- •М1жрегюналына академ1я управл1ння персоналом
- •О. Л. Лещинський, в. В. Рязанцева, о. О. Юнькова
- •Об'скт, предмет, мета I завдання економетрп
- •Основнi етапи економетричного аналiзу
- •Економiчнi задачу якi розв'язують за допомогою економетричних методiв
- •МНсце курсу серед дисциплiн фундаментально! шдготовки бакалаврiв з економiчних спецiальностей
- •Структура курсу
- •Коротка юторична довщка
- •Контрольнзапитання
- •1.1. Загальнi принципи моделювання в економщ
- •1.1.1. Поняття математично! моделi
- •1.1.2. Етапи побудови еконогшчно! модел1
- •1.1.3. Класифшащя моделей
- •1.2. Кореляцшно-регресшний анал1з в економМ
- •2) Визначення тГсноти зв'язку (задача кореляцшного аналГзу).
- •1.3. Економетрична модель та и елементи
- •1.4. Статистична база економетричних дослщжень
- •1.5. Особливост математичного моделювання економ1чних систем
- •Контрольш запитання
- •2.1. Приклади парних зв'язмв в економщ
- •2.2. Лшшна модель з двома зм1нними
- •2.3. Метод найменших квадралв
- •Властивост оцшок параметр1в
- •Контрольнзапитання
- •Вправи та завдання
- •3.1. Багатофакторш економетричш модел1 та Ух специфшащя
- •3.2. Метод найменших квадралв 3.2.1. Основн1 припущення
- •3.2.3. Оцшювання за методом найменших квадралв та штерпретащя результалв
- •3.3.2. Перев1рка значущосп та flOBipni штервали
- •3.4. Прогнозування за лшшною моделлю
- •3.5. Методи побудови багатофакторноУ регресшноУ модел1
- •3.6. Етапи дослщження загальноУ лшшноУ модел1 множинноУ регресп
- •3. Перевiрити статистичну значупцсть отриманих результапв:
- •Приклад параметризацм та дослщження багатофакторноУ регресшноУ модел1
- •Контрольш запитання
- •Вправи та завдання
- •4.1. Поняття про мультиколшеаршсть та и вплив на оцшку параметр1в модел1
- •4.2. Тестування наявност мультиколшеарносп
- •4.3. Алгоритм Фаррара — Глобера
- •Приклад дослщження наявност мультиколшеарносп на основ1 алгоритму Фаррара — Глобера
- •4.4. Засоби усунення мультиколшеарностч. Метод головних компонент1в
- •Алгоритм методу головних компонешчв
- •Контрольш запитання
- •Вправи та завдання
- •5.1. Виявлення гетероскедастичност та и природа
- •5.2. Тестування наявност гетероскедастичност
- •5.2.1. Параметричний тест Гольдфельда — Квандта
- •5.2.2. Непараметричний тест Гольдфельда — Квандта
- •5.2.3. Тест Глейсера
- •5.3. Трансформування початковоУ модел1
- •VXVX VX VX
- •5.4. Оцшювання параметр1в багатофакторноУ регресшноУ модел1 на основ1 узагальненого методу найменших квадралв
- •Контрольш запитання
- •6.1. Природа автокореляцм та и наслщки
- •6.2. Тестування наявност автокореляцм
- •6.2.1. Критерш Дарбша — Уотсона
- •6.2.2. Критерш фон Неймана
- •6.2.3. Коефщ1енти автокореляцм та IX застосування
- •6.3. Параметризащя модел1
- •6.3.1. Метод Ейткена
- •X UtUt-1
- •X utut-I
- •6.3.2. Метод Кочрена - Оркатта
- •6.4. Приклад оцшювання параметр1в модел1 з автокорельованими залишками
- •Контрольш запитання
- •7.1. Поняття лага та лагових моделей в економщ
- •7.2. Оцшювання параметр1в
- •7.3. Оцшювання параметр1в авторегрес1йних моделей
- •Контрольн1запитання
- •8.1. Поняття про системи одночасних р1внянь
- •8.2. Приклади систем одночасних р1внянь
- •1. Модель "попит — пропозищя".
- •3. Модель р1вноваги на ринку грошей (модель lm).
- •8.3. Структурна та зведена (прогнозна) форми системи р1внянь
- •1. Структурна форма економетрично! мoделi.
- •3. Зеедена форма економетрично! модель
- •8.4. Поняття щентифшацм (ототожнення) системи р1внянь
- •Необхщш й достатн умови щентифшованосп
- •Необхщна I достатня умова щентифшованосп
- •8.5. Методи оцшювання паpаметpiв систем piвнянь
- •8.5.1. Непрямий метод найменших квадралв оцшювання параметр1в точно щентифшованих систем
- •8.5.2. Метод шструментальних змшних
- •8.5.3. Двокроковий метод найменших квадралв оцшювання параметр1в надщентифшованих систем
- •8.5.4. Трикроковий метод найменших квадралв
- •8.5.5. Мнк для рекурсивних моделей
- •8.6. Прогноз I загальн flOBipni штервали
- •Контрольш запитання
- •Вправи та завдання
- •5.Нехай модель "прибуток — споживання" мае такий вигляд:
- •14. Розглядаеться модель попиту та пропозицп для грошей:
- •9.1. Ямсш економ1чн1 показники
- •9.2. Регресшш модел1 з бшарними незалежними змшними
- •9.3. Регресшш модел1 з бшарними залежними змшними
- •Контрольш запитання
- •Tectobi завдання 3 економетрп' BapiaHt 1
- •7. Критерий ф!шера застосовуеться для перев!рки значущост!:
- •BapiaHt 2
- •6. Критерий ф1шера застосовують для перев1рки значущост1:
- •BapiaHt 3
- •7. Наявшсть мультиколГнеарност! перевгряеться за допомогою:
- •BapiaHt 4
- •4. Дисперс!йно-ковар!ац!йна матриця визначаеться на п!дстав!:
- •7. Критерий Дарб!на - Уотсона застосовуеться для виявлення:
- •BapiaHt 6
- •BapiaHt 8
- •6. Метод Фаррара — Глобера застосовуеться для виявлення:
- •BapiaHt 10
- •5. Критер!й ф!шера застосовують для перев!рки значущост!:
- •Робота 3 таблицями стандартизованого нормального ро3под1лу
- •Список використано! та рекомендовано! л1тератури
- •Економетрш
- •Econometrics
Контрольш запитання
Яке явище називаеться гомоскедастичн!стю?
Яке явище називаеться гетероскедастичн!стю?
У чому полягае суть гетероскедастичносп?
Яку форму звичайно мае гетероскедастичшсть?
До яких наслщюв призводить порушення припущення про го-москедастичшсть?
Як встановити наявшсть гетероскедастичност?
Назвиъ методи визначення гетероскедастичност^
За яких умов застосовуеться параметричний тест Гольдфельда -Квандта?
У чому суть непараметричного тесту?
На чому базуеться тест Глейсера?
У чому суть трансформацп моделi?
Наведиь форми гетероскедастичност в найпоширешших випад-ках трансформацй.
Якi властивосп мають оцiнки паpаметpiв трансформовано'1 мо-делi?
За рахунок чого може юнувати гетеpоскедастичнiсть?
У чому суть узагальненого методу найменших квадрапв?
Роздт 6. АВТОКОРЕЛЯЦ1Я
6.1. Природа автокореляцм та и наслщки
Розглянемо класичну л!н!йну багатофакторну модель
y = a0 + a1 x1 + a2 x2 + ... + amxm + u (6.1) або в матричному вигляд!
Y = Xa + u, (6.2)
де у — вектор-стовпець залежно! зм!нно! розм!рност! (n х 1); X — матриця незалежних змшних розм1рносп (n х (m + 1)); a — вектор- стовпець невгдомих параметр1в розм1рност1 ((m + 1) х 1); u — вектор-стовпець випадкових помилок розм1рносп (n х 1);
cov(u{, Uj) = 0, i = j.
Одним 1з припущень класичного регрес1йного анал1зу е припущення про незалежшсть випадкових величин ui, i = 1, n, тобто якщо це припущення порушуеться (незважаючи на те, що дисперс1я залшшав е сталою — наявна гомоскедастичшсть), то ми маемо справу з явищем, яке називаеться автокорелящею залигдтав.
Важливо зрозум1ти, що спричинюе автокорелящю, як1 ii практичн1 та теоретичш насл1дки, чи е ефективш методи тестування наявност1 автокореляцП, чи змшюються методи знаходження нев1домих пара-метр1в модел1 в умовах автокореляцп.
Автокореляц1я залишк1в виникае найчаст1ше тод1, коли економет-рична модель будуеться на основ1 часових ряд1в. Якщо юнуе кореля-ц1я м1ж послщовними значеннями деяко! незалежно! зм!нно!, то спо-стер!гатиметься й кореляц!я посл!довних значень залишк!в, так зван! лагов! затримки (зап!знювання) в економ!чних процесах.
Автокорелящя може виникати через шерщйшсть i цтопчшсть багатьох економiчниx процесiв. Провокувати автокореляцiю також може неправильно специфпсована функцiональна залежнiсть у рег-ресшних моделях.
Припустимо, модель (6.1) мае автокорельоваш залишки, тобто ви-падковi величини и{ залежнi мiж собою: M (uiUj) Ф 0, i Ф j.
Отже, як i у випадку гетероскедастичностi, дисперая залишкiв
M (ии')фс2и1. (6.3)
Але при гетероскедастичност змiнюються дисперсп залиппав за вiдсутностi ix коварiацii, а при автокореляцп iснуе коварiацiя за-лишкiв за незмiнноl дисперсп.
Зазначимо, що за наявностi автокореляцп залишкiв, як i за наяв-ностi гетероскедастичностi, дисперсiя залишкiв мае вигляд
M (uu') = o2Q, (6.4)
однак матриця Q матиме тут шший вигляд:
РР
I I
(6.5)
,n-1
„n-2
1
де параметр р характеризуе коварiацiю кожного наступного значення залшшав iз попереднiм.
Так, якщо для залишюв записати авторегресшну модель першого порядку
:put-1 +vt
(6.6)
то р характеризуе силу зв'язку величин залишпав у перiод t з величинами залишкiв у перюд t—1.
Якщо проiгнорувати матрицю Q при визначеннi дисперсй залишпав i для оцiнювaння параметрiв моделi застосувати МНК, то можливi тaкi наслгдки:
Оц!нки параметр!в модел! можуть бути незм!щеними, але не-ефективними, тобто виб!рков! дисперс!! вектора оц!нок a можуть бути невиправдано великими.
Статистичн! критер!! t- ! f-статистик, як! отриман! для кла-сично! л!н!йно! модел!, не можуть бути використан! для дисперс!й-ного анал!зу, бо !х розрахунок не враховуе наявност! ковар!ац!! за-лишк!в.
Неефективн!сть оц!нок параметр!в економетрично! модел!, як правило, призводить до неефективних прогноз!в, тобто прогнозн! зна-чення матимуть велику виб!ркову дисперс!ю.
Висновки. За наявност! автокореляц!! поширеним методом оц!ню-вання нев!домих параметр!в е узагальнений метод найменших квад-рат!в, який було розглянуто в попередньому розд!л!. Отриман! за допомогою УМНК оц!нки е незм!щеними та ефективними.