- •Загальні поняття економетричних моделей. Задачі економетрії.
- •Кореляційно-регресійний аналіз в економіці. Функціональний та кореляційний зв’язки.
- •2) Визначення тісноти зв'язку (задача кореляційного аналізу).
- •Функція регресії. Регресор. Регресат. Причини обов'язкової присутності в регресійних моделях випадкового фактора.
- •Просторові дані. Часові ряди. Особливості часових рядів. Кореляційне поле.
- •Застосування методу Фостера-Стюарта з метою виявлення закономірного зв’язку між змінними
- •Методи вибору найкращої функції регресії
- •Економетрична модель. Специфікація моделі регресії.
- •Економетрична модель. Параметризація рівняння регресії.
- •Моделі часових рядів. Регресійні моделі з одним рівнянням.
- •Моделі часових рядів. Системи незалежних, рекурсивних, взаємозалежних рівнянь.
- •Порівнянність та однорідність даних. Повнота даних та стійкість.
- •Сутність методу найменших квадратів
- •Застосування методу максимальної правдоподібності з метою оцінювання параметрів економетричної моделі
- •Поняття кореляція. Кореляційний момент або коваріація. Коефіцієнт кореляції. Вибірковий кореляційний момент. Стандартна похибка.
- •Якісна оцінка коефіцієнтів кореляції за шкалою Чеддока. Розподіл Фішера-Іейтса.
- •Поняття кореляції. Оцінка значимості коефіцієнта кореляції з використанням t-критерію Стьюдента.
- •Матриця коефіцієнтів парної кореляції. Вибірковий коефіцієнт множинної кореляції та коефіцієнт детермінації. Вибірковий частинний коефіцієнт кореляції.
- •Проблема мультиколінеарності. Застосування алгоритму Фаррера-Глобера.
- •Індекс кореляції. Методика розрахунку кореляційного відношення.
- •Побудова економетричної моделі на основі покрокової регресії.
- •«Істинне» рівняння регресії. Парна регресія. Систематична та випадкова складові.
- •Умови Гаусса-Маркова.
- •Властивості оцінок параметрів регресійного рівняння: незміщеність, обґрунтованість, ефективність та інваріантність.
- •Оцінки найменших квадратів. Верифікація моделі. Стандартна похибка рівняння. Оцінений коефіцієнт детермінації.
- •Оцінки найменших квадратів. Перевірка значущості та довірчі інтервали. Прогнозування за лінійною моделлю.
- •Множинна регресія. Специфікація багатофакторної моделі. Помилки специфікації множинної регресії.
- •Мультиколінеарність. Практичні наслідки мультиколінеарності та методи її усунення.
- •Оцінка якості моделі множинної регресії. Перевірка виконання передумов мнк. Перевірка гіпотези про нормальний розподіл залишків регресії
- •Етапи побудови економетричної моделі.
- •Оцінка якості прогнозів за регресійними моделями
- •Нелінійна регресія відносно пояснюючих змінних. Нелінійна регресія по параметрам, що оцінюються. Внутрішньо лінійна та нелінійна функції.
- •Особливості параметризації нелінійної регресії. Вибір аналітичної форми дослідження.
- •Фіктивні змінні. Ілюстрація використання фіктивної змінної. Множинні сукупності фіктивних змінних.
- •Оцінка якості моделі. Дослідження відповідності моделі емпіричним даним. Оцінка точності моделі.
- •Поняття гомоскедастичності та гетероскедастичності залишків. Наслідки порушень припущення про гомоскедастичність.
- •Методи виявлення гетероскедастичності. Тест Голдфельда-Квандта. Тест рангової кореляції Спірмена.
- •Трансформування початкової моделі з гетероскедастичністю.
- •Зважений метод найменших квадратів.
- •Оцінювання параметрів регресії за допомогою узагальненого методу найменших квадратів (методу Ейткена).
- •Поняття автокореляції. Автокореляція залишків. Лагові затримки.
- •Природа автокореляції та її наслідки. Методи усунення автокореляції.
- •Тестування наявності автокореляції. Критерій Дарбіна-Уотсона. Критерій фон Неймана.
- •Коефіцієнти автокореляції та їх застосування. Автокореляційна функція та корелограма.
- •Оцінка параметрів моделі з автокорельованими залишками. Метод Ейткена.
- •Оцінка параметрів моделі з автокорельованими залишками. Метод Кочрена-Оркатта.
- •Прогноз на основі моделі з автокорельованими залишками.
- •Узагальнені економетричні моделі.
- •Поняття лагу і лагових змінних.
- •Дистрибутивно-лагові моделі. Авторегресійні моделі.
- •Моделі розподіленого лагу. Узагальнена модель розподіленого лагу.
- •Оцінка параметрів лагових моделей. Метод послідовного збільшення кількості лагів.
- •Перетворення Койка (метод геометричної прогресії).
- •Модель адаптивних сподівань. Модель часткового коригування.
- •Оцінювання параметрів методом Ейткена.
- •Динамічний та часовий ряди. Систематичні та випадкові компоненти часового ряду. Стаціонарність часового ряду.
- •Фільтрація компонент часового ряду. Ts, ds, тренд-сезонні, нелінійні часові ряди.
- •Дослідження автокореляційної функції часового ряду.
- •Методи фільтрації сезонної компоненти.
- •Прогнозування тенденції часового ряду за механічними методами та аналітичними методами.
- •Адаптивні методи прогнозування.
- •Метод декомпозиції часового ряду. Розрахунок сезонної хвилі.
- •Системи одночасних економетричних рівнянь. Ендогенні та екзогенні змінні.
- •Структурна та зведена форми економетричної моделі. Повна економетрична модель.
- •Ідентифікованість моделі. Необхідна та достатня умови ідентифікованості системи.
- •Непрямий метод найменших квадратів.
- •Двокроковий та трикроковий методи найменших квадратів.
- •Прогноз ендогенних змінних і загальні довірчі інтервали.
Поняття лагу і лагових змінних.
Для багатьох економічних процесів типово, що ефект від впливу деякого фактора на показник, який характеризує процес, виявляється не одразу, а поступово, через деякий час або протягом деякого часу. Таке явище називається запізнюванням (затримкою), а проміжок часу, у який спостерігається це запізнювання, – часовим лагом, або просто лагом.
Наприклад, функція споживання після різкої зміни доходу також змінюється, але не пропорційно до доходу. Зокрема, зі збільшенням доходу витрати значно зростають (задовольняються нагальні потреби), а потім можуть зменшуватися за рахунок збільшення інвестицій (плануються великі витрати і достають нагромадження, а споживання зменшується). Вкладання коштів у наукові дослідження не одразу впливає на зростання продуктивності праці – має пройти певний час від виникнення наукової ідеї до її впровадження у виробництво. Капітальне будівництво також не дає миттєвих прибутків і т. ін.
Моделі, у яких досліджуваний показник у момент часу і визначається не лише поточними, а й попередніми значеннями незалежних змінних, називаються дистрибутивно-лаговими:
, (8.1)
Моделі, у яких досліджуваний показник у момент часу визначається своїми попередніми значеннями, називаються авторегресійними або динамічними моделями. Наприклад,
, (8.2)
Якщо в економетричній моделі незалежні змінні використовують за кілька попередніх періодів, то такі моделі називають моделями з кінцевим лагом (скінченними моделями). Якщо вилив незалежної змінної не обмежується певним періодом, розглядають нескінченні лагові моделі.
Звичайно, нескінченна лагова модель більш загальна, однак практичне застосування такої моделі досить проблематичне через велику кількість факторів, складність внутрішньої Структури та обмеженість часових рядів інформаційної бази моделей.
Коефіцієнти називаються коефіцієнтами лага,
а послідовність – структурою лага.
Дистрибутивно-лагові моделі, які ще називають моделями розподіленого лага. Задовільно описують економічні процеси лише в стабільних (незмінних) умовах. Необхідність враховувати ще й поточні умови функціонування вимагає застосування узагальнених моделей.
Якщо економетрична модель містить не лише лагові змінні, а й змінні, що безпосередньо впливають на досліджуваний показник (тобто містить й поточні умови функціонування), то така модель називається узагальненою моделлю розподіленого лага:
, (8.3)
Оцінювання параметрів таких рівнянь ускладнюється обмеженнями, що накладаються на коефіцієнти при лагових змінних.
Дистрибутивно-лагові моделі. Авторегресійні моделі.
Для багатьох економічних процесів типово, що ефект від впливу деякого фактора на показник, який характеризує процес, виявляється не одразу, а поступово, через деякий час або протягом деякого часу. Таке явище називається запізнюванням (затримкою), а проміжок часу, у який спостерігається це запізнювання, – часовим лагом, або просто лагом.
Моделі, у яких досліджуваний показник у момент часу і визначається не лише поточними, а й попередніми значеннями незалежних змінних, називаються дистрибутивно-лаговими:
, (8.1)
Моделі, у яких досліджуваний показник у момент часу визначається своїми попередніми значеннями, називаються авторегресійними або динамічними моделями. Наприклад,
, (8.2)
Якщо в економетричній моделі незалежні змінні використовують за кілька попередніх періодів, то такі моделі називають моделями з кінцевим лагом (скінченними моделями). Якщо вилив незалежної змінної не обмежується певним періодом, розглядають нескінченні лагові моделі.
Звичайно, нескінченна лагова модель більш загальна, однак практичне застосування такої моделі досить проблематичне через велику кількість факторів, складність внутрішньої Структури та обмеженість часових рядів інформаційної бази моделей.
Коефіцієнти називаються коефіцієнтами лага,
а послідовність – структурою лага.
Дистрибутивно-лагові моделі, які ще називають моделями розподіленого лага. Задовільно описують економічні процеси лише в стабільних (незмінних) умовах. Необхідність враховувати ще й поточні умови функціонування вимагає застосування узагальнених моделей.