- •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.
58.Оцін параметрів моделі з автокор залишками методом Дарбіна
Наявність (відсутн-ь) автокореляції у відхил-ях перевір-ь за доп-ою критерію Дарбіна-Уотсона. Чисельне знач-я коеф-а = dw=∑(εi-εi-1)2, де εi=yi-y^i. Знач-я dw статистики близько до величини 2(1 – r(1)), де r(1) - вибіркова автокореляц функція залишків 1-го порядку. Таким чином, значення статистики Дарбіна - Уотсона розпод-о в інтервалі від 0 до 4. Iдеальне знач-я статистики - 2 (автокореляція відсутня). Менші знач-я критерію відповід-ь позитивній автокореляції залишків, більші знач-я - негативній. Статистика враховує тільки автокорел-ю 1-го порядку. Оцінки, які одерж за критерієм, не є точковими, а інтервальними. Верхні (d2) і нижні (d1) критичні знач-я, що дозвол-ь прийняти або відкинути гіпотезу про відсутність автокореляції, залежать від кількості рівнів динам-о ряду й числа незалежних змінних моделі. d2<dw<2 -ряд залишків не корельовані; dw<d1 - залишки містять автокорел-ію; d1<dw<d2 - область невизнач-і, коли немає підстав не прийняти, не відкинути гіпотезу про існув-я автокорел-ії. Якщо d перевищ 2, то це свідчить про наявність негативної кореляції. Встановивши наявність автокорел-ії залишків, потрібно переход-и до поліпш-я моделі.
57.Алгоритм методу Кочрена-Оркатта.
Метод Кочрена-Оркатта є ітеративним методом оцінюв-я параметрів економ-ної моделі, коли мініміз-я сума квадратів залишків, яка для моделі визнач-я так: Розглянемо алгоритм Крок 1. Приймається гіпотеза і мінімізується на основі 1МНК сума квадратів: . Отже, так само й далі обчислюються параметри для моделі Крок 2. Знаходяться залишки і перевіряється нульова гіпотеза відносно автокореляції залишків. Якщо гіпотеза відхиляється, то переходять до кроку 3.Крок 3. На даному кроці мінімізується сума квадратів відхилень: де і - оцінки параметрів, знайдені на першому кроці 1МНК. У результаті параметр визначається як коефіцієнт регресії залишків, знайдених 1МНК, на їх лагові змінні, які стос-я минулого періоду. Крок 4. Використовуючи значення оцінки параметра , визнач-ь оцінки параметрів і на основі 1МНК, який застосов-я до перетворених даних і . Крок 5. Визнач-я залишки і перевіряються на наявність автокореляції. Якщо гіпотеза про наявність автокореляції відхил-я, то ітеративний процес припиняється. У противному разі переходимо до кроку 3, де викор-я знайдені оцінки параметрів і .
59.Поняття часового лагу. Моделі з часовим лагом незалежних змінних.
Моделі, у яких досліджуваний показник у момент часу t
визначається не лише поточними, а й попередніми значеннями незалежних змінних, наз дистрибутивно-лаговими. Якщо в економетричній моделі незалежні змінні використовують за кілька попередніх періодів, то такі моделі називають моделями з кінцевим лагом (скінченними моделями). Якщо вплив незалежної змінної не обмежується певним періодом, розглядають нескінченні лагові моделі. Звичайно, нескінченна лагова модель більш загальна, однак практичне застосування такої моделі досить проблематичне через велику кількість факторів, складність внутрішньої структури та обмеженість часових рядів - інформаційної бази моделей. Коефіцієнт а0 при незалежній змінній xt, що відбиває її вплив на залежну змінну в поточний період, називається короткостроковим, або впливовим, мультиплікатором. Для нескінченної моделі лагові коефіцієнти за певних умов також можуть утворити скінченну суму. Якщо кожен із коефіцієнтів розділити на їх суму, отримаємо відповідно нормовані коефіцієнти лага та нормовану структуру лага. Усі нормовані коефіцієнти менші від одиниці, а їх сума дорівнює одиниці. Дистрибутивно-лагові моделі, які ще називають моделями розподіленого лага, задовільно описують економічні процеси лише в стабільних (незмінних) умовах. Необхідність враховувати ще й поточні умови функціонування вимагає застосування узагальнених моделей.