- •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.
3.Узагальнений метод найменших квадратів.
Нехай досліджується лін модель:
з порушенням умов гомоскедастичності, тобто
Д ана матриця є симетричною та додатньо-визначеною матрицею н-го порядку. Тоді для даної матриці існує така невирождена матриця «Пі», для якої:
Здійснюємо наступні перетворення:
л іву і праву частини множимо на :
Введемо умовні позначення:
О держимо рівняння:
П еревірка моделей на гетероскедастичність, в даному випадку, підтверджується. Тому для визначення статистичних оцінок моделей можна викор ЗМНК, для якого:
А ле враховуючи умовні позначення, отримаемо:
Таким чином, одержимо:
Д е
Розглянутий метод перетворень початкової моделі з подальшим використання ЗМНК отримав назву УМНК.
Білет № 21
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)
Аналіз якості моделі: перевірка загальної якості рівняння регресії.
У класичному регресійному аналізі вважається, що функція регресії відома до оцінювання параметрів, тобто регресійна модель специфікована правильно. Однак в емпіричних економічних і соціальних дослідженнях не завжди відомо, скільки факторів має бути введено в модель і яка форма залежності краще описує реальні зв’язки. Щоб забезпечити найбільш адекватне відтворення досліджуваного явища чи процесу необхідно вибрати регресійну функцію серед багатьох варіантів, використовуючи спеціальні критерії якості моделі.
Для перевірки коректності побудови моделі визначають насамперед: . стандартну похибку рівняння; . коефіцієнт детермінації; . коефіцієнт множинної кореляції; . стандартну похибку параметрів.
Стандартна похибка рівняння (точкова оцінка емпіричної дисперсії залишків) характеризує абсолютну величину розкиду випадкової складової рівняння. Коефіцієнт детермінації R2 показує, яка частина руху залежної змінної описується даним регресійним рівнянням. Коефіцієнт множинної кореляції R (R) визначає міру зв’язку залежної змінної з усіма незалежними факторами.