- •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
8.5.4. Трикроковий метод найменших квадралв
Pозглянутi методи дають змогу оцшювати параметри окремих рiвнянь системи. Кожен з них мае переваги та недолши, однак !х об'ед-нуе спiльна риса — значний обсяг розрахунюв при робоп i3 системами велико! розмiрностi, тобто i3 такими, що мютять велику кiлькiсть рiвнянь, а отже, велику кшыасть змiнних i параметрiв. Скорочення обсягу розрахункiв стае особливо актуальним у процеа вивчення швидкоплинних процеав, а також у тому раз^ якщо змiнюеться прь оритетшсть окремих незалежних змiнних моделi. У цих випадках кра-ще скористатися методом, що одночасно оцшюе параметри вах рiвнянь системи, зокрема трикроковим методом найменших квадрапв
(3МНК).
Особливiстю 3МНК е те, що при оцшюванш параметрiв системи загалом слiд зважати на залежносп мiж окремими рiвняннями. Цi за-лежностi виявляються в тому, що залишки окремих рiвнянь корелюють мiж собою, тобто загальна матриця коварiацiй системи е недiагональною. У такiй ситуацГ! найкращим методом оцшювання е узагальнений метод найменших квадрапв (метод Ейткена). Однак у цьому разi необхiдно знати перше наближення матрищ коварiацiй. Для рГвнянь множинно!
регресГ! з автокорельованими залишками цю матрицю отримують на шдставГ залиглюв моделГ, параметри яко! ощнено за звичайним МНК, i вже пГсля обчислення коефщента кореляцГ! коригують загальний оператор оцшювання параметрГв рГвняння.
Для систем рГвнянь, особливо в разГ надгдентифГкованосп окре-мих рГвнянь, краще початкове наближення матрищ коварГащй визначають за залишками, як отримано в результат оцГнювання параметрГв рГвнянь за двокроковим МНК. Отже, саме поеднання 2МНК i методу Ейткена дало назву цьому методу.
Для практичного застосування 3МНК потрГбно виконати таю ви-моги [17]:
усГ тотожностГ, якГ входять до системи рГвнянь, виключають з розгляду, тому що вони не мГстять невгдомих параметрГв i не пара-метризуються;
кожне негдентифГковане рГвняння також виключають Гз системи, оскГльки оцшити !х параметри в принцип неможливо;
точно ГдентифГкованГ та надгдентифшоваш рГвняння подГляють на двГ рГзнГ групи i 3МНК застосовують до кожно! з них окремо;
якщо група надщентифгкованих рГвнянь складаеться лише з одного рГвняння, то 3МНК перетворюеться на 2МНК;
5) кореляцГя залишкГв окремих рГвнянь системи призводить до того, що загальна матриця коварГащй системи е недГагональною, од- нак водночас не мГж усГма рГвняннями системи Гснуе залежнГсть, тому матриця коварГацГ! часто бувае блочно-дГагональною, тодГ оцГнюван- ня параметрГв на основГ 3МНК виконують окремо для кожно! групи рГвнянь, що вГдповГдають одному блоку.
8.5.5. Мнк для рекурсивних моделей
Одним Гз випадкГв успГшного застосування МНК для оцГнюван-ня структурних коефщентГв моделГ е рекг/рснвга (трмга/тиг) люделг, у яких ендогеннГ змшш послгдовно (рекурсивно) пов'язанГ одна з одною. Перша ендогенна змшна Y1 залежить лише вГд екзогенних змГнних Xf, i = 1, 2, m, i випадкового вГдхилення Друга ендо-генна змГнна Y2 визначаеться лише значеннями екзогенних змГнних Xf, i = 1, 2, m, випадковим вгдхиленням е2, а також ендогенною змГнною Третя ендогенна змГнна Y3 залежить вГд тих самих змГнних, що i випадкового вГдхилення е3, а також вГд попереднГх ендогенних змГнних ( Y1, Y2 ) i т. д.
У цих моделях структурн! р!вняння оцшюються поетапно ( Y1 — Y2 — Y3 — ... — YN ). Застосовуючи МНК для таких моделей, можна отримати незм!щен! та обгрунтован! оц!нки.
Однак модел! даного типу трапляються досить р!дко. У загально-му випадку для оцшки структурних коеф!ц!ент!в спочатку необх!д-но перетворити вих!дн! р!вняння до зведено! форми, а пот!м застосо-вувати звичайний МНК.