- •Эконометрического моделирования План лекции
- •Введение
- •1.Предмет, цель и задачи эконометрики.
- •2.Этапы становления эконометрики
- •3. Введение в эконометрическое моделирование
- •4. Основные математические предпосылки эконометрического моделирования
- •5. Основные этапы и проблемы эконометрического моделирования
- •Контрольные вопросы:
- •Тема 2. Парная линейная регрессия и корреляция План лекции
- •Введение
- •1. Модель линейной парной регрессии. Метод наименьших квадратов
- •2. Коэффициент корреляции
- •3. Основные положения регрессионного анализа. Теорема Гаусса – Маркова
- •4. Оценка значимости уравнения регрессии. Коэффициент детерминации
- •5. Построение интервальных прогнозов по модели парной регрессии
- •Контрольные вопросы:
- •Тема 3. Множественный регрессионный анализ План лекции
- •Введение
- •1. Классическая нормальная линейная модель множественной регрессии
- •2. Оценка параметров классической регрессионной модели методом наименьших квадратов
- •3. Предпосылки для множественного регрессионного анализа.
- •Теорема Гаусса-Маркова.
- •4. Стандартизированное уравнение линейной множественной регрессии
- •Контрольные вопросы:
- •Тема 4. Множественная корреляция План лекции
- •Введение
- •1. Множественная линейная корреляционная зависимость
- •2. Частные коэффициенты корреляции
- •3. Коэффициент множественной корреляции
- •4. Отбор факторов в случае линейной множественной регрессии
- •Контрольные вопросы:
- •Тема 5. Линейные регрессионные модели
- •1. Суть гетероскедастичности, ее последствия
- •2. Тесты, позволяющие выявить наличие гетероскедастичности остатков
- •3. Устранение гетероскедастичности
- •4. Автокорреляция остатков, ее последствия. Обнаружение автокорреляции остатков
- •Контрольные вопросы:
- •Тема 6. Линейные регрессионные модели
- •1. Фиктивные переменные
- •2. Модели регрессии с фиктивными переменными сдвига
- •3. Модели регрессии с фиктивными переменными наклона
- •4. Критерий г. Чоу
- •Контрольные вопросы:
- •Тема 7. Модели временных рядов План лекции
- •Введение
- •1. Понятие временного ряда. Общий вид модели временного ряда
- •2. Проверка гипотезы существования тенденции
- •3. Стационарные временные ряды и их характеристики. Автокорреляционная функция
- •Авторегрессия первого порядка. Тест Дарбина-Уотсона
- •4. Аналитическое выравнивание (сглаживание) временного ряда
- •6. Процесс построения аддитивной модели временного ряда
- •7. Прогнозирование на основе моделей временного ряда
- •8. Понятие об авторегрессионных моделях и моделях скользящей средней
- •Контрольные вопросы:
- •Тема 8: модели с лаговыми переменными План лекции
- •Введение
- •1. Модели с распределенными лагами
- •2. Модели авторегрессии
- •3. Авторегрессионные модели и их моделирование
- •Контрольные вопросы:
- •Тема 9. Системы линейных одновременных уравнений План лекции
- •Введение
- •1. Структурная и приведенная формы моделей
- •2. Проблема идентификации
- •Матрица коэффициентов (1)
- •Матрица коэффициентов (2)
- •Матрица коэффициентов (3)
- •3. Оценивание параметров структурной модели
- •Условные данные по пяти регионам
- •Контрольные вопросы:
- •Используемая литература
Тема 7. Модели временных рядов План лекции
1. Понятие временного ряда. Общий вид модели временного ряда.
2. Проверка гипотезы существования тенденции.
3. Стационарные временные ряды и их характеристики. Автокорреляционная функция.
4. Авторегрессия первого порядка. Тест Дарбина-Уотсона.
5. Аналитическое выравнивание (сглаживание) временного ряда.
6. Процесс построения аддитивной модели временного ряда.
7. Прогнозирование на основе моделей временного ряда.
8. Понятие об авторегрессионных моделях и моделях скользящей средней.
Введение
При анализе многих экономических показателей часто встречаются ежегодные, ежеквартальные, ежемесячные, ежедневные данные. Например, это могут быть годовые данные по ВВП, объему чистого экспорта, инфляции и т.д., месячные данные по объему продажи продукции, ежедневные объемы выпуска какой-либо фирмы. Для рационального анализа необходимо систематизировать моменты получения соответствующих статистических данных.
В этом случае следует упорядочить данные по времени их получения и построить так называемые временные ряды.
1. Понятие временного ряда. Общий вид модели временного ряда
Определение 1.
Под временным рядом (динамическим рядом) в экономике понимается последовательность наблюдений некоторого признака (случайной величины) в последовательные моменты времени.
Определение 2.
Отдельные наблюдения называются уровнями ряда, которые будем обозначать , где – число уровней.
При исследовании экономического временного ряда выделяют несколько составляющих:
(7.1)
где – тренд, плавно меняющаяся компонента, описывающая чистое влияние долговременных факторов, т.е. длительную тенденцию изменения признака (например, рост населения, изменение структуры потребления, экономическое развитие и т.п.);
– сезонная компонента, отражающая повторяемость экономических процессов в течение не очень длительного периода (года, иногда месяца, недели и т.д., например, объем продаж товаров или перевозок пассажиров в разные времена года);
– циклическая компонента, отражающая повторяемость экономических процессов в течении длительных периодов (например, влияние волн экономической активности Кондратьева, демографических «ям», циклов солнечной активности и т.п.);
– случайная компонента, отражающая влияние не поддающихся учету и регистрации случайных факторов.
Следует обратить внимание на то, что в отличие от первые три составляющие (компоненты) , , являются закономерными, неслучайными.
Важнейшей классической задачей при исследовании экономических временных рядов является выявление и статистическая оценка основной тенденции развития изучаемого процесса и отклонений от нее.
Если временной ряд представлен в виде суммы составляющих компонентов, как в формуле (7.1), то модель называется аддитивной, если в виде произведения, то мультипликативной или смешанного типа:
yt = utstvtt – мультипликативная форма;
yt = utstvt + t – смешанная форма.
Этапы анализа временных рядов:
графическое представление и описание поведения временного ряда;
выделение и удаления закономерных (неслучайных) составляющих временного ряда (тренда, сезонных и циклических составляющих);
сглаживание и фильтрация (удаление низко- или высокочастотных составляющих временного ряда);
исследование случайной составляющей временного ряда, построение и проверка адекватности математической модели для ее описания;
прогнозирование развития изучаемого процесса на основе имеющегося временного ряда;
исследование взаимосвязи между различными временными рядами.
Среди наиболее распространенных методов анализа временных рядов выделяют корреляционный и спектральный анализ, модели авторегрессии и скользящей средней.