- •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.
Метод декомпозиції часового ряду. Розрахунок сезонної хвилі.
Очевидно, реальні дані цілковито не відповідають лише одній із наведених функцій, тож часовий ряд , можна уявити у вигляді розкладення:
, (9.3)
або різноманітних поєднань окремих функцій. Однак завжди припускають обов’язкову наявність випадкової складової. Розкладення (декомпозиція) часового ряду відбувається за такими варіантами моделей:
модель тренду , ; (9.4)
модель сезонності , ; (9.5)
тренд-сезонна модель , . (9.6)
Моделі тренду й сезонності (тренд-сезонні) можуть відображати як відносно постійну сезонну хвилю (цикл), так і динамічно змінювану залежно від тренду. Перша форма – (9.3–9.6) належить до адитивних, друга ( , , (9.7)) – до мультиплікативних моделей.
Тренд у чистому вигляді необхідний і для аналізу динаміки сезонної хвилі. Оскільки індекси сезонності сезонної хвилі величини безрозмірні і не змінюються з року в рік, то їх можна використовувати для визначення рівня сезонності у часовому ряду. У разі використання квартальних даних їх буде чотири, а місячних спостережень – 12.
В статистике периодические колебания, которые имеют определенный и постоянный период, равный годовому промежутку, носят название "сезонные колебания" или "сезонные волны", а динамический ряд в этом случае называют сезонным рядом динамики.
Системи одночасних економетричних рівнянь. Ендогенні та екзогенні змінні.
Наявність прямих і зворотних зв’язків між економічними показниками вимагає побудови економетричної моделі на основі системи рівнянь.
економетрична модель містить сукупність рівнянь, які описують зв’язки між економічними показниками. Взаємозв’язки між змінними можуть мати стохастичний і детермінований характер. Стохастичні зв’язки реалізуються з деяким рівнем імовірності і описуються регресійними рівняннями. Детерміновані співвідношення виражаються тотожностями і не містять випадкових величин.
Системи одночасових структурних рівнянь, як правило, включають лінійні рівняння. Нелінійність зв’язків здебільшого апроксимується лінійними співвідношеннями. Динаміка економічних зв’язків враховується за допомогою часових лагів, або лагових змінних.
Запишемо економетричну модель на основі системи одночасових рівнянь:
(10.1)
У цій моделі =1. Окремі коефіцієнти ..., , ..., можуть дорівнювати нулю, якщо відповідна змінна не входить до рівняння. Залишки , де s = 1,2, ..., k, також можуть дорівнювати нулю, якщо відповідне рівняння є тотожністю. Систему (10.1) можна переписати в матричній формі
(10.2)
де Y – вектор ендогенних залежних змінних;
X – матриця екзогенних пояснювальних змінних;
u – вектор залишків;
A – матриця коефіцієнтів при змінних Y розміром k × k;
B – матриця коефіцієнтів при змінних X розміром k × m;
Змінні, які містяться в правій частині системи рівнянь, є наперед заданими (вхідними) і називаються екзогенними, а змінні, які містяться в лівій частині, знаходяться в результаті реалізації моделі і називаються ендогенними. Отже, змінна у є ендогенною для одного рівняння і одночасно екзогенною для іншого.