- •1.Поняття моделі й моделювання
- •1.Спостереження за економічним процесом і їх словесний опис – пасивний метод, оскільки спостерігач жодним чином не впливає на хід процесу. Результати спостереження і є словесною моделлю процесу.
- •3. Етапи та принципи побудови емм
- •4. Класифікація емм
- •5. Основні поняття та приклади задач лп.
- •6. Форми запису задач лп
- •8.Симплекс метод
- •12Математична постановка і умова розв’язності т-задач
- •13.Побудова опорних планів транспортної задачі
- •15.Постановка задачі нлп
- •16.Графічний метод задач нлп
- •17.Задачі дробово-лінійного програмування
- •18.Задача нлп без обмежень і з обмеженнями-рівняннями. Метод множників Лагранжа.
- •21.Типи залежностей між ек змінними:
- •23.Вибіркові кореляційні характеристики
- •24.Основні передумови мнк у випадку парної лінійної регресії. Теорема Гауса-Маркова
- •25.Стандартні помилки регресії та коефіцієнтів регресії у випадку парного кореляційно регресійного зв’язку
- •26.Перевірка гіпотез відносно коефіцієнтів регресії та кореляції для парного лінійного кореляційно-регресійного зв’язку
- •27.Інтервальні оцінки параметрів та лінії регресії
- •28.Перевірка загальної якості рівняння регресії
- •29.Формалізація лінійної моделі множинної регресії
- •31.Основні передумови Мнк
- •32.Кількісні оцінки множинного кореляційного зв'язку
- •33.Перевірка значущості коефіцієнтів регресії , детермінації і кореляції у випадку лінійної множиної регресії
- •34.Значущість моделі у цілому
- •35. Інтервальні оцінки параметрів та функції регресії
- •36.Сутність та наслідки гетероскедастичності
- •37. Сутність та наслідки автокореляції
- •38. Сутність та наслідки мультиколінеарності
- •40. Сезоні фіктивні зміні
34.Значущість моделі у цілому
Для оцінки значущості моделі у цілому перевіряють гіпотезу про загальну значущість: гіпотезу про одночасну рівність нулеві всіх коефіцієнтів регресії при пояснюючих змінних
Н0:β1=β2=…βm=0
Н1:Ʃ βj2не=0 ( не всі коефіцієнти дорівнюють 0)
Прийняття гіпотези Но означає, що сукупний вплив всіх m-регресорів на залежну зміну є не суттєвим, а загальна якість рівняння є низькою.
Для перевірки рівняння Но використовують Fст.=R2/1-R2 * n-m-1/m, якщо F більше Fкр. Де l1=m, a l2=n-m-1, то модель адекватна
35. Інтервальні оцінки параметрів та функції регресії
1. Довірчий інтервал для коефіцієнта регресії α:(а-Sa*tθ/2,n-2; а+Sa*tθ/2,n-2)
2. Довірчий інтервал для коефіцієнта регресії β:(b-Sb*tθ/2,n-2; b+Sb*tθ/2,n-2)
3. Довірчий інтервал для σ2( n*S2/χ2θ/2,n-2; n*S2/χ2 (1-θ)/2,n-2)
4. Інтервальна оцінка g:[g(x)-Sg(x)*tθ/2,n-2; g(x)+Sg(x)*tθ/2,n-2), де Sg(x)=√S2 [1/n + (x-X)2/Ʃ(xi-x)2]
5.Довірчий інтервал для індивідуальної залежної зміної y* (g(x)-Sn*tθ/2,n-2; g(x)+Sn*tθ/2,n-2), де Sn=√S2[1+1/n+(x*-x)2/Ʃ(xi-x)2
36.Сутність та наслідки гетероскедастичності
Гетероскедастичність – це явище при якому дисперсія випадкових відхилень змінюється для кожного спостереження або групи спостережень .
Наслідки
1) Неможливо знайти середньо-квадратичне відхилення параметрів регресії, а отже не можливо оцінити значущість параметрів
2) Не можливо побудувати довірчий інтервал для прогнозних значеньУ
3) Отримані за Мнк оцінки параметрів регресії не є ефективними( не мають найменшої десперсії)
Виявлення гетероскедастичності, параметричний тест гольфренда-Кванта
єдиного метода виявлення гетероскедастичності немає, а є різноманітні критерії: графічний аналіз, параметричний та не параметричний тест Гольфренда-Кванта, тест Глейсера, тест ринкової кореляції Спірмана
Тест Гольфренда-Кванта
1) Впорядкувати всі спостереження у напрямку зростання значень регресора Хj
2) Розбити впорядковану вибірку на 3 підвибірки
3) Побудувати моделі вибіркової регресії окремо для 1 і 3 підвибірки і обчислити залишкові суми квадратів
4) Обчислити критерій F, та перевірку гіпотезт Но про відсутність гетероскедастичності , при альтернативній гіпотезі Н1про наявність гетероскедастичності
5) F>Fтета, L1,L2 Но- відхиляється і Н1приймається
Методи усунення гетероскедастичності
Проблема гетероскедастичності виникає тоді, коли значення у змінних рівняння регресії суттєво відрізняються у різних спостереженнях. Усунути гетероскедастичність це ліквідувати нерівномірні розкиди даних.
З метою усунення гетероскедастичночті отриману модель потрібно у певний спосіб перетворити, причому вид перетворення залежить від того, відомі чи невідомі дисперсії Д(Еі)=сигма2.
1. Якщо дисперсія відома то гетероскедастичність усувається шляхом заміни зміних ,
2. На практиці значення сигма2 майже ніколи не відоме тому користуються припущенням сигмаі2кожного випадкового відхилення пропорційній деякій величині Кі
У випадку застосування УМНК коефіцієнт детермінації не є задовільною мірою якості моделі його значення не обов’язково перебуває в інтерівлі (0;1), а додавання чи віднімання не обов’язково зумовлює його збільшення або зменшення.
Гетероскедастичність може існувати за рахунок не врахованих факторів у цьому випадку треба включати в модель не враховані фактори