- •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.
60.Авторегресійні моделі.
Моделі, у яких досліджуваний показник у момент часу t
визнач-я своїми попередніми значеннями, називаються авторегресійними або динамічними моделями.
61.Оцінюв-я авторегресійних моделей з часовим лагом незалежних змінних.
Метод Кочрена-Оркатта є ітеративним методом оцінювання параметрів економетричної моделі, коли мінімізується 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 стосуються минулого періоду.Крок 4. Використовуючи значення оцінки параметра , визначають оцінки параметрів і на основі 1МНК, який застосовується до перетворених даних і . Крок 5. Визначаються залишки і перевіряються на наявність автокореляції. Якщо гіпотеза про наявність автокореляції відхиляється, то ітеративний процес припиняється. У противному разі переходимо до кроку 3, де використовуються знайдені оцінки параметрів і .
64.Пон-я тренду, сезон, цикл та випадк компоненти
Аналіз часового ряду починається з виділ-я трендового компонента. Його присутність неважко помітити, проаналізувавши графік часового ряду. Наявність тренду в екон часових рядах можна пояснити демографічними змінами, технологічними змінами, змінами в структурі вир-ва, попиту. Дія таких факторів є постійною, тому дослідники мають змогу описувати такі зміни за доп-ою кривих, які можна задати в аналітичному вигляді. Сезонний компонент показує коливання навколо трендового компонента. Його наявність пояснюється сезонним характером виробництва, споживання. Циклічний компонент займає проміжне місце між трендом та сезонним компонентом, гладка зміна, залежна від часу, але яка не включається ні до тренду, ні до сезонного компонента. Випадковий компонент є те, що залишилось від часового ряду після виключення тренду, циклічного та сезонного компонентів. Частина таких ефектів може бути віднесена до непередбачених природних катаклізмів (землетруси, пожежі, тощо), частина – до випадкових дій людей.
62.Автокореляція часового ряду, коефіцієнт автокореляці, автокореляційна функція
Кореляційну залежність між послідовними рівнями часового ряду називають автокореляцією рівнів ряду. Кількісно її можна виміряти за доп-ою лінійного коеф-а кореляції між рівнями часового ряду і рівнями цього ряду, зсунутими на декілька кроків за часом. Коеф-т кореляції знайдемо за формулою
Цю величину наз коеф-ом автокореляції рівнів ряду першого порядку, оскільки він вимірює залежність між сусідніми рівнями ряду t і t-1. Послідовність коефіцієнтів автокореляції рівнів першого, другого порядків наз автокореляційною функцією часового ряду. Знач-я автокорел-ої функції можуть коливатися від -1 до +1