- •Содержание
- •Введение
- •1. Парная корреляция и регрессия
- •1.1. Спецификация модели
- •1.2. Линейная корреляция и регрессия
- •1.3. Нелинейная регрессия
- •1.4. Проверка значимости линейного уравнения регрессии
- •1.5. Корреляция для нелинейной регрессии
- •1.6. Предпосылки метода наименьших квадратов
- •1.7. Обобщенный метод наименьших квадратов
- •2. Множественная корреляция и регрессия
- •2.1. Множественный корреляционный анализ
- •2.2. Спецификация модели
- •2.3. Частные уравнения регрессии
- •2.4. Выбор формы уравнения множественной регрессии
- •Оценка параметров уравнения множественной регрессии
- •2.6. Многошаговый регрессионный анализ
- •3.1.2. Способы выявления структурной неоднородности
- •3.2. Методы последовательного разбиения
- •3.3. Методы многомерной классификации
- •3.3.1. Мера сходства
- •3.3.2. Модели кластерного анализа
- •4.2. Числовые характеристики экономического развития
- •4.3. Состав динамического ряда
- •4.4. Моделирование одномерных динамических рядов
- •4.4.1. Типы экономического развития и их трендовые модели
- •4.4.2. Построение трендовых моделей
- •4.4.3. Сглаживание временных рядов
- •4.4.4. Моделирование тенденции временного ряда при наличии структурных изменений
- •4.4.5. Влияние автокорреляции на структуру временного ряда
- •4.5. Многомерные временные ряды
- •4.5.1. Сущность и особенности многомерных динамических рядов
- •4.5.2. Способы построения множественной регрессионной модели по временным рядам
- •5.1.2. Связь однородности статистической совокупности с типом моделей
- •5.2. Динамическое моделирование взаимосвязей в структурно-однородных совокупностях
- •5.2.1. Методы построения пространственно-динамических
- •Моделей
- •5.2.2. Выбор вида пространственно-динамической модели
- •5.2.3. Динамизация параметров связи
- •5.3.2. Построение динамических моделей на основе временных выборок
- •6. Системы эконометрических уравнений
- •6.1.Общие понятия и способы представления систем эконометрических уравнений
- •6.2. Структурная и приведенная формы модели
- •6.3. Проблемы идентификации структурной модели
- •6.4. Оценка параметров структурной модели
- •6.5. Двухшаговый метод наименьших квадратов
- •7. Динамические эконометрические модели
- •7.1. Общая характеристика моделей с распределенным лагом и моделей авторегрессии
- •7.2. Оценка параметров авторегрессионных моделей
- •7.3. Интерпретация параметров модели с распределенным лагом
- •7.4. Интерпретация параметров модели авторегрессии
- •7.5. Изучение структуры лага и выбор вида модели с распределенным лагом
- •7.6. Лаги Алмон
- •8. Статистическое прогнозирование динамических рядов
- •8.1. Сущность и виды статистических прогнозов
- •8.2. Методы статистического прогнозирования
- •8.2.1. Экстраполяция динамических рядов
- •8.2.2. Прогнозирование на основе экспоненциального сглаживания
- •8.2.3. Прогнозирование на основе регрессионных и авторегрессионных моделей
- •Список литературы
Введение
Математическое обеспечение является одной из основных составляющих современных информационных систем (ИС). Поэтому профессионально грамотное сопровождение всего жизненного цикла ИС требует от специалистов в области прикладной информатики знаний и умений квалифицированного математического моделирования реальных объектов. Эконометрические исследования, как составная часть экономико-математического моделирования, позволяют научно обоснованно анализировать динамику и статику причинно-следственных связей между этими объектами, создавая объективные условия оптимального управления ими.
Эконометрика представляет собой научную дисциплину, предметом изучения которой является количественная сторона экономических явлений и процессов. Эконометрические исследования проводятся на основе конкретного числового материала (в отличие от математической экономики), оценивающего величины факторного признака (причины, независимой величины) и результативного показателя (зависимой величины, отклика), которые далее будут обозначаться, как X и Y соответственно.
Между X и Y возможно существование двух видов связей:
функциональной, когда одному значению X соответствует единственное значение Y (представляется в виде математической формулы);
стохастической – одному значению X соответствует несколько значений Y (проявляется в среднем, т.е. при большом количестве наблюдений и связана с изменением законов распределения случайных величин X и Y).
Объектом эконометрики является система случайных, но объективно существующих, поэтому теоретически обоснованных исследователем связей между социально-экономическими показателями.
Основной инструмент изучения – это эконометрическая (регрессионная) модель, т.е. модель, которая строится с помощью методов математической статистики. Регрессионные модели используется для анализа состояния и изучения динамики (в т.ч. для прогнозирования) микро– и макроэкономических процессов в виде регрессионных уравнений (и уравнений тренда как их разновидности, когда в качестве Х рассматривается время – t) или их систем.
Основные задачи эконометрики:
обоснование процесса принятия управленческих решений и выбор наилучшего альтернативного их варианта;
оценка действий, направленных на повышение эффективности социально-экономических систем;
прогнозирование микро– и макроэкономических факторов.
Система методов эконометрических исследований включает в свой состав экономическую теорию, математическую статистику и теорию вероятностей, статистические методы (сводка, аналитическая группировка, графические методы, дисперсионный анализ, статистические индексы, корреляционно-регрессионный анализ, кластерный анализ, методы исследования динамических рядов и др. [1,7]).
Предлагаемый конспект лекций по дисциплине «Эконометрика» разработан в соответствии с основной целью преподавания данного предмета, заключающейся в подготовке специалистов в области новейших достижений теории, методологии и практики эконометрического моделирования социально-экономических процессов.
Структура и содержание конспекта лекций соответствуют рабочей программе данной дисциплины. В первом и во втором разделах рассмотрены основы корреляционно-регрессионного анализа, в третьем – методы анализа структуры информативной системы признаков. Следующий раздел посвящен проблемам моделирования динамики одномерных и многомерных временных рядов. В пятом разделе излагаются способы построения пространственно-временных моделей. В шестой части конспекта лекций представлены системы эконометрических уравнений и методы оценки их параметров, в седьмой – дана сравнительная характеристика моделей авторегрессии и моделей с распределенным лагом. В заключительной части рассмотрены основные методы статистического прогнозирования.
Более эффективному освоению теоретического материала, представленного в данном конспекте, будет способствовать выполнение соответствующих практических расчетов, алгоритмы которых подробно рассмотрены в методических указаниях «Статистическое моделирование экономических показателей» [2].
При условии выполнения этих требований результатом изучения дисциплины «Эконометрика» будут не только знания общетеоретических основ эконометрии, но и умение строить, анализировать и использовать эконометрические модели в рамках количественного подхода к разработке и принятию управленческих решений.