10. Макроэкономическая политика государства: кейнсианская и классическая модели.

Макроэкономическая политика - действия государства, направленные на регулирование экономики c целью поддержания ее темпов экономического роста, полной занятости и ограничения инфляции. Основной задачей макроэкономической политики является баланс между безработицей и инфляцией .Классическая экономическая теория - направление в экономической теории, основанное А.Смитом, развитое Т.Мальтусом, Д.Рикардо, Д.С.Миллем, А.Маршаллом и А.Пигу. В классической экономической теории экономика обладает способностью к саморегулированию и полному использованию своих ресурсов, а любое производство организуется для того, чтобы увеличить потребление.

Классическая модель равновесной динамики основана на механизме ценового взаимодействия совокупного спроса и совокупного предложения. В ее основе находился "закон Сэя" (французский экономист начала XIX в.), согласно которому предложение товаров создает свой собственный спрос.После Великой депрессии ЗО-х гг. классическая модель потерпела крах. Ее механизм не сработал. Возникала потребность в такой макроэкономической концепции (модели), которая могла бы взять новую теоретическую высоту - объяснить рыночные процессы неценовым механизмом. Кейнсианская экономическая теория - совокупность макроэкономических концепций, в соответствии с которыми современная рыночная экономика сама по себе не обеспечивает полное использование своих ресурсов, и для достижения их полной занятости следует применять фискальную и кредитно-денежную политику. Модель равновесной динамики рыночной экономики была предложена Дж. М. Кейнсом.

Кейнс внес большой вклад в экономическую пауку, дав, в частности, новую интерпретацию классической макроэкономической зависимости ("сбережения" = "инвестиции"). Кейнсианский подход исходил из приоритета совокупного спроса. Появилась необходимость в такой политике, которая бы стимулировала эффективный спрос, приближая его к размеру потенциального. Таким образом, в кейнсианской модели основу механизма равновесной динамики составляла связь "доходы -" спрос", а не "доходы -> сбережения", как это было в классической модели. Более того, Кейнс отверг основной вывод классической модели о свободном ценообразовании как главном инструменте достижения рыночного равновесия. В результате цены становятся малоподвижными (особенно в краткосрочном периоде) и дезориентируют предпринимателей при решении вопроса об изменении объема производства. На место цены Кейнс выдвинул "объем продажи" как показатель, выполняющий в условиях деформированной рыночной экономики функции, аналогичные функциям цепы в свободной ("классической") рыночной экономике.

11. Классическая модель парной линейной регрессии: предпосылки регрессионного анализа, оценка параметров и их достоверности. Построение и оценка достоверности прогноза.

Связи между эк. показателями бывают статистические и функциональные.

Функциональная – значение одного показателя обусловлено значением другого.

Статистическая – каждому значению одной переменной соответствует мн-во значений другой.

Статистическая связь бывает 2-х видов:

1. неизвестно какая переменная является независимой, а какая зависимой (корреляционная связь, переменные равноправны)

2. четко известно какая переменная зависима, а какая независима, т.е. определены причинно-следственные связи, => должно быть оценено уравнение регрессии.

Уравнение регрессии – это формула статистической связи между переменными. Если эта формула линейна, то речь идет о линейной регрессии. Формула стат. связи двух переменных наз-ся парной регрессией, зависимость от нескольких переменных – множественной регрессией.

Выбор формулы связи называется спецификацией уравнения регрессии.

Y=аbхe

Задача эконометрики состоит в определении оценок параметров a и b. Оценка значений параметров называется параметризацией уравнения регрессии. Необходимо получать несмещенные оценки параметров. наиболее подходящий способ – МНК.

e_i = y_i - (e_i – остаток/возмущение)

b – коэффициент наклона. Показывает на сколько единиц изменится зависимая переменная, если независимая изменится на 1.

а – не имеет экономической интерпретации.

Основные предпосылки регрессионного анализа

1. В регрессионной модели y_i и e_i есть величины случайные, а объясняющая переменная x_i – величина неслучайная.

2. Математическое ожидание остатка е_i равно 0

3. Дисперсия остатка е_i постоянная для любого i – условие гомоскедастичности.

4. Отсутствие автокорреляции в остатках - значения остатков e_i распределены независимо друг от друга;

5. Остатки e_i есть нормально распределенные величины.

Оценка достоверности параметров уравнения

Если уравнение регрессии построено по выборочным данным, то оно является, лишь оценкой генерального уравнения.

Для парной линейной регрессии является оценкой .

Выборочные оценки параметров и уравнение в целом могут оказаться незначимыми для генеральной совокупности в силу ошибок выборки, поэтому необходима проверка их достоверности (значимости).

Проверка достоверности уравнения в целом проводится на основе дисперсионного анализа по критерию F-Фишера. Если уравнение регрессии в целом значимо, то имеет смысл оценить значимость его параметров по t-критерию Стьюдента.

Дисперсионный анализ: предположим, что уравнение будет не значимо для генеральной совокупности (нулевая гипотеза Н₀: σ ²_регр. = σ ²_ост.,) > разложение общего объема вариации > определяем число степеней свободы -> Рассчитываем выборочные несмещенные оценки дисперсий > 6. Определяем фактическое значение F-критерия Фишера > Определяем критическое (табличное) значение критерия > Если фактич. значение > теоретического, то принимается альтернативная гипотеза и уравнение в целом значимо для генеральной совокупности.

Т-тест: Формулируются рабочая и альтернативная гипотезы ( ; ) > Выбирается уровень значимости критерия . > Рассчитываются средние ошибки выборочных характеристик ( ) > Определяются фактические значения t-критерия: , , > Определяется критическое значение > Фактические значения сравниваются с критическими. Если tфакт>tкрит, то принимается Ha (параметры значимы). Если tкрит>tфакт, то принимаем Ho. Если параметры уравнения оказались значимыми, то возможна их интерпретация и распространение выводов на генеральную совокупность.

Построение и оценка прогноза.

Различают точечный и интервальный.

Точечный – значение у определяется путем подстановки соответствующего значения х в уравнение регрессии.

Как правило, применяется интервальный прогноз.

Интервальный прогноз. Рассчитывается стандартная ошибка , т.е. , и соответственно интервальной оценкой прогнозного значения : , где , а – средняя ошибка прогнозируемого индивидуального значения: