- •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.
2. Прогнозування значень залежної змінної.
Економетричне моделювання зв’язку між економічними показниками завжди складаєтьмя з трьох етапів:
побудови економетричної моделі;
перевірки статистичної значущості моделі та оцінювання її параметрів;
прогнозування на основі моделі.
Використаємо модель для знаходження прогнозного значення y0, яке відповідатиме очікуваним значенням матриці незалежних змінних X0.
Розглянемо спочатку точковий прогноз і припустимо, що ми визначили його як деяку лінійну функцію від yi:
де і — номер спостереження ( ); — вагові коефіцієнти значень (їх потрібно вибрати так, щоб значення було найкращим лінійним незміщеним прогнозом).
Оскільки то незміщена точкова оцінка прогнозу
де Х0 — матриця очікуваних значень пояснювальних змінних.
Задаючи X0, підставимо значення цього вектора в побудовану економетричну модель
Щоб дістати інтервальний прогноз, необхідно розрахувати середню похибку прогнозу.
Вона зростає з віддаленням прогнозного значення від відповідного середнього значення вибірки.
Розрахуємо спочатку дисперсію прогнозу.
У матричному вигляді дисперсія похибки прогнозу подається так:
.
Середньоквадратична похибка прогнозу
Довірчий інтервал для прогнозних значень
де t — критичне значення t-критерію при n – m ступенях свободи і рівні значущості .
Зауважимо, що є точковою оцінкою як математичного сподівання прогнозного значення , так і його індивідуального значення для відповідних незалежних змінних , що лежить за межами базового періоду.
Для визначення інтервального прогнозу індивідуального значення необхідно знайти відповідну стандартну похибку:
Отже, інтервальний прогноз індивідуального значення визначається як
або
3. Моделі з порушенням передумов використання звичайного методу найменших квадратів.
Під час реалізації регресійного аналізу за допомогою звичайного МНК особливу увагу необхідно звернути проблеми, пов’язані виконанням необхідних умов для випадкових відхилень, оскільки властивості статистичних оцінок параметрів лінійна регресія (ЛР) перебуває у прямій залежності від цих відхилень. Для одержання якісних статистичних оцінок, необхідно уважно стежити за виконанням передумов,що сформульовані в теоремі Гаусса-Маркова, бо їх порушення, при використанні … дає статистичні оцінки, яким притаманні небажанні властивості.
Однією з передумов Г-М є:
Виконання цієї умови наз.гомоскедастичністю залишків. Порушення цієї умови є головною ознакою наявності гетероскедастичності моделі.
Моделі, для яких не виконуються передумови Г-М можна поділ на 3 групи:
П ерша група:
Вони між собою є парно не корельованими.
В цьому випадку коваріаційна матриця випадкового вектора буде мати вигляд:
Т акі моделі наз економетричними моделями з озн гетероскед залишків.
Д руга група:
Вони є парно корельованими.
В цих моделях між випадковими відхиленнями існує кореляційний зв’язок, хоча дисперсії їх є статистичними величинами.
В цьому випадку коваріаційна матриця випадкового вектора буде мати вигляд:
М атриця є симетричною, тому в цих моделях викор 1МНК не рекомендується внаслідок існування коваріаційних моментів між випадковими залишками.
Третя група:
Для моделей 1-ої групи статистична оцінка параметрів здійснюється шляхом використання ЗМНК, для моделей 2-3-оїгруп – УМНК.
Білет № 28
1. .Випадкові збудники в рівнянні лінійної регресії.
Щоб урахувати наявність впливу факторів, які не входять до економ. моделі, ввод. стохаст. складова U. Математ. аналіз цієї складової дає змогу зробити висновок про те чи можна її вваж. випадковою, чи містить вона системат част. відхилень, яка може бути зумовлена наявністю тих чи інших помилок у моделюванні. У клас. лінійній економ. моделі змінна u інтерпрет. як випадк. змінна, що має розподіл з мат сподів, яке =0, і пост. дисперсією. Це дає змогу розгляд змінну u як стохастичне збурення ( помилку, відхилення). Згідно з цент. Гоаничн. теоремою стохаст. складова економ. моделі розподілена за норм. законом.
Ut- випадкові збурювання ( помилки) , що характеризують відхилення фактичних значень ендогенної змінної від рівняння регресії ( теоретичної залежності). Джерелами виникнення помилок виступають труднощі у вимірювання у вимірі даних (помилки вимірів ендогенних і екзогенних змінних моделі), основна особливість процесу моделювання, яка полягає у тому, що будь-яка модель є спрощенням дійсності, та помилки специфікації моделі( включення несуттєвих регресорів у модель, включення істотних незалежних факторів і т.п).
Причини, що спонук. появу:
1)будь-яка економ. модель. є спрощення реальн. ситуації, яка є переплетінням різних ф-цій, багато яких не можливо врахувати в моделі.2) неправ. вибрана ф-ціон. залежн. внаслілок недостат. дослідження процесу. Так виробн. Ф-ція описує залежність У від Х може бути: У=β0+β1*х, та насправді не лінійна.3)не вірно вибрані пояснювальні змінні.
4) Складна форма зв’язку між цілими компон. подібн. величин.5)помилки при обробці та аналізі стат. даних.
6)будь-ка стат. функція обмежена, опис не перерв. факторами, але при використ. вибірк. даних з дискр. структурою.
7)людський фактор, який не можливо врахувати.