- •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
Якщо побудована модель адекватна за F-критерієм, то її застосовують для прогнозування залежної змінної.
Про прогнозування регресанда говорять тоді, коли в часових рядах прогнозний період настає пізніше, ніж базовий. Якщо регресія побудована за просторовими даними, прогноз стосується тих елементів генеральної сукупності, що перебувають за межами застосованої вибірки.
Якість прогнозу тим краща, чим повніше виконуються передумови моделі в прогнозний часовий період, надійніше (вірогідніше) оцінено параметри моделі й більш точно визначено прогнозні значення регресорів.
Значення ŷр для майбутнього періоду чи додаткового елемента обчислюють за формулою (3.1) за відомим вектором оцінених параметрів і за вектором значень незалежних змінних , що не належать до базового періоду Розрізняють прогноз середній (оцінку математичного сподівання регресанда) та індивідуальний (оцінку певної реалізації регресанда ур, що відповідає моменту р). Перша з них базується на передумові МНК про нульове математичне сподівання випадкової складової рівняння регресії, а друга застосовує оцінене значення . Оцінену дисперсію прогнозу обчислюють відповідно за формулами
Зрозуміло, що здебільшого реальне значення показника уt не збігатиметься зі значенням його математичного сподівання, але якщо розглядати велику кількість вибірок, на підставі яких визначатиметься прогноз, то можна гарантувати, що приблизно (1 - а) • 100 % результатів потраплять відповідно до інтервалів
де — табличне значення критерію Стьюдента з п- т -1 ступенями свободи та при заданому рівні значущості α/2. (Значення α/2 вибирають, як і раніше, через двосторонні критичні межі.)
Очевидно, з віддаленням від середнього значення вибірки спостережень похибка прогнозу зростатиме, що призведе до збільшення довірчого інтервалу для індивідуального значення залежної змінної.
3. Гетероскедастичність і зважений метод найменших квадратів
Якщо дисперсія залишків змінюється для кожного спостереження або групи спостережень, тобто , то це явище називається гетероскедастичністю.
Якщо існує гетероскедастичність залишків, то це спричинюється до того, що оцінки параметрів моделі 1МНК будуть незміщеними, обгрунтованими, але неефективними.
Наявність гетероскедастичності спричиняє порушення властивостей оцінок параметрів моделі при розрахунку їх за методом 1МНК. Тому завжди виникає необхідність вивчати це явище, і, якщо воно існує, для оцінки параметрів моделі використовувати узагальнений метод найменших квадратів (метод Ейткена).
Для визначення гетероскедастичності застосовуються чотири критерії:
1) критерій ;
2) параметричний тест Гольдфельда-Квандта;
3) непараметричний тест Гольдфельда-Квандта;
4) тест Глейсера.
Зважений метод найменших квадратів:
Даний метод застосовується при відомих для кожного спостереження значеннях В цьому випадку можна усунути гетероскедастічність. розділивши кожне спостережуване значення на відповідне йому значення дисперсії. В цьому суть методу зважених найменших квадратів.
Білет № 34