонометричні функції), періодичність яких зумовлена змістовною сутністю задачі;
циклічні (кон’юнктурні), що формують зміни динаміки ряду, зумовлені дією тривалих циклів економічної, демографічної чи астрофізичної природи (демографічні «ями», цикли сонячної активності і т. ін.). Результат дії циклічних факторів позначимо за допомогою невипадкової функції Zt = ш(t);
випадкові (нерегулярні), які не піддаються реєстрації й обліку. Їхня дія на формування рівнів часового ряду саме і зумовлює їхню стохастичну природу. Отже, часовий ряд y1, y2, y3, … yn можемо інтерпретувати як сукупність спостережень із випадкових величин, яка має специфічні властивості, відмінні від класичної стохастичної вибірки, що розглядалася в розд. 4.
66. Вирівнювання часових рядів. Ковзні середні й автокореляція
Фільтрація або вирівнювання - найпоширеніший спосіб вивчення тенденцій розвитку процесу.
Суть фільтрації у заміні фактичних рівнів ряду на розрах певним способом члени , що мають менші коливання ніж вихідні дані.
Нехай дано часовий ряд
У1(t), у2(t) …. (t) Виберемо дане m У1,у2… ym = Y2,y3…ym+1 $ = Yn – (m-1) yn -(m-1) =
Така операція наз фільтруваннням , а оператор наз фільтром.
Часто використов фільтри. = ar yt +r
Ar – вага сегменту часового ряду
Вага елементу ряду
Якщо покласти
M= 2p +1. То p = =
наз ковзним середнім інтервалом для моменту t
*
*