- •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.
20.Точковий та інтервальний прогноз на основі побудованої моделі лінійної множинної регресії
Прогноз залежної змінної на основі економетричної моделі при заданих залежних змінних можна виконати на основі такого співвіднош-я:
У цьому співвідношенні S( ) є стандартною помилкою прогнозу: ,
де Xp- прогнозні значення незалежних змінних.
21.Значимість економетричної моделі.
Гіпотезу про рівень значущості зв’язку між залежною і пояснювальними змінними можна перевірити за допомогою F-критерію: F=σ^ p2/σ^ u2. При цьому залишки u розподілені нормально, тобто корист-я фундаментальною теоремою про те, що для нормально розподіленої випадкової величини u з нульовою середньою і одиничною дисперсією сума квадратів її n випадково вибраних значень має розподіл χ2 з n ступенями свободи. Фактичне значення F-критерію порівнюється з табличним для ступенів свободи m і n-m і вибраного рівні значущості. Якщо Fфакт>Fтабл, то гіпотеза про істотність зв’язку між залежною і пояснювальними змінними економетричної моделі підтвердж-я, у протилежному випадку -відхиляється.
22.Знач-ть оцінок парам-ів множ лін моделі регресії
Значущість оцінок параметрів моделі можна визначити на основі t-критерію Стьюдента: ,
де сjj - діагональний елемент матриці (X’*X)-1 Знаменник відношення Sаj*âj=(σ2u*сjj)^(1/2) наз-ся стандартною похибкою оцінки параметра моделі. Значення критерію tj порівнюється з табличним при вибраному рівні значущості і n-m ступенями свободи. Якщо tфакт > tтабл , то відповідний параметр економетричної моделі є достовірним і навпаки.
23.Прогнозув залеж змінної на осн-і економ моделі
y^n+1=a0+a1*xn+1+…+a*xm,n+1. За даною формулою отримаємо точковий прогноз. Прогноз залежної змінної на основі економетричної моделі при заданих залежних змінних можна виконати на основі такого співвідношення:
У цьому співвідношенні S(y^ ) є стандартною помилкою прогнозу: ,
де Xp- прогнозні значення незалежних змінних.
25.Поліноміальна модель. Визнач-я вектора * статист аналіз моделі
Загальний запис цієї моделі: yi=β0+ β1*xi+ β2*xi2+ β3*xi3+…+ βm*xim+εi, i= , де εi, i= задовольняють умови використання звичайного МНК. У векторно-матричному вигляді: =X* + , де
, , , Статистичним образом моделі буде модель: yi=β*0+ β*1*xi+ β*2*xi2 +β*3*xi3 +…+ β*m*xim +εi, i= . У цій моделі β*0, β*1, β*2, β*3,…,β*m є точковими незміщеними статистичними оцінками для теоретичних β0, β1, β2, β3,…,βm. Використовуючи звичайний МНК, дістанемо *=(X’*X)-1*X’*
26.Гіперболічна модель. Визнач-я вектора * статист аналіз моделі
Загальний запис цієї моделі: yi=β0+ β1*1/xi+εi, i= . У векторно-матричному вигляді =X* + , де
, , , Статистичним образом моделі буде модель =X* *+ . У цій моделі β*0, β*1, β*2, β*3,…,β*m є точковими незміщеними статистичними оцінками для теоретичних β0, β1, β2, β3,…,βm. Використовуючи звичайний МНК, дістанемо *=(X’*X)-1*X’* .