- •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.
35.Суть та наслідки мультикол-сті (м).
М - це існування тісної лінійної залежності, або кореляції, між 2 чи більше пояснювальними змінними. Вона негативно впливає на кількісні характеристики економетр-ї моделі або робить її побудову взагалі неможливою. М пояснюв-х змінних призводить до зміщення оцінок параметрів моделі, через що з їх доп не можна зробити коректні висновки про результати взаємозв’язку залежної і пояснюв-х змінних. Основні наслідки М: 1.Падає точність оцінювання, яка виявляється так: а) помилки деяких конкретних оцінок стають занадто великими; б) ці помилки досить корельовані одна з одною; в) дисперсії оцінок параметрів різко збіл-ся. 2.Оцінки параметрів деяких змінних моделі можуть бути незначущими через наявність їх взаємозв’язку з ін змінними, а не тому, що вони не впливають на залежну змінну. У такому разі множина вибіркових даних не дає змоги цей вплив виявити. 3.Оцінки параметрів стають досить чутливими до обсягів сукупності спостережень. Збіл-ня сукупності спостережень іноді може спричинитися до істотних змін в оцінках параметрів. Тому при побудові економет-ї моделі потрібно мати інформацію про те, що між пояснюв-ми змінними не існує М.
36.Тест-ня наявності мультикол-ті (м) в моделі.
Коли серед парних коефіцієнтів кореляції пояснювальних змінних є такі, рівень яких наближається або = множинному коефіцієнту кореляції, то це означає можливість існування М. Інформацію про парну залежність може дати симетрична матриця коефіцієнтів парної кореляції:
.
Проте якщо в моделі більш як 2 пояснюв-ні змінні, тоді потрібна більш загальна перевірка, яка передбачає знаходження визначника матриці |r| (|r|ϵ[0,1]). Якщо |r|=0, то існує повна М, а коли |r|=1, М відсутня. Якщо в економетр-й моделі знайдено мале значення âk при високому рівні частинного коефіцієнта детермінації R2j і при цьому F-критерій істотно відрізняється від 0, то це також свідчить про наявність М. Також коли R2j, який обчислено для регресійних залежностей між однією пояснювальною змінною та ін, має значення, яке близьке до одиниці, то можна говорити про наявність М.
37.Алгоритм Фаррара-Глобера.
Найповніше дослідити мультик-ть можна за доп алгоритму Ф-Г. Цей алгоритм має 3 види статистичних критеріїв, за якими перевіряється М-ть усього масиву незалежних змінних (2); кожної незалежної змінної з усіма іншими (F-критерій); кожної пари незалежних змінних (t-критерій). Алгоритм Ф-Г скл-ся із 7 кроків: 1.Стандартизація (нормалізація) змінних 2.Знаходження кореляційної матриці. 3.Визначення критерію 2: 2 = -(n-1-1/6*(2m+5))ln|r|. 4.Визначення оберненої матриці. 5.Обчислення F-критеріїв Fk=(ckk -1)*((n-m)/(m-1)). 6.Знаходження частинних коефіцієнтів кореляції:
7.Обчислення t-критеріїв:
38.Методи усунення мультикол-ті.
Найпростіше позбутися М в економетр-ій моделі можна, відкинувши одну зі змінних мульт-ної пари. Але на практиці вилучення якогось чинника часто суперечить логіці ек зв’язків. Тоді можна перетворити певним чином пояснювальні змінні моделі: а)взяти відхилення від середньої; б)замість абсолютних значень взяти відносні; в)стандартизувати пояснювальні змінні г)викор-ти «рідж-регресію». За наявності М змінних потрібно звертати увагу й на специфікацію моделі. Іноді заміна 1єї ф-ії іншою, якщо це не суперечить апріорній інформації, дає змогу уникнути явища М. Коли жодний з цих способів не дає змоги позбутися М, то параметри моделі слід оцінювати за методом головних компонентів. Його ідея полягає в тому, щоб перетворити множину змінних Х на нову множину попарно некорельованих змінних, серед яких перша відповідає макс можливій дисперсії, друга — макс можливій дисперсії в підпросторі, який є ортогональним до першого, і т.д.