- •1.Сутність економіко-математичної моделі.
- •2.Необхідність використання математичного моделювання економічних процесів.
- •3.Етапи математичного моделювання.
- •4.Випадковість і невизначеність процесів економічних систем.
- •5.Причини виникнення невизначеності.
- •6.Сутність адекватності економіко-математичних моделей.
- •7.Проблеми оцінювання адекватності моделі.
- •8.Способи перевірки адекватності економіко-математичних моделей.
- •9.Елементи класифікації економіко-математичних моделей.
- •10.Загальна постановка задачі математичного програмування Приклади економічних задач математичного програмування.
- •11.Класифікація задач математичного програмування.
- •12.Загальна постановка задачі лінійного програмування. Приклади економічних задач лінійного програмування.
- •13.Канонічна та стандартна форми задачі лінійного програмування.
- •14.Властивості розв’язків задачі лінійного програмування. Геометрична інтерпретація задач лінійного програмування.
- •15.Означення планів задачі лінійного програмування (допустимий, опорний, оптимальний).
- •16.Ідея симплексного методу розв’язування задач лінійного програмування.
- •17.Побудова початкового опорного плану задачі лінійного програмування.
- •18.Перехід від одного опорного плану до іншого опорного плану.
- •19.Теореми про оптимальність розв’язку задачі лінійного програмування симплекс-методом.
- •20.Симплексна таблиця для розв’язування задач лінійного програмування.
- •21.Алгоритм симплексного методу задач лінійного програмування.
- •22.Симплексний метод із штучним базисом.
- •23.Особисті випадки при вирішенні задач лінійного програмування.
- •24.Двоїста задача. Економічний зміст двоїстої задачі й двоїстих оцінок.
- •25.Правила побудови двоїстої задачі. Симетричні й несиметричні двоїсті задачі.
- •26.Перша теорема двоїстості.
- •27.Друга теорема двоїстості.
- •28.Економічна інтерпретація теорем двоїстості.
- •30.Аналіз розв’язків лінійних економіко-математичних моделей. Оцінка рентабельності продукції. Доцільність введення нової продукції.
- •31.Аналіз обмежень дефіцитних і недефіцитних ресурсів.
- •32.Аналіз коефіцієнтів цільової функції задач лінійного програмування.
- •33.Цілочислове програмування. Область застосування цілочислових задач в плануванні й управлінні виробництвом.
- •50. Множинний коефіцієнт кореляції:
- •64.Визначення мультиколінеарності в лінійних моделях.
- •65.Суть гетероскедастичності та її наслідки.
- •66.Тест Гельдфельда-Квандта.
- •67.Узагальнений метод найменших квадратів.
- •68.Суть та наслідки автокореляції залишків.
- •69.Критерій Дарбіна-Уотсона.
- •70.Оцінювання параметрів моделі з автокорельованими залишками.
- •71.Ризик, невизначеність та конфліктність розвитку соціально-економічних процесів
- •72.Ризик як економічна категорія. Джерело, об`єкт та суб`єкт економічного ризику.
- •73.Зовнішні та внутрішні чинники ризику.
- •74.Класифікація ризику.
- •75.Основні підходи до кількісного аналізу ризику.
- •76.Аналіз ризику за допомогою методу аналізу чутливості.
- •77.Аналіз ризику можливих збитків.
- •78.Допустимий, критичний, катастрофічний ризик. Приклади кількісного визначення цих величин.
- •79.Загальні підходи до кількісного оцінювання ступеня ризику.
- •80.Імовірність як один з підходів до оцінювання ступеня ризику.
- •81.Кількісні показники ступеня ризику в абсолютному вираженні.
- •82.Ризик як міра мінливості результату.
- •83.Семіваріація та семіквадратичне відхилення.
- •84.Кількісні показники ступеня ризику у відносному вираженні.
- •85.Коефіцієнт сподіваних збитків.
- •86.Коефіцієнти асиметрії та варіації асиметрії.
- •87.Коефіцієнт ексцесу та варіації ексцесу.
- •88.Визначення меж зон допустимого, критичного та катастрофічного ризиків.
- •93.“Систематичний ризик” та “специфічний ризик”.
- •94.Основні принципи управління економічним ризиком.
- •95.Зовнішні та внутрішні способи зниження ступеня ризику.
64.Визначення мультиколінеарності в лінійних моделях.
Якщо порушується одна з умов, необхідних для застосування 1МНК (метод найменших квадратів), що стосується матриці даних Х, а саме: коли між пояснювальними змінними існує лінійна залежність, то це явище називається мультиколінеарністю. Мультиколінеарність — це існування тісної лінійної залежності, або сильної кореляції, між двома чи більше пояснювальними змінними. Вона негативно впливає на кількісні характеристики економетричної моделі або робить її побудову взагалі неможливою. Так, мультиколінеарність пояснювальних змінних призводить до зміщення оцінок параметрів моделі, а це означає, що за їх допомогою не можна зробити коректні висновки про результати взаємозв'язку залежної та пояснювальних змінних. Одна з найважливіших причин виникнення мультиколінеарності – використання малої скінченої сукупності спостережень. Друга причина пов’язана з наявністю вираженої тенденції зміни пояснювальних змінних у часі, наприклад зростання значень двох чи більше пояснювальних змінних або ж зростання значень однієї пояснювальної змінної і зменшення іншої навіть тоді, коли економічна теорія не передбачає такої зміни.
65.Суть гетероскедастичності та її наслідки.
Якщо дисперсія залишків змінюється для кожного спостереження або групи спостережень, тобто М(ии’) = σ2иS, то це явище називається гетероскедастичністю.
За наявності гетероскедастичності оцінки параметрів, отримані Методом найменших квадратів, як правило, залишаються незміщеними, обґрунтованими, але неефективними.
Дисперсія оцінок параметрів простої лінійної моделі.
У цих співвідношеннях дисперсія залишків є сталою, тому вона винесена за знак суми. За гетероскедастичності вона зростатиме. Це означає, що буде зростати дисперсія оцінок параметрів моделі, яка приводить до збільшення їхніх стандартних похибок.
66.Тест Гельдфельда-Квандта.
Параметричний тест Гольдфреда-Квандта складається з 5 етапів:
Спостереження (вихідні дані) впорядковуються відповідно до величини елементів вектора Хj , який може викликати зміну дисперсії залишків.
Відкидається с спостережень, які містяться всередині векторів вихідних даних, де
с/n=4/15
Будуються дві економетричні моделі на основі 1МНК (метод найменших квадратів) за двома створеними сукупностями спостережень обсягу (n-c)/2 за умови, що (n-c)/2 перевищує кількість змінних m.
Обчислюється сума квадратів залишків за першою S1 та другою S2 моделями:
S1=u2’ u1
u1 – залишки за моделлю, побудованою за першою сукупністю спостережень.
S2=u2’ u2
u2 – залишки за моделлю, побудованою за другою сукупністю спостережень.
Відшукується критерій R*= S2 / S1 який в разі виконання гіпотези гомоскедастичність відповідатиме F-розподілу з γ1= (n-c-2m)/2, γ2= (n-c-2m)/2 ступеням свободи.
Обчислене значення критерію порівнюється з табличним значенням F-критерію за вибраного рівня довіри і відповідних ступенів свободи. Якщо R*≤ Fтабл, то гетероскедастичність відсутня.
Непараметричний тест Гольдфреда-Квандта базується на кількості піків величини залишків після упорядкування спостережень Xіj. Якщо для всіх значень змінної Xіj залишки розподіляються приблизно однаково, то дисперсія їх однорідна, у протилежному разі вона змінюється.