- •Зміст дисципліни за темами
- •Тема 3: Нелінійні економетричні моделі
- •Тема 4. Фіктивні змінні в економетричних моделях
- •Тема 5. Мультиколінеарність
- •Тема 6. Автокореляція залишків
- •Тема 7. Гетероскедастичність залишків
- •Приклади типових завдань
- •Тема: Соціально – економічні системи, методи дослідження та моделювання
- •2. Математична модель економічного об’єкту
- •Критерії вибору „хорошої моделі”:
- •3. Класифікація економіко-математичних моделей
- •4. Основні етапи економіко – математичного моделювання
- •Економетрика
- •2. Об'єкт, предмет, мета і завдання економетрії
- •3. Основні етапи економетричного аналізу
- •4. Економічні задачі, які розв'язують за допомогою економетричних методів
- •5. Основні етапи зародження та розвитку економетрії
- •Тема: Регресійні моделі
- •1. Поняття регресії
- •2. Причини наявності випадкового (стохастичного) фактора
- •3. Парна лінійна регресія
- •4. Теоретична і розрахункова моделі
- •5. Приклади економетричних моделей
- •1). Модель споживання
- •2). Виробнича функція Кобба - Дугласа
- •3). Модель пропозиції та попиту
- •6. Метод найменших квадратiв (мнк)
- •7. Дисперсійний аналіз моделі
- •Лабораторна робота №1 «Економетрична модель парної регресії»
- •1. Постановка задачі.
- •3. Розрахунок моделей
- •Знаходження оцінок параметрів моделі методом найменших квадратів
- •5. Графік моделі у „хмарі” розсіювання
- •6. Дисперсійний аналіз лінійної моделі:
- •7. Значущість оцінок параметрів і моделі:
- •8. Прогноз:
- •9. Аналіз лінійної моделі:
3). Модель пропозиції та попиту
На конкурентному ринку рівновага обміну встановлюється як рівновага між пропозицією та попитом. Нехай у1 та у2 - обсяги попиту і пропозиції деякого продукту в певний день на деякому ринку, р - ціна реалізації продукту. Оскільки ціна може не влаштовувати покупців та продавців, то обсяг проданого товару змінюється, тобто
Y1 = f1 ( p, ui^ ) - функція попиту; Y2 = f2( p, U) - функція пропозиції.
Знаючи ціну р, можна визначити величини попиту та пропозиції.
Отже, моделлю рівноваги на розглянутому ринку буде: Y1 = Y2.
В реальних умовах попит і пропозиція певного товару залежать не лише від ціни р на нього, але і від цін товарів, що можуть його замінити або доповнити. Попит залежить ще від доходу покупців, а пропозиція залежить від виробничих умов. В цій моделі попит залежить від ціни у період t, а пропозиція - від ціни попереднього періоду ( t -1 ). Таке явище називається лагом (запізненням) ціни.
6. Метод найменших квадратiв (мнк)
Метод найменших квадратів – метод розрахунку параметрів моделі Yр= â0 + â1·x + ui^ Ідея методу базується на тому, що величина uі має буде мінімальною:
= ∑(yi - ỳ) або ∑(yi - ỳ)2 або ∑│yi - ỳ│ min.
Краще всього в ролі функції оцінки відхилень взяти суму квадратів відхилень кожної точки від свого розрахункового значення Q (â0 , â1) = = ∑(yi - ỳi)2 = ∑( yi – (â0 + â1·xі+ u^i))2.
Ця функція має min значення в тих точках, де частинні похідні по змінних â0, â1l дорівнюватимуть нулю:
=0, ( yi – (â0 + â1·xі))(-1) = 0, ∑ yі – ∑â0 – ∑ â1·xі = 0,
=0 (( yi – (â0+ â1·xі))(- xi)=0 ∑ yі·хі – â0 ∑ хі – â1 ∑ ·xі2 =0,
З аписується остаточна система рівнянь: n â0 + â1 ∑ ·xі = ∑ yі ,
â0 ∑ хі + â1 ∑ ·xі2 =∑ yі·хі ,
n – кількість спостережень.
Розв’язання системи рівнянь проводиться за допомогою оберненої матриці або за правилом Крамера. Основний визначник системи , тому існує єдиний розв'язок системи: .
ả1 = = ; ả0 = = .
З цього випливає, що лінія регресії проходить через точку, координати якої є середніми значеннями показника Y та фактора X: . Середнє значення прогнозу показника Y р при значенні фактора Хр визначається за формулою = ả0 + ả1
7. Дисперсійний аналіз моделі
Для аналізу якості існуючої залежності між факторами регресії використовуються коефіцієнти (індекси) детермінації і кореляції.
Залишки моделі розраховуються: = u^і . Перепишемо цю залежність у іншому вигляді, враховуючи, що :
уі - = ( â0 + â1·xі+ u^і) – ( â0 + â1· ) = â1 ( xі - ) + u^і
уі - )2 = â1 ( xі - ))2 + 2 â1 xі - )· uі + =
= â1 ( xі - ))2 + 2 â1 xі - )·(( уі - ) – â1 ( xі - )) + .
Оскільки â1 = , то = â1 , і
другий доданок дорівнюватиме нулю.
= - )2 + .
Дисперсія залишків ( випадкова дисперсія) Du = = характеризує міру відхилень значень залежного фактора yi від розрахованих значень за моделлю yi^.
Дисперсія залежної змінної Dу = характеризує міру відхилень значень залежного фактора yi від середнього значення .
Систематична дисперсія Dy^ = â1 ( xі - ))2 = - )2 характеризує міру відхилень розрахованих значень за моделлю yi^ від середнього значення .
Таким чином дисперсія залежної змінної дорівнює сумі систематичної дисперсії і дисперсії залишків: Dу = D y^ + Du , = - )2 + .
Коефіцієнт детермінації R2 = 1- = є (0;1)
знаходиться для перевірки якості рівняння регресії і визначає характер лінійного впливу зміни значень факторів моделі на змінну Y, тобто на скільки відсотків рівняння регресії пояснює поведінку залежної змінної Y.
Крім того, показник R2 може виявитися в ході розрахунків відємним, чому може сприяти: неякісна лінійна модель (звязок в моделі є нелінійним);
коефіцієнт моделі а0 є дуже і дуже малим;
малий обсяг статистичних даних.
Коефіцієнт кореляції R =√ R2 є (-1;1) характеризує тісноту лінійного зв’язку:
чим тіснішим є лінійний звязок між Х і Y, тим ближче R 1,
чим слабшим є лінійний звязок між Х і Y ,тим ближче R 0.
Крім того, якщо R > 0, то характер зміни Х і Y однаковий, R > 0 при а^1 > 0;
якщо R < 0, то характер зміни Х і Y протилежний, R < 0 при а^ 1 < 0 ;
якщо R (X,Y) = 0, то величини X та Y некорельовані.
або вибірковий коефіцієнт кореляції
Стандартне (середнє квадратичне) відхилення оцінки ả0 : ả0 = u^
Стандартне (середнє квадратичне) відхилення вільного члена рівняння регресії оцінки ả1 знаходять за формулою ả1 = u^
Інтервали надійності для оцінок :
Межі (інтервали) надійності індивідуальних прогнозних
Y*пр - tα; ( n-2 ) · σ u^ < Y*пр < Y*пр + tα; ( n-2) · σ u^
де ta - статистика Ст'юдента, α- рівень значущості, k = n - 2 ступені свободи.