- •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.
Визначення дисперсії оцінок параметрів та їх стандартних помилок.
Щоб мати загальне судження про якість моделі, визначають стандартну похибку апроксимації:
Незміщена оцінка дисперсії залишків з поправкою на кількість ступенів свободи:
Стандартна похибка коефіцієнта регресії а1 визначається за формулою:
.
Стандартна похибка параметру a0 визначається за формулою:
.
Величина стандартної похибки разом з t-розподілом Ст’юдента при n-2 ступенях свободи застосовуються для перевірки значущості коефіцієнтів регресії і для розрахунку їх довірчих інтервалів.
Стандартна похибка рівняння (точкова оцінка емпіричної дисперсії залишків) характеризує абсолютну величину розкиду випадкової складової рівняння і обчислюється за формулою .
Поправка на число ступенів свободи дає незміщену оцінку дисперсії залишків: . Зрозуміло, що перевага віддається моделям, у яких стандартна похибка рівняння менша порівняно з іншими моделями. Однак така оцінка якості має суттєвий недолік: через те, що для неї не визначено верхню межу, порівняння різних моделей за цим критерієм досить проблематичне.
Білет №22
1. Принципи математичного моделювання.
Сформулюємо принципи, які визначають ті загальні вимоги, яким повинна задовольняти правильно побудована математична модель деякого об’єкта (системи).
Принцип 1. Полярність діалектичної пари «модель — об’єкт». Ця діалектична пара завжди полярна, має два полюси — «модель» і «об’єкт».
Принцип 2. Первинність об’єкта. З двох взаємно пов’язаних полюсів діалектичної пари «модель — (об’єкт) один із них — (об’єкт) є первинним, інший (модель) — похідним від нього.
Принцип 3. Зумовленість моделі об’єктом. Наявність полюсу «модель» зумовлює необхідність наявності полюсу «об’єкт».
Принцип 4. Множинність моделей щодо об’єкта дослідження. Як «модель» для об’єкта, так і «об’єкт» для даної «моделі» семантично та інтерпретаційно багатозначні: «об’єкт» описується не однією, а багатьма «моделями», «модель» віддзеркалює властивості не одного, а багатьох «об’єктів».
Принцип 5. Адекватність. Цей принцип передбачає відповідність моделі меті дослідження, прийнятій системі гіпотез за рівнем складності й організації, а також відповідність реальній системі (об’єкту). Доки не вирішено питання, чи правильно відображає модель досліджувану систему (об’єкт), цінність моделі незначна.
Принцип 6. Спрощення за умови збереження суттєвих (ключових) властивостей об’єкта (системи). Модель повинна бути в деяких аспектах суттєво простішою від прототипу — в цьому власне й полягає сенс моделювання, тобто модель ігнорує несуттєві властивості об’єкта. Цей принцип може бути названий принципом абстрагування від другорядних деталей.
Практичні рекомендації щодо зменшення складності моделі:
зменшення кількості змінних за допомогою виключення несуттєвих змінних або їх об’єднання. зміна природи змінних величин й параметрів. зміна функціональної залежності між змінними. зміна обмежень (збільшення, виключення чи модифікація). обмеження точності моделі. Точність результатів моделі не може бути вищою за точність вхідних даних.
Принцип 7. Блочна побудова. За дотримання цього принципу блочної побудови полегшується розроблення складних моделей і з’являється можливість використання накопиченого досвіду та адаптації готових блоків із мінімально необхідними зв’язками між ними. Виокремлення блоків відбувається з урахуванням розподілення моделі за етапами й режимами функціонування об’єкта (системи).
Складні об’єкти (системи) потребують розроблення цілої ієрархії моделей. Виокремлюють такі рівні, як вся система, підсистеми, підсистеми керування тощо.
Існують різні форми зображення математичної моделі. Найтиповіші групи їх різновидів — інваріантна, алгоритмічна, аналітична, схемна.