- •1. Сутність моделювання. Сформулюйте поняття «модель» та «метод моделювання», поясніть відмінності даних понять.
- •2. Опишіть особливості, принципи математичного моделювання
- •3. Поясніть необхідність використання нелінійних математичних моделей
- •4. Розкрийте сутність економічних спостережень і вимірів
- •5. Чим пояснюється наявність випадковості і невизначеності економічного розвитку
- •9. Охарактеризуйте економіку як складну систему з внутрішньо притаманним ризиком
- •6. Наведіть основні елементи класифікації економіко-математичних моделей
- •7. Опишіть основні етапи економіко-математичного моделювання
- •8. Які завдання вирішуються при перевірці адекватності моделей?
- •10. Опишіть системні властивості економічних рішень
- •14. Наведіть форми запису моделей лінійного програмування в розгорнутому, скороченому та векторно-матричному вигляді.
- •11. Сутність оптимізаційних моделей. Приклади економічних задач математичного програмування.
- •12. Класифікація задач математичного програмування
- •13. Загальна математична модель лінійного програмування. Приклади економічних задач лп.
- •16. Означення планів задачі лінійного програмування (допустимий, опорний, оптимальний).
- •26. Опишіть суть аналізу обмежень дефіцитних і недефіцитних ресурсів.
- •15. Властивості розв’язків задачі лінійного програмування. Геометрична інтерпретація задач лінійного програмування.
- •19. Знаходження розв’язку задачі лінійного програмування. Алгоритм симплексного методу.
- •17. Побудова опорного плану задачі лінійного програмування, перехід до іншого опорного плану.
- •17. (Продовження)
- •20. Суть симплексного методу із штучним базисом. Ознака оптимальності плану із штучним базисом. Відмінність від класичного методу.
- •18. Суть теореми про оптимальність розв’язку задачі лінійного програмування симплекс-методом.
- •22. Правила побудови двоїстої задачі. Симетричні й несиметричні двоїсті задачі.
- •21. Економічна інтерпретація прямої та двоїстої задач лінійного програмування
- •25. Сутність аналізу розв’язків лінійних економіко-математичних моделей. Оцінка рентабельності продукції. Доцільність введення нової продукції.
- •23. Теореми двоїстості. Економічна інтерпретація першої та другої теорем двоїстості.
- •24. Приклад застосування теорем двоїстості в розв’язуванні задач лінійного програмування.
- •27. Опишіть суть аналізу коефіцієнтів цільової функції задач лінійного програмування.
- •28. Постановка транспортної задачі. Опис алгоритму одного із методів рішення задач транспортної задачі.
- •29. Сутність цілочислове програмування. Область застосування цілочислових задач в плануванні й управлінні виробництвом.
- •30. Геометрична інтерпретація задачі цілочислового програмування.
- •35. Геометрична інтерпретація задач нелінійного програмування.
- •31. Сутність методу Гоморі.
- •32. Економічна і математична постановка задачі дробово-лінійного програмування
- •33. Геометрична інтерпретація задачі дробово-лінійного програмування
- •34. Економічна і математична постановка задачі нелінійного програмування.
- •36. Суть умовного та безумовного екстремуму функції.
- •37. Опишіть суть методу множників Лагранжа.
- •38. Необхідні умови існування сідлової точки
- •39. Опишіть сутність теореми Куна-Таккера.
- •40. Опишіть сутність опуклого програмування
- •41. Постановка задачі квадратичного програмування та її математична модель.
- •42. Градієнтні методи розв’язання задач нелінійного програмування та їх класифікація.
- •43. Загальний вигляд теоретичного та емпіричного рівнянь парної лінійної регресії, їх складові елементи.
- •44. Причини, які спонукають появу випадкової складової ε в регресійних моделях.
- •45. Опишіть поняття специфікації та основні етапи побудови економетричної моделі.
- •47. Характерстики та статистичні властивості емпіричних параметрів оцінок β0*, β1*.
- •46. Параметри моделі парної лінійної регресії, їх сутність та оцінювання. Умови застосування мнк.
- •48. Суть і обчислення коваріаційної матриці оцінок параметрів моделі
- •49. Описати алгоритм побудови довірчих інтервалів із заданою надійністю для параметрів β0,β1 і функції регресії Використання розподілу Стьюдента.
- •50. Побудова точкового та інтервального прогнозу залежної змінної в моделі парної лінійної регресії.
- •51. Описати алгоритм перевірки на статистичну значущість β1.
- •52. Коефіцієнт детермінації r2: формули для обчислення та сутність.
- •53. Теоретична та статистична лінійна множинна модель та їх запис у векторно-матричній формі.
- •54. Умови Гаусса-Маркова для парної та множинної лінійної регресії.
- •55. Напишіть та поясніть формулу у матричному вигляді визначення коефіцієнтів регресії в моделі множинної лінійної регресії?
- •56. Як виявити ознаку мультиколінеарності в лінійних моделях? в якому випадку: , , ?
- •57. Суть та наслідки мультиколінеарності. Методи усунення з моделі ознаки мультиколінеарності.
- •58. Опишіть алгоритм Фаррара–Глобера дослідження наявності мультиколінеарності. Що характеризують критерії χ2, f, t ?
- •59. Поняття виробничої функції. Виробнича функція Кобба-Дугласа. Визначення для неї .
- •60. Суть гетероскедастичності. Які негативні наслідки викликає ознака гетероскедастичності в лінійних моделях?
- •61. Перерахуйте основні методи визначення гетероскедастичності. Вкажіть основні відмінності між ними.
- •62. В чому полягає суть тесту Гельдфельда-Квандта? Послідовність його виконання?
- •63. Особливості матриці s та суть гіпотез залежності пропорційності залишків до зміни поряснювальної.
- •64. Узагальнений метод найменших квадратів Ейткена. Особливості та алгоритм.
- •65. Особливості застосування критерію μ у визначеності гетероскедастичності.
- •66. Модель лінійної регресії з автокорельованими збуренями. Наслідки автокорельованості на оцінки мнк.
- •67. Основи використання критерію Дарбіна – Уотсона для визначення автокорельованості
- •68. Дайте основні визначення економічного ризику
- •69. Вкажіть основні кроки процедури аналізу ризику
- •70. Дайте характеристику основних чинників ризику
- •71. Наведіть основні типи та види ризиків. Дайте їм характеристики
- •72. Наведіть основні відмінності методу аналогій та чутливості у кількісному аналізі ризику
- •73. Дайте характеристику основних кроків аналiзу ризику методами iмiтацiйного моделювання
- •74. Охарактеризуйте п’ять спрощених ситуацій прийняття рішення. Поясніть приклад однієї із них графічно.
- •75. Охарактеризуйте зони ризику збитків на графічному прикладі функції щільності розподілу ймовірності збитків
- •76. Охарактреризуйте ймовірність як один з підходів до оцінки ризику
- •78. Поясніть основні відмінності методів оц-ня ризику як величини очікуваної невдачі та методу зваженого середньогеометричного значення економічного показника
- •77. Охарактеризуйте інгредієнт економічного показника ризику, основні відмінності м-дів абсолютному вираження та спрощеного оцінювання ризику. Наведіть приклад.
- •79. Дисперсія та середньоквадратичне відхилення як міра ризику. Наведіть приклад
- •80. Семіваріація та семіквадратичне відхилення як міра ризику. Наведіть приклад
- •82. Поняття премії за ризик. Наведіть графічний приклад
- •83. Опишіть поняття схильності – несхильності до ризику.
- •Сутність моделювання. Сформулюйте поняття «модель» та «метод моделювання», поясніть відмінності даних понять.
61. Перерахуйте основні методи визначення гетероскедастичності. Вкажіть основні відмінності між ними.
Перевірка припущень про наявність гетероскедастичності залежить від природи вихідних даних. Для перевірки наявності гетероскедастичності використовуються чотири методи.
Критерій μ.
Параметричний тест Гольдфельда — Квандта.
Непараметричний тест Гольдфельда — Квандта.
Тест Глейсера.
62. В чому полягає суть тесту Гельдфельда-Квандта? Послідовність його виконання?
, тобто дисперсія залишків зростає пропорційно до квадрата однієї з незалежних змінних моделі:
Y = XA + u.
Крок 1. Упорядкувати спостереження відповідно до величини елементів вектора Xj.
Крок 2. Відкинути c спостережень, які містяться в центрі вектора. Згідно з експериментальними розрахунками автори знайшли оптимальні співвідношення між параметрами c і n, де n — кількість елементів век- тора :
Крок 3. Побудувати дві економетричні моделі на основі 1МНК за двома утвореними сукупностями спостережень за умови, що перевищує кількість змінних m.
Крок 4. Знайти суму квадратів залишків за першою (1) і другою (2) моделями і :
, де — залишки за моделлю (1);
, де — залишки за моделлю (2).
Крок 5. Обчислити критерій
який в разі виконання гіпотези про гомоскедастичність відповідатиме F-розподілу з , ступенями свободи. Це означає, що обчислене значення R* порівнюється з табличним значенням F-критерію для ступенів свободи і і вибраного рівня довіри. Якщо , то гетероскедастичність відсутня.
63. Особливості матриці s та суть гіпотез залежності пропорційності залишків до зміни поряснювальної.
Щоб оцінити параметри моделі, коли дисперсії залишків визначаються , потрібно визначити матрицю S.
Спинимось на визначенні матриці S.
оскільки явище гетероскедастичності пов’язане лише з тим, що змінюються дисперсії залишків, а коваріація між ними відсутня, то матриця S має бути діагональною, а саме:
Звідси в матриці S значення можна обчислити, користуючись гіпотезами:
а) , тобто дисперсія залишків пропорційна до зміни пояснювальної змінної ;
б) , тобто зміна дисперсії пропорційна до зміни квадрата пояснювальної змінної ( );
в) , тобто дисперсія залишків пропорційна до зміни квадрата залишків за модулем.
Для першої гіпотези:
Для другої гіпотези:
Для третьої гіпотези: або , або .
Оскільки матриця S — симетрична і додатно визначена, то при , матриця P має вигляд:
.
64. Узагальнений метод найменших квадратів Ейткена. Особливості та алгоритм.
Нехай задано економетричну модель
коли .
Задача полягає в знаходженні оцінок елементів вектора А в моделі. Для цього використовується матриця S, за допомогою якої коригується вихідна інформація. Ця ідея була покладена в основу методу Ейткена.
Базуючись на особливостях матриць Р і S, які були розглянуті в підрозд. 7.3, можна записати співвідношення між цими матрицями та оберненими до них.
Оскільки S — додатно визначена матриця, то вона може бути зображена як добуток , де матриця P є невиродженою, тобто: ,
коли ; (7.3)
і . (7.4)
Помноживши рівняння (7.1) ліворуч на матрицю , дістанемо: .
Позначимо ;
;
.
Тоді модель матиме вигляд: .
Використовуючи (7.3), неважко показати, що
,
тобто модель (7.6) задовольняє умови (4.2), коли параметри моделі можна оцінити на основі 1МНК.
Звідси .
Ця оцінка є незміщеною лінійною оцінкою вектора А, який має найменшу дисперсію і матрицю коваріацій
Hезміщену оцінку для дисперсії можна дістати так:
(7.9)
Оцінка параметрів , яку знайдено за допомогою (7.7), є оцінкою узагальненого методу найменших квадратів (методу Ейткена).
При заданій матриці S оцінку параметрів моделі можна обчислити згідно із (7.7), а стандартну помилку — згідно із (7.8). Тому можна сконструювати звичайні критерії значущості і довірчі інтервали для параметрів .
Визначивши залишки і помноживши ліворуч на матрицю , дістанемо: ,
,
то (7.10)
Отже, ми розбили загальну суму квадратів для (7.6) на суму квадратів регресії і залишкову. Згідно з цими даними дисперсійний аналіз буде виконано для перетворених вихідних даних. Крім того, коли незалежна змінна Y* виміряна відносно початку відліку, а не у формі відхилення від середньої, то необхідно визначити її середнє значення і скористатись ним для корекції загальної суми квадратів і суми квадратів регресії.
Модель узагальненого методу найменших квадратів іноді специфікується у вигляді
де — відома симетрична додатно визначена матриця. Тоді вираз для оцінки параметрів згідно з методом Ейткена запишеться так: ,
а для її коваріаційної матриці .