
- •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.
72.Метод ковзної середньої для згладж час ряду
Метод простої ковзної середньої.
Відповідно до цього методу визначається кількість спостережень, що входять в інтервал згладжування, використовуючи правило: якщо необхідно згладити дрібні, безладні коливання, то інтервал згладжування беруть по можливості більшим і, навпаки, інтервал згладжування зменшують, коли потрібно зберегти більш дрібні хвилі і звільнитися від періодично повторюваних коливань, що виникають, наприклад, через автокореляцію рівнів. Обчислюється середнє значення спостережень(парне m)
m - кількість спостережень
При
непарному m значення параметра значення
параметра p обчислюють у такий спосіб:
.
p - кількість спостережень, що стоять по різні сторони від спостереження, що згладжується. Інтервал згладжування зміщується на один член вправо знаходиться згладжене значення для t+1 спостереження. Процедура триває доти, поки в інтервал згладжування не ввійде останнє спостереження часового ряду. Недоліком методу є невключення в процедуру згладжування перших і останніх p спостережень часового ряду.Метод простої ковзної середньої можна використати, якщо графічне зображення ряду нагадує пряму лінію, якщо розвиток процесу носить нелінійний характер, то застосування методу простої ковзної середньої може привести до значних перекручувань досліджуваного процесу
Метод зваженої ковзної середньої.
Цей метод відрізняється від попередніх тим, що згладжування всередині інтервалу здійснюється не по прямій, а по кривій більш високого порядку. Це обумовлено тим, що підсумовування членів ряду, що входять в інтервал згладжування, здійснюється з певними вагами, розрахованими по методу найменших квадратів.
73.Експоненційне згладжування
Метод експоненціального згладжування. У процедурі відшукання загладжуваного рівня застосовується значення тільки попередніх рівнів ряду, взятих з певною вагою, яка зменшується при віддалені від кінця ряду. Вага рівнів знижується експоненціально, залежно від параметра згладжування α(0<α<1). Експоненційне згладжування розраховуэться за такою формулою: St=α*yt+(1- α)*St-1 де α-параметр згладжування.
74.
Аналітичні методи згладжування часового
ряду.
Метод простої сковзної середньої. Для
часового ряду y1,y2,y3… yn визнач. інтервал
згладж. m(m<n). Для перших m рівнів часового
ряду обчислюється їх сер. арифм. Це буде
згладжуване значення рівнів ряду, яке
відповідає середині інтервалу згладжув-я.
Далі інтервал зсувається на один рівень
праворуч, повторюється обчислення сер.
арифм. Для обчисл. Згладжених рівнів
ряду ýt застосовуэмо формулу:
.
де i -
порядковий номер ряду, p=(m-1)/2. Застосований
лише для рядів, що мають лінійну
тенденцію. Метод експонен-го згладжув-я.
У процедурі відшук-я загладж-о рівня
застосов-я знач-я
тільки попередніх рівнів ряду, взятих
з певною вагою, яка зменш-я
при віддалені від кінця ряду. Вага
рівнів зниж-я
експонент-о,
залежно від параметра згладжув-я
α(0< α<1). Експоненційне згладжув-я
розрахов-я
за такою формулою: St=α*yt+(1-
α)*St-1.
де α-параметр згладжування.