- •1.Поняття економ-ої моделі, її складові частини
- •2.Роль, місце економ моделей в управл ек сист-и
- •3.Прич, що спон появу випад склад-ої регрес мод
- •4.Етапи побудови економетричної моделі
- •5.Специфікація економетричних моделей
- •6.Помилки специфікації моделей регресії
- •7.Парам-и моделі парн лін регресії. Сутн-ь й оцінюв
- •8.Мнк оцінюв-я параметрів парної лінійної регресії
- •9.Коеф-т детерм-ії й корел-ії для моделі парної регресії. Перев-а суттєв-і коеф-а де терм-ії за t-крит
- •10.Коеф. Детерм-ї (кд) та корел-ї (кк) для моделі парної регресії. Перевірка суттєвості кд за допом. F-крит.
- •16.Коеф. Множ. Корел. Та детермінації та перевірка їх статистичної значимості
- •17.Передумови застос-ня мнк для оцінки пар-ів множ. Лін. Регресії.
- •18.Дисперсійно-коваріац матриця оцінок параметрів
- •19.Надійні інтервали для оцінок парам-ів множинної лінійної моделі регресії
- •20.Точковий та інтервальний прогноз на основі побудованої моделі лінійної множинної регресії
- •21.Значимість економетричної моделі.
- •22.Знач-ть оцінок парам-ів множ лін моделі регресії
- •23.Прогнозув залеж змінної на осн-і економ моделі
- •25.Поліноміальна модель. Визнач-я вектора * статист аналіз моделі
- •26.Гіперболічна модель. Визнач-я вектора * статист аналіз моделі
- •27.Показник модель. Визнач-я параметрів, статист аналіз моделі
- •29. Сутність виробничої функції та її застосування
- •30. Поняття фіктивних змінних.Приклад
- •31.Врахув-я якісних факторів в лін-х економет-х моделях за доп фіктивних змінних
- •32. Моделі з фікт-и регресорами: моделі, що містять тільки фікт-і незал-і змінні та моделі, що містять як фіктивні, так і кількісні незалежні змінні
- •33. Моделі з фіктивними залежними змінними
- •34. Порівняння двох регресійних моделей. Тест Чоу
- •35.Суть та наслідки мультикол-сті (м).
- •36.Тест-ня наявності мультикол-ті (м) в моделі.
- •37.Алгоритм Фаррара-Глобера.
- •38.Методи усунення мультикол-ті.
- •39.Алгоритм покрокової регресії.
- •41.Негат наслідки наявності гетероск-ті залишків в лін моделях
- •42.Негативні наслідки наявності автокореляції залишків в лінійних моделях.
- •43.Негативні наслідки наявності мультик-і.
- •44.Тест Гольдфельда-Квандта. Пос-ть його вик-ня.
- •45.Алгоритм теста Глейсера.
- •46.Перевірка наявності гетероскедаст-і залишків на основі теста коеф-а рангової кореляції Спірмена
- •40.Поняття про гомо- та гетероскедас-ть залишків.
- •47.Узагальнений метод найменших квадратів для моделі з гетероскедастичністю залишків.
- •48. Зважений метод найменших квадратів.
- •49.Суть та наслідки автокор-ії стохаст-ої складової
- •50.Алгоритм Дарбіна-Уотсона для виявлення автокореляції залишків першого порядку.
- •52. Критерій фон Неймана.
- •51.Цикл та нециклічний коефіцієнт автокореляції(а)
- •53.Узаг-ий мнк для знаходж-я оцінок параметрів моделі з автокорельов-и залишками
- •56.Метод Кочрена – Оркатта.
- •54.Метод Ейткена оцін парам моделі з автокор зал
- •55.Метод перетвор-я вихідної інфор-ії в оцінюв-і параметрів моделі з автокорельов-и залишками
- •58.Оцін параметрів моделі з автокор залишками методом Дарбіна
- •57.Алгоритм методу Кочрена-Оркатта.
- •59.Поняття часового лагу. Моделі з часовим лагом незалежних змінних.
- •60.Авторегресійні моделі.
- •61.Оцінюв-я авторегресійних моделей з часовим лагом незалежних змінних.
- •62.Автокореляція часового ряду, коефіцієнт автокореляці, автокореляційна функція
- •63.Часовий ряд в загальному вигляді.
- •65. Виявлення тренду часового ряду.
- •66. Методи визначення тренду часового ряду.
- •67.Криві зростання.
- •68.Методи вибору форми тренду.
- •69.Оцінка адекватн-і і точності трендових моделей.
- •70.Застос-я фіктивних змінних у модел-і сез колив
- •71.Основні етапи аналізу часових рядів
- •72.Метод ковзної середньої для згладж час ряду
- •73.Експоненційне згладжування
- •75.Стаціонарні та нестаціонарні часові ряди. Основні характеристики часових рядів.
- •76.Поняття системи економічних рівнянь. Приклади моделей на основі системи одночасних рівнянь
- •77.Структурна та звед форми одночасних рівнянь
- •80.Алгоритм непрямого мнк
- •78.Ідентифік-ія. Необхід та достатня умова ідентиф.
- •79.Непрямий мнк оцінювання параметрів системи одночасних рівнянь.
- •81.Рекурсивні системи одночасних рівнянь, оцінювання їх параметрів
- •82.Проблеми ідентифікації системи одночасних рівнянь
- •83.Оцінюв-я параметрів системи одноч-их рівнянь двох кроковим методом найменших квадратів
- •84. Алгоритм двокрокового методу найменших квадратів (2мнк)
- •85.Трьохкроковий метод найменших квадратів
- •86.Прогноз ендогенних змінних.
44.Тест Гольдфельда-Квандта. Пос-ть його вик-ня.
Параметричний тест Г-К скл-ся з 5 кроків: 1.Спостереження впорядковуються відповідно до величини елементів вектора Xj, який може викликати зміну дисперсії залишків.
2.Відкидається c спостережень, які містяться всередині векторів вихідних даних, де с/n=4/15.
3.Будуються 2 економет-і моделі на основі МНК за 2 створеними сукупностями спостережень (n-c)/2, за умови, що (n-c)/2 перевищує к-сть змінних m.
4.Обчислюється сума квадратів залишків за 1ою S1 та 2ою S2 моделями: S1=u1’u1 (u1 - залишки за модел №1); S2=u2’u2 (u2 - залишки за модел №2).
5.Відшукується критерій R*=S2/S1, який в разі виконання гіпотези про гомоск-ть відповідатиме F-розподілу з 1 =(n-c-2m)/2, 2 =(n-c-2m)/2 ступенями свободи. Обчислене значення критерію порівнюється з табл значенням F-критерію при вибраному рівні довіри і відповідних ступенях свободи. Якщо R* Fтабл, то гетероск-ть відсутня. Непараметричний тест Г-К базується на числі піків величини залишків після упорядкування спостережень за Xij. Якщо для всіх значень змінної Xij залишки розподіл-ся приблизно однаково, то дисперсія їх однорідна, у противному разі вона змінюється.
45.Алгоритм теста Глейсера.
Глейсер запропонував розглядати регресію абсолютних значень залишків |ui|, які відпов-ь регресії найменших квадратів як деяку ф-ію від xj, де xj є тією незалежною змінною, яка відповідає зміні дисперсії 2u. Для цього викор-ся такі види ф-ій: 1.|u|= a0+ a1* xj; 2.|u|= a0+ a1* xj^(-1); 3.|u|= a0+ a1* xj^(1/2) і т.п. Рішення про відсутність гетероск-ті залишків прийм-я на основі статист-ої значущості коеф-ів a0 й a1. Переваги цього тесту визнач-я можливістю розрізняти випадок чистої і змішаної гетероск-ті. Чистій гетер-ті відповід-ь знач-я параметрів a0=0, a1≠0; а змішаній - a0≠0, a1≠0. Залежно від цього треба корист-ь різними матрицями S (M(uu’)=2uS). Якщо при економетр-му моделюв-і для певних вихідних даних буде виявлено явище гетероск-ті, то оцінку параметрів моделі треба викон-и на основі узагальн-о МНК. , де .У даній матриці залежно від висунутої гіпотези: λi=1/ xij; або λi=1/xij^2; або λi={|ȗi|}.
Прогноз на основі економетр-ї моделі, в якій оцінка параметрів виконана узагал-им МНК, можна отримати на основі такого співвіднош-я: Ŷпр=X0 A+W’V-1U, де u - вектор залишків, який відповідає оцінці параметрів моделі на основі МНК; W’ - транспонований вектор коваріацій поточних і прогнозних значень залишків; V-1=S-1, а V=2uS.
46.Перевірка наявності гетероскедаст-і залишків на основі теста коеф-а рангової кореляції Спірмена
1 крок: Побудова простих економ-их моделей 1МНК залежної змінної (Y) з кожною з пояснювальних змінних (Xij). 2. Виз-ня вектора залишків для кожної з побуд-их моделей ( ). 3. Ранжування вектора кожної пояснювальної змінної (Xj) і кожного з векторів від меншого до більшого та заміна цих векторів іншими рангами. 4. Виз-ня коеф рангової кореляції Спірмена: де ‑ різниця між рангами та
n - кількість спостережень; m-1 - кількість пояснювальних змінних. 5. Розрахов-я t – статистика для визнач-я рівня статист-ої значущості кореляції Спірмена:
Доведено, що ця харак-ка має закон розподілу Стьюдента з к-тю ступенів свободи . Якщо розраховане значення t – ст.-ки перевищує кр зн-ня про ступені свободи та вибраному рівні значущості α, то гіпотезу про наявність гетер-ті потрібно прийняти. У протилежному випадку вона відхиляється.