- •Тема 1. Природа эконометрики
- •1.1. Общие понятия эконометрических моделей
- •1. 2. Типы эконометрических моделей
- •1. 3. Типы данных
- •Тема 2. Корреляционный анализ в эконометрических исследованиях
- •2.1. Функциональная, статистическая и корреляционная зависимости
- •2.2. Понятие о двумерном корреляционном анализе
- •2.3. Понятие о многомерном корреляционном анализе
- •2.4. Ранговая корреляция
- •Тема 3. Регрессионный анализ в эконометрических исследованиях
- •3.1. Задача регрессионного анализа
- •3.2. Идентификация модели регрессии
- •3.3. Линейная парная регрессия и оценка параметров
- •3.4. Проверка значимости параметров линейной парной регрессии
- •3.5. Интервалы прогноза по линейному уравнению регрессии
- •3.6. Нелинейная регрессия
- •3.7. Корреляционное отношение и индекс корреляции
- •3.8. Множественный регрессионный анализ
- •4.9. Ковариационная матрица и ее выборочная оценка
- •4.10. Определение доверительных интервалов для коэффициентов и функции множественной регрессии
- •4.11. Мультиколлинеарность
- •Тема 5. Методы и модели анализа динамики экономических процессов
- •5.1. Понятия экономических рядов динамики
- •5.2. Предварительный анализ динамических рядов экономических показателей
- •5.3. Сглаживание динамических рядов
- •4.3. Расчет показателей динамики развития эконометрических процессов
- •4.4. Тренд-сезонные экономические процессы и их анализ
- •Тема 5. Модели прогнозирования экономических процессов
- •5.7. Трендовые модели на основе кривых роста
- •5.2. Оценка адекватности и точности трендовых моделей
- •5.3. Прогнозирование экономической динамики на основе трендовых моделей
- •5.4. Адаптивные модели прогнозирования
- •Лучшая модель ар(1,1)
- •Характеристика остатков
- •Тема 8. Системы взаимозависимых эконометрических моделей
- •8.1. Особенности систем взаимозависимьех моделей
- •8.2. Формы представления систем взаимозависимых эконометрических моделей
- •8.3. Косвенный метод оценки коэффициентов структурной формы систем взаимозависимых эконометрических моделей
- •8.4. Оценивание параметров структурной формы на основе двухшагового мнк с использованием инструментальных переменных
- •1. На первом шаге конструируются новые значения зависимых
- •2. На втором шаге значения используются вместо значений
- •8.5. Оценки параметров системы взаимозависимых эконометрических моделей с использованием трехшагового мнк
1. 3. Типы данных
При моделировании экономических процессов встречаемся с двумя типами данных:
Пространственные данные и временные ряды.
Примером пространственных данных является, например, набор сведений по разным фирмам в один и тот же момент времени (объем производства, количество работников, доход и др.). Другим примером могут являться данные по курсам покупки или продажи наличной валюты в какой-то день по бакам России.
Примерами временных данных могут быть ежеквартальные данные по инфляции, средней заработной плате, национальному доходу и т. д.
Отличительной чертой временных данных является то, что они естественным образом упорядочены по времени.
Тема 2. Корреляционный анализ в эконометрических исследованиях
2.1. Функциональная, статистическая и корреляционная зависимости
Исследование зависимостей и взаимосвязей между объективно существующими явлениями и процессами играет в развитии экономики значительную роль. Оно позволяет глубже понять сложный механизм причинно-следственных отношений. В настоящее время важно уметь количественно измерить тесноту причинно-следственных связей и выявить форму связи между экономическими процессами. Для исследования интенсивности, вида и формы причинных связей широко применяется корреляционный и регрессионный анализ. Выявление количественных соотношений дает возможность лучше понять природу исследуемого явления. Это, в свою очередь, позволяет воздействовать на изучаемые факторы, вмешиваться в соответствующий процесс с целью получения нужных результатов.
Но, чтобы глубоко и основательно проникнуть в суть явления, необходимо исследовать и раскрыть его причинные связи, его отношения с другими явлениями. Под причинной связью понимают такую связь, когда изменение одних процессов есть следствие изменения других. Обычно одно и то же экономическое явление выступает как результат, следствие, эффект одной или нескольких причин. Вместе с тем оно служит причиной наступления других явлений или процессов. Раскрытие объективно существующих причинных зависимостей приводит исследователя к источнику зарождения отдельных процессов.
Признание факта множественности причин и следствий в реальной действительности нашло свое отражение и при исследовании закономерностей в экономике. Так, на величину себестоимости единицы продукции влияют объем производства, используемая технология и уровень производительности труда. Производительность труда, которая служит причиной формирования себестоимости, в свою очередь является следствием таких причин, как уровень развития техники и подготовки работников, эффективность использования парка оборудования и т. д. Урожайность сельскохозяйственных культур зависит от состояния почвы, состава и количества внесенных удобрений, метеорологических условий и других не менее важных причин.
Различают два вида зависимости между экономическими явлениями: функциональную и статистическую. Зависимость между двумя величинами отображающими соответственно два явления, называется функциональной, если каждому значению величины X соответствует единственное значение величины Y и наоборот. Примером функциональной связи в экономике может служить зависимость производительности труда от объема произведенной продукции и затрат рабочего времени. При этом следует отметить, что если Х- детерминированная, не случайная величина, то и функционально зависящая от нее величина У тоже является детерминированной. Если же Х-величина случайная, то и Y также случайная величина.
Однако гораздо чаще в экономике имеет место не функциональная, а статистическая зависимость, когда каждому фиксированному значению независимой переменой X соответствует не одно, а множество значений зависимой переменной Y, причем заранее нельзя сказать, какое именно значение примет Y. Это связано с тем, что на Y кроме переменной X влияют и многочисленные неконтролируемые случайные факторы. В этой ситуации Y является случайной величиной, а переменная X может быть как детерминированной, так и случайной величиной. Частным случаем статистической зависимости является корреляционная зависимость, при которой функциональной зависимостью связаны фактор X и среднее значение (математическое ожидание) результативного показателя Y. Статистическая зависимость может быть выявлена лишь по результатам достаточно большого числа наблюдений. Графически статистическая зависимость двух признаков может быть представлена с помощью поля корреляции, при построении которого на оси абсцисс откладывается значение факторного признака X, а по оси ординат - результирующего Y.
Слайд (График)