- •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.
9.Моделі часових рядів. Регресійні моделі з одним рівнянням.
Можна виділити три основні класи економетричних моделей, які застосовуються для аналізу та прогнозування економічних систем:
1)моделі часових рядів;
2)регресійні моделі з одним рівнянням;
3)системи економетричних рівнянь.
Моделі часових рядів являють собою моделі залежності результативної ознаки від часу:
.
В регресійних моделях з одним рівнянням залежна змінна Y може бути представлена у вигляді функції (1.5). В залежності від виду функції моделі поділяються на лінійні та нелінійні, а в залежності від включених в модель факторів – на однофакторні та багатофакторні.
Приклади задач, що розв’язуються за допомогою регресійних моделей:
дослідження залежності заробітної плати Y від віку , рівня освіти статі , стажу роботи :
;
прогноз та планування випуску продукції за факторами виробництва (виробнича функція Кобба-Дугласа означає, що обсяг випуску продукції Y є функції кількості капіталу K та кількості праці L)
.
10.Моделічасовихрядів. Системинезалежних, рекурсивних, взаємозалежнихрівнянь.
Моделі часових рядів являють собою моделі залежності результативної ознаки від часу:
.
Системи економетричних рівнянь застосовують у тому випадку, коли економічні явища настільки складні, що неможливо описати їх за допомогою тільки одного рівняння. Моделі з одним рівнянням не відображають взаємозв’язок між пояснюючими змінними чи їх зв'язок з іншими змінними. До того ж деякі змінні можуть здійснювати взаємні впливи і важко визначити, яка з них є залежною, а яка незалежною. Тому при побудові економетричних моделей застосовують системи рівнянь.
Виділяють наступні три види економетричних систем:
1)системи незалежних рівнянь;
2)системи рекурсивних рівнянь;
3)системи взаємозалежних рівнянь.
В системах незалежних рівнянь кожна залежна змінна представлена як функція одного й того ж набору незалежних змінних :
.
Кожне рівняння даної системи можна розглядати як самостійно як рівняння регресії.
В системах рекурсивних рівнянь залежні змінні представлені як функції незалежних змінних та визначених раніше залежних змінних :
Розглянемо, наприклад, систему з трьох рівнянь
.
деP – ціна на бавовну, P’ – ціна бавовняні вироби, Q – кількість проданих бавовняних виробів, W – індекс погодних умов, T – податкові тарифи на бавовняні товари.
В системах взаємозалежних рівнянь кожна залежна змінна представлена як функція інших залежних змінних незалежних та незалежних змінних :
Ця система найбільш розповсюджена і отримала назву системи спільних одночасних рівнянь. Її також називають структурною формою моделі. В системі одні й ті ж змінні одночасно є залежними в одних рівняннях і незалежними в інших.
Приклад, макроекономічну модель з трьох рівнянь:
де – сукупне споживання, – повні капітальні вкладення, – валовий національний продукт, – короткострокова відсоткова ставка, – обсяг грошового обороту, – урядові витрати.Тут , , – ендогенні змінні, а , , , – пояснюючі. Розвязок може бути знайдений лише одночасним рішенням трьох рівнянь. останнє рівняння – тотожність, але його можна розглядати як звичайне рівняння з усіма коефіцієнтами рівними одиниці.