- •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.
80.Алгоритм непрямого мнк
НМНК дає обґрунтовану оцінку параметрів структ. форми моделі, але вона буде мати зміщення в бік зниження її рівня. Тому цей метод застосовується тільки за точної ідентифікованості рівнянь структурної форми.Алгоритм непрямого методу найменших квадратів:Крок 1. Перевіряється умова ідентифікованості для кожного рівняння структурної форми моделі. Якщо кожне рівняння точно ідентифіковане, то переходимо до кроку 2.Крок 2. Кожне рівняння структурної форми розв'язується відносно однієї з k ендогенних змінних моделі, у результаті приходимо до зведеної форми моделі.Крок 3. Застосовуючи 1МНК, визначається оцінка параметрів окремо для кожного рівняння зведеної форми.Крок 4. Розраховується оцінка параметрів рівнянь структурної форми за допомогою співвідношення AR = -В, де А і В - параметри структурних рівнянь, a R - матриця оцінок параметрів зведеної форми.
78.Ідентифік-ія. Необхід та достатня умова ідентиф.
Проблеми чисельної оцінки параметрів в стрктурній формі і можливість перетворення структурної форми на зведену тісно пов'язані з поняттям ідентифікації моделі.Якщо лінійна комбінація рівнянь структурної форми не може привести до рівняння, що має ті самі змінні, що й деяке рівняння в структурній формі, то модель буде ідентифік-ою.Для ідентифік-их моделей зведена форма визначається однозначно за допомог. співвідношень ykt=rk0x0t+rk1xkt+…+rkmxmt+vkt. Умова ідентифікації має перевірятися для кожного рівняння системи. Необхідна умова ідентифікації системи - справедливість нерівності для кожного рівняння моделі ykt=ak1y1t+…+akkykt+bk0x0t+…+bkmxmt+ukt(12.1):ks-1<m-ms, (12.10)де ks —кількість ендогенних змінних, які входять в s-те рівняння структурної форми; m — загальна кількість екзогенних змінних моделі; ms — кількість екзогенних змінних, які входять в s-те рівняння структурної форми моделі.Кількість екзогенних змінних, які не входять у s-те рівняння структурної форми, дорівнює m-ms. Якщо для всіх рівнянь моделі (12.1) співвідношення (12.10) виконується як рівність, то система рівнянь є точно ідентифікованою.Проблема ідентифікації стосується структурних параметрів, а не параметрів зведеної форми. Якщо для всіх рівнянь моделі співвідношення (12.10) виконується як нерівність, то система рівнянь є надідентифікованою. Якщо для всіх рівнянь моделі співвідношення (12.10) не виконується, то система рівнянь є неідентифікованою. В цьому випадку необхідно переглянути специфікацію моделі. Економ-на модель, задана системою одночасних рівнянь, називається точно (строго) ідентифікованою (ототожненою), якщо однозначно можна отримати оцінки її параметрів на основі оцінених параметрів зведеної моделі.
79.Непрямий мнк оцінювання параметрів системи одночасних рівнянь.
Даний метод складається для 2 процедур. Спочатку застосовується метод 1 МНК для оцінки параметрів кожного рівня зведеної форми моделі-(Сt=a1\(1-a1)*S+a0\(1-a1)+ut\(1-a1) ma Yt=1\(1-a1)*S+ a0\(1-a1)+ut\(1-a1), Ct-споживчі витрати,Yt-дохід ,St-неспоживч витрати,ut-залишки,t-період часу. Основна особливість такої форми поляг. в результ роз’язув. структ. сист. рівн. відносно поточних значень ендогенних змінних, і зведена форма їх як функції решти змінних моделі так, що кожне рівн. в такій формі має поточне знач. тільки однієї ендогенної змінної. НМНК дає обґрунтовану оцінку параметрів структ. форми моделі, але вона буде мати зміщення в бік зниження її рівня. Тому цей метод застосовується тільки за точної ідентифікованості рівнянь структурної форми.Алгоритм непрямого методу найменших квадратів:Крок 1. Перевіряється умова ідентифікованості для кожного рівняння структурної форми моделі. Якщо кожне рівняння точно ідентифіковане, то переходимо до кроку 2.Крок 2. Кожне рівняння структурної форми розв'язується відносно однієї з k ендогенних змінних моделі, у результаті приходимо до зведеної форми моделі.Крок 3. Застосовуючи 1МНК, визначається оцінка параметрів окремо для кожного рівняння зведеної форми.Крок 4. Розраховується оцінка параметрів рівнянь структурної форми за допомогою співвідношення AR = -В, де А і В — параметри структурних рівнянь, a R — матриця оцінок параметрів зведеної форми.