- •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
7.3. Оцшювання параметр1в авторегрес1йних моделей
Три авторегресшних моделi — Койка (7.2), адаптивних сподiвань (7.3) i часткового коригування (7.4) — можна подати в загальшй формь
yt = a0 + ax xt + a2 yt-1 + vt. (7.5)
Hаявнiсть лагових залежних змшних у диммДчних моделях ство-рюе певш проблеми при оцiнюваннi паpаметpiв: серед пояснюючих зм!нних е стохастичн! (залежн! лагов! зм!нн!), а також !снуе проблема сер!йно! кореляц!! залишк!в модел! та лагових зм!нних. Залежно в!д г!потез щодо залишк!в таких моделей використовують в!дпов!дн! методи оц!нювання.
Ппотеза 1. Залишки е нормально розпод!леними випадковими величинами з нульовим математичним спод!ванням та сталою диспер-с!ею.
Ппотеза 2. Залишки описуються авторегресшною схемою першо-го порядку:
vt = ut - Xut-1, 0 <Х < 1.
Ппотеза 3. Залишки автокорельован! та описуються авторегрес!й-ною схемою першого порядку:
vt = ut + И-1'
кр!м того, vt =pvt-1 + et.
Перша г!потеза виконуеться лише для модел! часткового коригуван-ня (7.4); саме для не! можливе застосування звичайного МНК. Однак залежшсть залишк!в в!д лагово! зм!нно! yt-1 у ц!й модел! призводить до зм!щення оц!нок параметр!в. Та хоча оц!нки параметр!в будуть зави-щеними, вони матимуть найменшу середньоквадратичну похибку. I п!сля визначення величини зм!щення МНК-оц!нки будуть найприй-нятн!шими.
Якщо залишки модел! визначаються через автокорельован! випад-ков! величини, то МНК-оц!нки параметр!в модел! також матимуть зм!щення, до того ж зм!щення матиме також критер!й Дарб!на — Уот-сона. Тому для перев!рки автокореляц!! залишк!в застосовують уза-гальнений критер!й Дарб!на — Уотсона. Оц!нювання параметр!в таких моделей виконують узагальненим методом найменших квадрат!в (методом Ейткена), в оператор! оц!нювання якого
а = ( x tv-1х )-1 x tv-1y
коригуюча матриця мае вигляд
1+x2 -x 0
1+ x2 -x
0
-x
1+ x2
0 0
I i
0 0 0 ... 1+ X2 Якщо лагову модель можна подати у виглядд
yt -Xyt-1 =a0 + a1 xt + vt,
то до перетворених у такий споаб даних залежно'1 змшно! застосову-ють звичайний МНК. Причому параметр X вибирають з штервалу 0 <X < 1 так, щоб мiнiмiзувати суму квадра^в залишюв uV-1u.
Якщо вгдносно залишкiв моделi приймаеться третя гшотеза, то параметри оцшюють за допомогою таких методiв:
1)класичного МНК шсля попереднього перетворення вхгдних даних;
2)методу Ейткена (узагальненого МНК); 3)ггерацшного методу; 4)методу iнстpументальних змшних; 5)алгоритму Уоллiса.
Контрольн1запитання
Що в економпц називаеться лагом?
Що е причиною лага?
ЯкД регресшш моделi називають авторегресшними та дистри-бутивно-лаговими?
Якою е природа авторегресшних моделей?
ЯкД проблеми виникають при оцiнюваннi паpаметpiв дистрибутивно-лагових i автоpегpесiйних моделей?
ЯкД гiпотези висуваються щодо залишпав лагових моделей?
Якими методами ощнюються параметри дистрибутивно-лагових i автоpегpесiйних моделей?
Роздт 8. СИСТЕМИ ОДНОЧАСНИХ Р1ВНЯНЬ