- •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.
75.Стаціонарні та нестаціонарні часові ряди. Основні характеристики часових рядів.
Динамічні ряди, характер яких не змін-я з часом, мають назву стаціонарних. Стаціонарність часового ряду пов’язана з вимогою того, що він має стале середнє значення, і його рівні колив-я навколо цього середнього зі сталою дисперсією. Якщо ряд вважається стаціонарним, то середнє, дисперсія і значення варіації ряду дисперсії мають бути такими ж, як і Yt. Якщо ж ці показники змінюватимуться з часом, то ряд буде нестаціонарним. Характ-ка динаміки. Динаміка зміни досліджуваного показника може бути охарактер-а стосовно якогось базисного (зазвичай 1-го) спостереж-я і величиною зміни сусідніх рівнів. Використовують такі характеристики: абсолютний базисний приріст, абсолютний ланцюговий приріст, темп росту, темп приросту, середня арифметична та ін.
76.Поняття системи економічних рівнянь. Приклади моделей на основі системи одночасних рівнянь
Наявність прям. і зворотніх зв. між екон. показниками вимагає побудови економетр. мод. на основі сист. рівнянь.Економетр. мод склад з 3 одночасних рівнянь – 2перших - регресійні, а 3-тє - тотожність.Вони опис-ь екон. процеси а отже і повинні мати спільний зв’язок, тобто економетр. модель містить сукупність рівнянь, які опис. зв1язки між екон. показниками. Багато екон. взаємозв’язків допускають моделюв-я одним рівн.м. Однак деякі економічні процеси модел-я не одним, а кількома рівн.ми. Співвіднош-я між екон. по-казниками можуть мати стохастич. і детермінов. характер. Стохастичні зв’язки між змінними опис-я регрес. рівн.ми, а детерміновані визнач.я тотожностями й не містять невідомих параметрів. У сист. рівнянь через наявність прям. і зворотних зв’язків залежна змінна одного рівн. може бути незалежн. змінною в інших рівн.х . Змінні, що стоять у лівій частині рівнянь, називендогенними, причому їх кількість не перевищує загальної кількості всіх рівнянь. Інші змінні, що входять до моделі, називекзогенними. Напр., повна кейнсіанська модель доходу складається з двох співвідношень: Ct = a0 + a1Yt + ut , Yt = Ct + Z t , де Ct - витрати на споживання; Yt - дохід; a0 , a1 - невідомі па- раметри; ut -залишки моделі; Zt - неспоживчі витрати (інвестиції). Перше співвідношення - це регресійна функція споживання,а друге - тотожність доходу. Величина доходу Yt для першого рівн. є незалежн. змінною, для другого - залежною, а величина Ct -навпаки: у першому рівнянні вона є залежною змінною, у другому - незалежн.. Для системи загалом змінні Yt і Ct є ендогенними, а змінна Zt - екзогенною. Для систем одночасних рівнянь усі змінні, що можуть бути визначені із системи рівнянь, називендогенними, причому їх кількість не перевищує загальної кількості рівнянь. Для систем одночасних рівнянь усі змінні, які задаються за межами моделі або є заздалегідь відомими, називвідповідно екзогенними або предетермінованими. У розглянутій кейнсіанській моделі доходу величини Ct і Yt є ендогенними змінними, що визначаються всередині моделі. Змінна Ztзадається (визначається) поза моделлю, отже, вона є екзогенною.Із першого співвідношення цієї моделі видно, що змінна Ct залежить від доходу Yt і від залишків ut , а з другого співвідношення очевидна залежність доходу Yt від споживчих Ct і неспоживчих витрат Zt . Неважко помітити, що обидві змінні Ct і Yt можуть бути виражені через Zt і залишки ut.