- •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.
Застосування методу Фостера-Стюарта з метою виявлення закономірного зв’язку між змінними
Наиболее распространенным из них является метод Фостера - Стюарта. Он позволяет не только установить наличие тенден-ции в связи количественных признаков Y и X, но и проверить гипотезу (1.17) о постоянстве дисперсии случайного возмуще-ния. Сущность метода заключается в следующем.
Сравнивается каждый уровень ряда со всеми предыдущими, при этом
fi = 1, ei = 0, если Yi > Yk , k=1, 2,..., i-1;
fi = 0, ei = 1, если Yi < Yk , k=1, 2,..., i-1;
fi = 0, ei = 0 в остальных случаях.
2 Вычисляются значения величин
.
Показатели d и s характеризуют тенденции в связях Y и X и дисперсии и Х соответственно.
3 С помощью t-критерия Стьюдента проверяется гипотеза о том, можно ли считать случайными разности d - 0 и . C этой целью находятся величины
(1.22)
где - среднее значение величины s; и - стандартные ошибки величин d и s соответственно. Значения величин , и табулированы и приведены в табл. 1.2.
4 При заданном уровне сравниваются расчетные значения td и ts c табличным. Если td < tтабл и ts < tтабл , то гипотеза об отсутствии тенденций в связи Y и X, и и Х подтверждается.
Методи вибору найкращої функції регресії
При моделировании монотонных процессов(возрастающих или убывающих) , когда число наблюдений n невелико и неясно, есть ли асимптотический уровень и перегиб в тенденции изменения результативной переменной Y c ростом объясняющей переменной Х может быть использована одна из следующих функций регрессии, зависящих от двух параметров:
а) , б) , в) ,
г) , д) , е) ,
ж) , з) , и)
Первые производные этих функций при имеют постоянный знак и, следовательно, сами функции либо возрастают, либо убывают при положительных Х (в зависимости от значения параметров).
Приведенные девять зависимостей примечательны тем, что если все табличные точки (Хі, Yi) удовлетворяют одному из этих уравнений, то и средние значения и также ему удовлетво-ряют. При этом в качестве средних значений и могут быть средние арифметические, средние геометрические или средние гармонические. Вспомним, что среднее арифметическое n положительных чисел Z1, Z2,..., Zn определяется по формуле
среднее геометрическое есть величина, равная
среднее гармоническое
Характерные средние и для каждой из девяти возможных функций приведены в таблице 1.5.
Т а б л и ц а 1.5 - Характерные средние для монотонных функций
|
|
|
Вид эмпирической функции |
1 |
|
|
|
2 |
|
|
|
3 |
|
|
|
4 |
|
|
|
5 |
|
|
|
6 |
|
|
|
7 |
|
|
|
8 |
|
|
|
9 |
|
|
|
Для проверки пригодности выбранной эмпирической функции, используя исходные данные табл, находят значения и Затем сравнивают Yі, соответствующее исходным данным, со значением Если не находится среди исходных данных Хі, то соответствующее значение Y можно определить с помощью линейной интерполяции, проведя через точки (Хі, Yі ), (Хi+1, Yi+1) прямую. Здесь Хі и Хі+1 - промежуточные значения, между которыми содержится Из уравнения прямой получаем В качестве критерия выбора наилучшей функциональной зависимости можно выбрать следующий:
.
+про корр.поле рассказать