- •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.
5.Специфікація економетричних моделей
Специфікація моделі - аналіт-а форма залежності між екон-и показниками. Незалежні змінні х1,х2,…,хm, що задані заздалегідь чи за межами моделі, наз екзоген-и змінними (регресорами). Залежна змінна У, що визнач-я як розв’язок рівняння, наз ендогенною змінною (регресантом). Функція f у кожному конкретному випадку окрім змінних х1,х2,…,хm і u містить ще щонайменше деякі коефіцієнти, що поєднують змінні у певних співвідношеннях і визначають структуру рівняння. Ці коефіцієнти наз параметрами моделі.
6.Помилки специфікації моделей регресії
Помилки специфік-ії моделі можуть бути: 1)ігнорув-я істотності пояснюючої змінної при побудові економ-ої моделі, що призводить до зміщ-я оцінок параметрів, тому застосув-я способів перевірки їх значущості може сприт-и до хибних висновків щодо значень параметрів генерал-ої сукупності; 2)введ-я до моделі незалежної змінної, яка не стос-я вимірюваного зв’язку, яка неістотно впливає на залежну змінну, що призвод-ь до того, що оцінки параметрів моделі будуть незмін-и; 3)викор-я не відповідних матем-их форм залежності (припуск-я, що залежна змінна є лінійною ф-ією від деякої пояснювальної змінної, хоча тут краще застос-и квадратичну, кубічну.
7.Парам-и моделі парн лін регресії. Сутн-ь й оцінюв
У заг-му випадку парна лін-а регресія є лін-ою ф-єю між залежною змінною Y і однією поясн-ою змінною X: Y=a0+a1X, де a0 і a1 наз регресійними коеф-и або параметрами регресії, які потрібно оцінити на основі даних про x та y. Параметри визнач-ь структуру моделі: вони вказ-ь на характер припустимих співвідношень між змінними. Для оцінки параметрів моделі парної лін-ої регресії викор-ь МНК, що слугує для знаходж-я таких оцінок параметрів a0 і a, за яких сума квадратів відхилень li спостереж-их значень показника від розрах-о буде min, тобто функціонал Q(a0,a1)→min приймає min знач-я. Необхідною умовою існув-я min функціонала Q(a0,a1) є рівність нульової частини похідних цього функціонала по (a0,a1). ∂Q/∂a0=∑2*(yi-(a0+a1xi))(-1)=0. ∂Q/∂a1=∑2*(yi-(a0+a1xi))(-xi)=0. Таким чином отрим-и систему 2 лін-их рівнянь з 2 невідомими a0,a1. Ця система рівнянь має єдиний розв’язок: a1=(n∑xiyi-∑xi∑yi)/(n∑xi2-(∑xi)2); a0=(1/n)∑yi-a1(1/n)∑xi, або a1=K[X,Y]/D[X]; a0= -a1 .
8.Мнк оцінюв-я параметрів парної лінійної регресії
По обмеж даним вибірки обсягу n можна побуд-и модель лише з деякою точністю. Її параметри а і b є оцінками щирих значень α і β, які визнач-я генеральною сукупністю обсягу N>>n. У рамках властив-ей генер-ої сукупності обсягу N розгляд-я специфікація моделі лін-ої регресії yi=α+βxi+i, у якій α, β, хі - детермін-і (фіксовані чи відомі) величини, а знач-я показника yі і помилки моделі εі - випадкові величини (ВВ) із заданим розподілом. Обмеж дані вибірки обсягу n<<N дозвол-ь замість точної моделі з параметрами α і β побуд-и наближу-у модель: yi=а+bxi+еi, де еі - залишки регресії, імов-і властив-і яких вваж-я аналог-ми помилкам i, а а, b - деякі оцінки (наближ знач) параметрів моделі. Оцінемо дисперсії і середньо квадр-і помилки (СКП) для оцінок параметрів моделі і величини ε: σ2b=D[b]=M[(b-β)2]; σ2a=D[a]=M[(b-α)2]; σ2=D[]=M[2]; де М[X], D[X] - матем-е чекання і дисперсія BB X. Для безупинної BB X із щільністю імов-і р(х) вони визнач-я як: . Отже, для точного визнач-я того чи іншого параметра BB досить знати (чи задати) її розподіл щільності імов-ті.