- •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.
85.Трьохкроковий метод найменших квадратів
Непрямий і двокроковий методи найм квадр. застосов. для оцінки параметрів кожного окремого рівн. моделі. Трикроковий метой найм квадр. призначений для одночасної оцінки параметрів всіх рівнянь моделі.. три кроковий метод найменш квадр. забезпечує кращу порівняно з двокроковим методом асимптотичну ефективність оцінок лише в тому разі, коли матриця (Значок Смуи=) ) не є діагональною, тобто коли залишки, які входять в різні рівняння моделі, корелюють між собою.Щоб застосувати трикроковий метод найменших квадратів на практиці, необхідне виконання таких вимог:1) усі тотожності, які входять в систему рівнянь, треба виключити, приступаючи до знаходження оцінок параметрів;2) кожне неідентифіковане рівняння також треба виключити з системи;3.) якщо система рівнянь, що залишилась, має точно ідентифіковані і надідентифіковані рівняння, то трикроковий метод оцінки доцільно застосовувати до кожної з цих груп;5) якщо група надідентифікованих рівнянь має тільки одне рівняння, то трикроковий метод перетворюється на двокроковий;6) якщо матриця коваріацій для структурних залишків блочно-діагональна, то вся процедура оцінювання на основі трикро-кового методу найменших квадратів може бути застосована окремо до кожної групи рівнянь, які відповідають одному блоку.
86.Прогноз ендогенних змінних.
Під час побудови економетричних моделей, як правило, ставиться дві основні цілі. Одна ціль полягає в оцінці параметрів структурних рівнянь, а також рівнянь зведеної форми. Друга ціль — дістати за допомогою моделі умовний прогноз залежних змінних за певних припущень відносно майбутніх значень пояснювальних змінних.Якщо необхідно здобути оцінку структурних коефіцієнтів, то, як було сказано вище, треба скористатись обґрунтованим оператором оцінювання. Якщо досліджувача задовольняють коефіцієнти рівнянь зведеної форми, то їх незміщеність і обґрунтованість може бути досягнута під час застосування 1МНК до кожного рівняння, або узагальненого методу найменших квадратів, що базується на процедурі Зельнера, яка дає змогу оцінити декілька зовні не пов'язаних одне з одним рівнянь. Але ні 1МНК, ні метод Зельнера не накладають будь-яких обмежень на параметри зведеної форми, тоді як такі обмеження існують і вони містяться в системі рівнянь, що зв'язує параметри структурної і зведеної форми, тобто матриці R=-A-1-B. Клейн допускає, що коли специфікацію моделі у структурній формі вибрано правильно, то більш ефективно розрахувати спочатку коефіцієнти матриць А і В, а потім оцінити параметри матриці R, тобто він пропонує знаходити оцінку матриці R так – R^=-A^-1B^: Розглянемо прогноз ендогенних змінних при заданих значеннях екзогенних змінних. Точковий прогноз одержати досить просто, підставивши значення екзогенних змінних в приведену форму рівнянь. Тому, якщо позначити через Xf вектор прогнозних екзогенних змінних, то точковий прогноз залежних ендогенних змінних буде визначатись так: Yf= *Xf. Визначення довірчих інтервалів для цього прогнозу залежить від методу, за допомогою якого була отримана матриця R. Якбуло сказано раніше, матриця R може бути отримана на основі застосування 1МНК окремо до кожного рівняння зведеної форми,або як =- -1* , де структурні коефіцієнти оцінені на основідво- або трикрокового методу найменших квадратів. Якщо специфікацію моделі в структурній формі вибрано правильно, то останній спосіб має перевагу. Якщо ж про точну специфікацію моделі не можна сказати нічого конкретного, то краще оцінювати рівняння зведеної форми за допомогою 1МНК. У такому разі
=Y’*X*(X’*X)-1.