- •1.Парна лінійна регресія 26
- •Аналіз якості моделі: перевірка статистичної значущості оцінок параметрів економетричної моделі.
- •Визначення коефіцієнта еластичності
- •3.Методи прогнозування часових рядів: методи соціально - економічного прогнозування.
- •1. Основні задачі економетрії.
- •2. Емпірична модель множинної лінійної регресії.
- •3. Гетероскедастичність і зважений метод найменших квадратів.
- •1. Особливості економічних спостережень і вимірів.
- •2.Парна лінійна регресія.
- •3. Розрахунок довірчих інтервалів для оцінок параметрів із заданою надійністю.
- •Визначення параметрів вибраного рівняння.
- •Визначення коефіцієнта еластичності
- •Розрахунок прогнозного значення регресанду та побудова для нього із заданим рівнем значущості довірчих інтервалів.
- •1.Особливості математичного моделювання
- •2.Проведення кореляційного аналізу за допомогою ms Excel
- •3. Методи прогнозування часових рядів: методи соціально-економічного прогнозування
- •Основні дефініції економіко-математичного моделювання.
- •Узагальнений метод найменших квадратів.
- •Методи прогнозування часових рядів: прогнозування тенденцій часового ряду за аналітичними методами.
- •1.Парна лінійна регресія
- •2.Перевірка статистичної значущості коефіцієнта множинної детермінації за критерієм Фішера
- •3.Перевірка гіпотези про існування тренда
- •1.Сутність моделювання як методу наукового пізнання.???
- •3.Методи прогнозування часових рядів: прогнозування тенденцій часового ряду за механічними методами.
- •Особливості математичного моделювання.
- •2.Проведення кореляційного аналізу за допомогою Microsoft Excel.
- •3.Методи прогнозування часових рядів: методи соціально-економічного прогнозування.
- •1. Етапи економіко-математичного моделювання
- •2. Прогнозування значень залежної змінної
- •3. Гетероскедастичність і зважений метод найменших квадратів
- •Елементи класифікації економіко-математичних моделей
- •2. Специфікація моделі
- •3. Розрахунок прогнозного значення регресанду та побудова для нього із заданим рівнем значущості довірчих інтервалів
- •Принципи математичного моделювання.
- •2.Загальна лінійна економетрична модель.
- •1.Основні дефініції економіко-математичного моделювання
- •2. Узагальнений метод найменших квадратів
- •3. Методи прогнозування часових рядів: прогнозування тенденцій часового ряду за аналітичними методами
- •1.Особливості економічних спостережень і вимірів.
- •2. Економетричний аналіз лінійної функції парної регресії в ms Exel.
- •3.Основні поняття і попередній аналіз рядів динаміки: основні характеристики динаміки часового ряду.
- •Основні задачі економетрії
- •Розрахунок довірчих інтервалів для оцінок параметрів із заданою надійністю
- •Методи прогнозування часових рядів: прогнозування тенденцій часового ряду за середніми характеристиками.
- •1.Парна лінійна регресія
- •2.Перевірка статистичної значущості коефіцієнта множинної детермінації за критерієм Фішера.
- •3.Перевірка гіпотези про існування тренда
- •Метод найменших квадратів
- •Визначення дисперсій оцінок параметрів та їх стандартних помилок.
- •1.Випадкові збудники в рівнянні лінійної регресії.
- •2.Побудова моделі множинної регресії.
- •1.Етапи побудови економетричної моделі.
- •2. Визначення часткових коефіцієнтів еластичності.
- •3. Методи прогнозування часових рядів: прогнозування тенденцій часового ряду за аналітичними методами.
- •2. Емпірична модель множинної лінійної регресії.
- •Визначення параметрів вибраного рівняння
- •Суть гетероскедастичності
- •3.Основні аспекти поняття і попередній аналіз рядів динаміки: основні характеристики динаміки часового ряду
- •1. Аналіз якості моделі: перевірка загальної якості рівняння регресії.
- •2. Моделі з порушенням передумов використання звичайного методу найменших квадратів.
- •3. .Перевірка гіпотези про існування тренда.
- •Аналіз якості моделі: довірчі інтервали для оцінок параметрів економетричної моделі.
- •2.Побудова моделі множинної регресії
- •3.Методи прогнозування часових рядів: прогнозування тенденцій часового ряду за середніми характеристиками.
- •Специфікаціямоделі.
- •Методи прогнозування часових рядів: прогнозування тенденцій часового ряду за аналітичними методами.
- •1. Сутність моделювання як методу наукового пізнання.
- •2.Гомоскедастичні та гетероскедастичні моделі.
- •1.Елементи класифікації економіко-математичних моделей.
- •3.Узагальнений метод найменших квадратів.
- •Особливості математичного моделювання.
- •Аналіз якості моделі: перевірка загальної якості рівняння регресії.
- •Визначення дисперсії оцінок параметрів та їх стандартних помилок.
- •1. Принципи математичного моделювання.
- •2. Економетричний аналіз лінійної функції парної регресії в ms Exel.
- •1.Основні дефініції економіко-математичного моделювання.
- •2. Аналіз якості моделі: перевірка статистичної значущості оцінок параметрів економетричної моделі.
- •3. Перевірка статистичної значущості коефіцієнта множинної детермінації за критерієм Фішера.
- •1. Етапи економіко-математичного моделювання
- •2. Прогнозування значень залежної змінної.
- •3. Моделі з порушенням передумов використання звичайного методу найменших квадратів.
- •2.Умови Гауса-Маркова.
- •3.Загальна лінійна економетрична модель.
- •Основні задачі економетрії
- •Перевірка статистичної значущості коефіцієнта множинної детермінації за критерієм Фішера.
- •Основні поняття та попередній аналіз рядів динаміки: поняття часового ряду
- •1. Сутність моделювання як методу наукового пізнання.
- •2. Умови Гауса-Маркова.
- •3.Методи прогнозування часових рядів: прогнозування тенденцій часового ряду за механічними методами.
- •1. Етапи економіко-математичного моделювання
- •2. Прогнозування значень залежної змінної
- •3. Гетероскедастичність і зважений метод найменших квадратів
- •1.Елементи класифікації економіко-математичних моделей
- •2.Специфікація моделі
- •3.Розрахунок прогнозованого значення регресанту та побудова для нього із заданим рівнем значущості довірчих інтервалів.
- •1. Принципи математичного моделювання.
- •2. Загальна лінійна економетрична модель.
- •3. Основні поняття і попередній аналіз рядів динаміки: систематичні та випадкові компоненти часового ряду.
- •1.Особливості економічних спостережень і вимірів.
- •2. Економетричний аналіз лінійної функції парної регресії в ms Exel.
- •3.Основні поняття і попередній аналіз рядів динаміки: основні характеристики динаміки часового ряду.
- •1. Основні задачі економетрії.
- •2. Розрахунок довірчих інтервалів для оцінок параметрів із заданою надійністю.
Особливості математичного моделювання.
Математична модель економічного об’єкта (системи) — це його спрощений образ, поданий у вигляді сукупності математичних співвідношень (рівнянь, нерівностей, логічних співвідношень, графіків тощо). Головна особливість моделювання полягає у тому, що це метод опосередкованого пізнання за допомогою об’єктів-заміщувачів. Модель постає як своєрідний інструмент пізнання, що його дослідник (системний аналітик) ставить між собою та об’єктом і за допомогою якого вивчає об’єкт, який його цікавить. Саме ця особливість моделювання визначає специфічні форми використання абстракцій, аналогій, гіпотез, інших категорій і методів пізнання. Математична модель кожного об’єкта (процесу, явища) містить у собі три групи елементів: 1) характеристику об’єкта, який потрібно визначити (невідомі величини), — вектор Y = (yj); 2) характеристики зовнішніх (щодо модельованого об’єкта) умов, які змінюються, — вектор X = (xj); 3) сукупність внутрішніх параметрів об’єкта — A.
Особливості економетричного моделювання:
Формування сукупності спостережень(Поняття сукупності спостережень є основою економетричного моделювання. Слід розрізняти одиницю спостереження — джерело даних і одиницю сукупності — носія ознак, які підлягають спостереженню.)
однорідність спостережень (формуючи сукупність спостережень, треба забезпечити порівнянність даних у просторі та часі. Це означає, що дані вихідної сукупності спостережень повинні мати:1) однаковий ступінь агрегування;2) однорідну структуру одиниць сукупності;3) одні й ті самі методи розрахунку показників у часі;4) однакову періодичність обліку окремих змінних;5) порівнянні ціни та однакові інші зовнішні економічні умови.)
Точність вихідних даних (Якщо неточно і неповно визначено змісту показників, невідповідність між вимогами і фактичним змістом, коли не можна точно виміряти економічні процеси та явища, то виникають помилки пов’язані з розрахунком економічних показників)
2.Проведення кореляційного аналізу за допомогою Microsoft Excel.
До складу Microsoft Excel входить набір засобів аналізу даних (так званий пакет аналізу), призначений для вирішення складних статистичних і інженерних задач. Для проведення аналізу даних за допомогою цих інструментів слід зазначити вхідні дані і вибрати параметри;аналіз буде проведений за допомогою відповідної статистичної або інженерної макрофункцій, а результат буде поміщений у вихідний діапазон. Інші засоби дозволяють представити результати аналізу в графічному вигляді.
Графічні зображення використовуються насамперед для наочного подання статистичних даних, завдяки їм істотно полегшується їх сприйняття і розуміння. Істотна їх роль і тоді, коли мова йде проконтроль повноти та достовірності вихідного статистичного матеріалу,що використовується для обробки та аналізу.
Статистичні дані наводяться у вигляді довгих і складних статистичних таблиць, тому буває дуже важко виявити в них наявні неточності і помилки.
Графічне ж подання статистичних даних допомагає легко і швидко виявити нічим не виправдані піки та западини, явно не відповідають зображуваних статистичних даних, аномалії та відхилення.
Графічне представлення статистичних даних є не тільки засобом ілюстрації статистичних даних і контролю їх правильності тад остовірності. Завдяки своїм властивостям воно є важливим засобом тлумачення та аналізу статистичних даних, а в деяких випадках --єдиним і незамінним способом їх узагальнення та пізнання. Зокрема,воно незамінне при одночасному вивченні декількох взаємопов'язаних економічних явищ, тому що дозволяє з першого погляду встановитиіснуючі між ними співвідношення та зв'язку, різниця і подобу, а також виявити особливості їх змін в часі.
Однак, щоб ефективніше використовувати графічні зображення статистичних даних, необхідно оволодіти методикою і технікою їх побудови. До цього слід додати, що побудоване графічне зображення статистичних даних біржових ставок найбільшою мірою відповідає характеру і змісту зображуваних даних та поставленої задачі їх аналізу.
Кореляція - один з інструментів пакету аналізу Microsoft Excel. Використовується для кількісної оцінки взаємозв'язку двох наборів даних,представлених у безрозмірному вигляді. Коефіцієнт кореляції вибірки являє собою коваріації двох наборів даних, поділену на твір їх стандартних відхилень.
Кореляційний аналіз дає можливість встановити асоційовані чи набори даних по величині, тобто: великі значення з одного наборуданих пов'язані з великими значеннями іншого набору (позитивнакореляція), або, навпаки, малі значення одного набору пов'язані з великими значеннями іншого (негативна кореляція), або дані двох діапазонів ніяк не пов'язані (кореляція близька до нуля).
При роботі з числовим редактором Excel коефіцієнт кореляції розраховують за допомогою вбудованої функції КОРРЕЛ (категорія - статистичні).
Синтаксис
КОРРЕЛ(массив1;массив2)
Массив1 - комірка інтервалу значень.
Массив2 - другий інтервал комірок зі значенням.
Примітка: Аргументи повинні бути числами або іменами, масивами або посиланнями, які містять числа.
Для роботи з інструментами аналізу дані слід представити у вигляді рядків або стовбців листа Excel. Сукупність комірок, які містять дані, що аналізуються, називається вхідним діапазоном.