- •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.
Структурна та зведена форми економетричної моделі. Повна економетрична модель.
Економетрична модель у вигляді (10.1) безпосередньо відображає структуру зв’язків між змінними і тому називається структурною формою економетричної моделі.
Структурна форма економетричної моделі описує одно- та багатосторонні стохастичні причинні співвідношення між економічними величинами в їх безпосередньому вигляді. Вона містить усю суттєву інформацію про залежності між економічними явищами та процесами. Кожне співвідношення такої системи (рівняння чи тотожність) має певну економічну інтерпретацію.
Економетрична модель називається повною, якщо:
а) вона охоплює змінні, що суттєво впливають на спільно залежні змінні, а вектор залишків має випадковий характер;
б) містить стільки рівнянь, скільки в ній є спільно залежних змінних, тобто кожна залежна змінна пояснюється окремим рівнянням;
в) система рівнянь має однозначний розв'язок відносно спільно залежних змінних, тобто матриця (E – A) в моделі (10.2) невироджена (має відмінний від нуля визначник).
Повна модель застосовується у випадках, коли необхідно кількісно описати економічне явище чи процес або спрогнозувати їх розвиток.
Якщо економетрична модель застосовується не для аналізу системи, а для передбачення чи оцінювання параметрів, структурна форма моделі неприйнятна. Алгебраїчними перетвореннями систему структурних рівнянь зводять до форми, у якій кожне рівняння містить лише одну ендогенну змінну, яка є функцією від екзогенних змінних. Така форма рівнянь називається зведеною.
Зведену форму рівнянь можна назвати скороченою. Це пов'язано з тим, що при певних перетвореннях багато окремих економічних залежностей можуть бути виключені з розгляду, а отже, загальна кількість рівнянь може скоротитися.
Внаслідок таких перетворень зведена форма рівнянь, на відміну від структурної, не має ні безпосередньої, ні будь-якої економічної інтерпретації. Рівняння у зведеній формі дають змогу передбачити, як зміниться значення ендогенної змінної, якщо змінюватимуться значення екзогенних змінних, однак па підставі цих рівнянь неможливо пояснити, як і чому це відбувається. Саме через це зведену форму рівнянь називають також прогнозною.
Ідентифікованість моделі. Необхідна та достатня умови ідентифікованості системи.
Щоб передбачити можливі варіанти розв'язання задачі оцінювання параметрів системи одночасних рівнянь, необхідно попередню дослідити модель, а саме перевірити ідентифікованість системи. Під проблемою ідентифікації розуміють можливість чисельної оцінки параметрів структурних рівнянь за оцінками коефіцієнтів зведених рівнянь.
Якщо ніяка лінійна комбінація рівнянь структурної форми не може привести до рівняння, що має ті самі змінні, як і деяке рівняння в структурній формі, то модель буде ідентифікованою.
Економетрична модель, задана системою одночасних рівнянь, називається точно (строго) ідентифікованою (ототожненою), якщо однозначно можна отримати оцінки її параметрів на основі оцінених параметрів зведеної моделі.
Надідентифікованою (переототожненою) називається така модель, що для деяких її параметрів можна отримати кілька кількісних значень на підставі параметрів зведеної форми.
Необхідна умова ідентифікації системи – справедливість нерівності для кожного рівняння моделі (10.1):
(10.10)
де – кількість залежних ендогенних змінних, які входять в s-те рівняння структурної форми;
m – загальна кількість екзогенних змінних моделі;
– кількість екзогенних змінних, які входять в s-те рівняння структурної форми моделі.
Число екзогенних змінних, які не входять у s-те рівняння структурної форми, дорівнює .
Означення 10.4: Якщо для всіх рівнянь моделі (10.1) співвідношення (10.10) виконується як рівність, то система рівнянь є точно ідентифікованою.
Якщо для всіх рівнянь моделі співвідношення (10.10) виконується як нерівність, то система рівнянь є надідентифікованою.
Можна показати, що необхідною умовою ідентифікації певного рівняння є: число змінних, які виключені з рівняння, має дорівнювати числу рівнянь моделі мінус одиниця.