- •4.Просторові дані. Часові ряди. Особливості часових рядів. Кореляційне поле.
- •6. Методи вибору найкращої функції регресії
- •9.Моделі часових рядів. Регресійні моделі з одним рівнянням.
- •11) Порівнянність та однорідність даних. Повнота даних та стійкість.
- •12) Сутність методу найменших квадратів
- •14) Поняття кореляція. Кореляційний момент або коваріація. Коефіцієнт кореляції. Вибірковий кореляційний момент. Стандартна похибка.
- •15) Якісна оцінка коефіцієнтів кореляції за шкалою Чеддока. Розподіл Фішера-Іейтса.
- •16, 14(1)) Поняття кореляції. Оцінка значимості коефіцієнта кореляції з використанням t-критерію Стьюдента.
- •17) Матриця коефіцієнтів парної кореляції. Вибірковий коефіцієнт множинної кореляції та коефіцієнт детермінації. Вибірковий частинний коефіцієнт кореляції.
- •18) Проблема мультиколінеарності. Застосування алгоритму Фаррера-Глобера.
- •19) Індекс кореляції. Методика розрахунку кореляційного відношення.
- •20) Побудова економетричної моделі на основі покрокової регресії.
- •21 «Істинне» рівняння регресії. Парна регресія. Систематична та випадкова складові.
- •22.Умови Гаусса-Маркова.
- •23. Властивості оцінок параметрів регресійного рівняння: незміщеність, обґрунтованість, ефективність та інваріантність.
- •24. Оцінки найменших квадратів. Верифікація моделі. Стандартна похибка рівняння. Оцінений коефіцієнт детермінації.
- •26 Множинна регресія. Специфікація багатофакторної моделі. Помилки специфікації множинної регресії.
- •27 Мультиколінеарність. Практичні наслідки мультиколінеарності та методи її усунення.
- •28 Оцінка якості моделі множинної регресії. Перевірка виконання передумов мнк. Перевірка гіпотези про нормальний розподіл залишків регресії
- •29Етапи побудови економетричної моделі
- •31 Нелінійна регресія відносно пояснюючих змінних. Нелінійна регресія по параметрам, що оцінюються. Внутрішньо лінійна та нелінійна функції.
- •31 Нелінійна регресія відносно пояснюючих змінних. Нелінійна регресія по параметрам, що оцінюються. Внутрішньо лінійна та нелінійна функції.
- •32. Особливості параметризації нелінійної регресії. Вибір аналітичної форми дослідження.
- •33. Фіктивні змінні. Ілюстрація використання фіктивної змінної. Множинні сукупності фіктивних змінних.
- •34. Оцінка якості моделі. Дослідження відповідності моделі емпіричним даним. Оцінка точності моделі.
- •35. Поняття гомоскедастичності та гетероскедастичності залишків. Наслідки порушень припущення про гомоскедастичність.
- •36. Методи виявлення гетероскедастичності. Тест Голдфельда-Квандта. Тест рангової кореляції Спірмена.
- •37. Методи виявлення гетероскедастичності. Перевірка гетероскедастичності на основі критерію . Тест Глейсера
- •38. Трансформування початкової моделі з гетероскедастичністю.
- •39. Зважений метод найменших квадратів.
- •40. Оцінювання параметрів регресії за допомогою узагальненого методу найменших квадратів (методу Ейткена).
- •41. Поняття автокореляції. Автокореляція залишків. Лагові затримки.
- •42. Природа автокореляції та її наслідки. Методи усунення автокореляції.
- •43. Тестування наявності автокореляції. Критерій Дарбіна-Уотсона. Критерій фон Неймана.
- •44. Коефіцієнти автокореляції та їх застосування. Автокореляційна функція та корелограма.
- •45. Оцінка параметрів моделі з автокорельованими залишками. Метод Ейткена.
- •46. Оцінка параметрів моделі з автокорельованими залишками. Метод Кочрена-Оркатта.
- •47. Прогноз на основі моделі з автокорельованими залишками.
- •48. Узагальнені економетричні моделі.
- •49. Поняття лагу і лагових змінних.
- •50. Дистрибутивно-лагові моделі. Авторегресійні моделі.
- •51. Моделі розподіленого лагу. Узагальнена модель розподіленого лагу.
- •52. Оцінка параметрів лагових моделей. Метод послідовного збільшення кількості лагів.
- •53. Перетворення Койка (метод геометричної прогресії).
- •54. Модель адаптивних сподівань. Модель часткового коригування.
- •55. Оцінювання параметрів методом Ейткена.
- •56. Динамічний та часовий ряди. Систематичні та випадкові компоненти часового ряду. Стаціонарність часового ряду.
- •57. Фільтрація компонент часового ряду. Ts, ds, тренд-сезонні, нелінійні часові ряди.
- •58. Дослідження автокореляційної функції часового ряду.
- •59. Методи фільтрації сезонної компоненти
- •60. Прогнозування тенденції часового ряду за механічними методами
- •62.Метод декомпозиції часового ряду. Розрахунок сезонної хвилі.
- •65. Ідентифікованість моделі. Необхідна та достатня умови ідентифікованості системи.
- •66. Непрямий метод найменших квадратів.
- •67. Двокроковий та трикроковий методи найменших квадратів.
- •68. Прогноз ендогенних змінних і загальні довірчі інтервали.
6. Методи вибору найкращої функції регресії
Метод характерних середніх, що дозволяє вибрати найкращу функцію регресії з 9 можливих.
При моделировании монотонных процессов (возрастающих или убывающих), когда число наблюдений n невелико и неясно, есть ли асимптотический уровень и перегиб в тенден-ции изменения результативной переменной Y c ростом объясня-ющей 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 удовлетворяют. 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 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Для проверки пригодности выбранной эмпирической функции, используя исходные данные табл. 1.1, 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:
.
7.Економетрична модель. Специфікаціямоделірегресії.
Економетрична модель – це логічний (звичайно математичний) опис того, що економічна теорія вважає особливо важливим при дослідженні певної проблеми.
Як правило, модель має форму рівняння чи системи рівнянь, що характеризують виокремлені дослідником взаємозалежності між економічними показниками. Економетрична модель, що пояснює поведінку одного показника, складається з одного рівняння, а модель, що характеризує зміну кількох показників, – із такої самої кількості рівнянь. У моделі можуть бути також тотожності, що відбивають функціональні зв'язки в певній економічній системі. Оскільки така модель поєднує не лише теоретичний, якісний аналіз взаємозв'язків, а й емпіричну інформацію, то в ній, на відміну від просто економічної моделі, завжди присутні стохастичні залишки. Саме ймовірнісні характеристики залишків моделі зумовлюють якість тієї чи іншої аналітичної форми моделі.
Економетрична модель – це функція чи система функцій, що описує кореляційно-регресійиий зв'язок між економічними показниками, причому залежно від причинних зв'язків між ними один чи кілька із цих показників розглядаються як залежні змінні, а інші – як незалежні.
У загальному випадку рівняння в економетричній моделі має вигляд
деY – результат, або залежна змінна, змінювання якої описує дане рівняння; – фактори, або незалежні змінні, що визначають поведінку Y. Змінна містить ту частину руху Y, що не пояснюється змінними , і має випадковий характер. Символ F відображує аналітичний вид зв'язку між досліджуваними змінними.Процес опису явища чи процесу, тобто вибір аналітичної форми моделі, називається специфікацією моделі. Іншими словами, специфікація моделі – це аналітична форма залежності між економічними показниками.
8.Економетрична модель. Параметризаціярівняннярегресії.
Економетрична модель – це логічний (звичайно математичний) опис того, що економічна теорія вважає особливо важливим при дослідженні певної проблеми.
Як правило, модель має форму рівняння чи системи рівнянь, що характеризують виокремлені дослідником взаємозалежності між економічними показниками. Економетрична модель, що пояснює поведінку одного показника, складається з одного рівняння, а модель, що характеризує зміну кількох показників, – із такої самої кількості рівнянь. У моделі можуть бути також тотожності, що відбивають функціональні зв'язки в певній економічній системі. Оскільки така модель поєднує не лише теоретичний, якісний аналіз взаємозв'язків, а й емпіричну інформацію, то в ній, на відміну від просто економічної моделі, завжди присутні стохастичні залишки. Саме ймовірнісні характеристики залишків моделі зумовлюють якість тієї чи іншої аналітичної форми моделі.
Економетрична модель – це функція чи система функцій, що описує кореляційно-регресійиий зв'язок між економічними показниками, причому залежно від причинних зв'язків між ними один чи кілька із цих показників розглядаються як залежні змінні, а інші – як незалежні.
Функція F у кожному конкретному випадку окрім змінних і містить ще щонайменше деякі коефіцієнти, що поєднують змінні у певних співвідношеннях і визначають структуру рівняння. Ці коефіцієнти називаються параметрами моделі.
Визначення значень коефіцієнтів (параметрів) обраної форми статистичного зв'язку змінних на підставі відповідних статистичних даних називається параметризацією рівняння регресії або оцінюванням параметрів.
Ці рівняння, а отже, і параметри визначають структуру моделі: вони вказують на характер припустимих співвідношень між змінними.