- •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
14. Розглядаеться модель попиту та пропозицп для грошей:
jmf = a0 +a1 yt + a2 rt-1 +0C3 pt-1 + Ј1t, [fflf =p0 +p1 yt +Ј2t,
де щ — обсяг попиту на гропп; щ — обсяг пропозицп грошей у рощ t; yt — прибуток; rt-1 — процентна ставка; pt-1 — шдекс цГн у роцГ (t - 1).
а.Чи будуть ГдентифГкованГ обидвГ функцГ!?
б.Яким методом можуть бути знайденГ оцГнки ГдентифГкова-них параметрГв?
в.Що вГдбудеться з ГдентифГкованою системою, якщо до функцп пропозицп додати як пояснюючГ змшш yt-1 i mt-1?
г.Який метод визначення оцГнок доцГльний при виконаннГ по-переднього пункту?
Роздт 9. МЕТОДИ ДОСЛ1ДЖЕННЯ ЯК1СНИХ ЕКОНОМ1ЧНИХ ПОКАЗНИК1В
9.1. Ямсш економ1чн1 показники
Звичайно незалежш змшш в регресшних моделях мають "непе-рервн1" обласп змшювання (нацюнальний дохвд, обсяги виробниц-тва, розм1р заробгтно! плати тощо), тобто е метрично (юльюсно) ви-м1ряними величинами. У реальних ситуащях економ1чн1 явища бшып р1зноман1тн1. На залежну змшну кр1м юльюсних фактор1в впливають i яюснк як1сть продукцп, р1вень профес1йно! п1дготовки прац1вник1в, 1хня стать, страйки, змiни в економiчнiй полiтицi тощо. Часто змiннi, що ввдображають якiснi характеристики об'екта, набувають лише двох значень: 1 — якщо певна ознака присутня; 0 — якщо вона вщсутня. Таю змшш називають бшарними, дихотомними або dummy-змшними.
У перекладi з англшсько! мови dummy variables означае "фштивш змшш", хоча насправдi 1х "фштившсть" полягае лише в тому, що вони юльюсно описують деяку яюсну ознаку.
Дихотомнi змшш використовують у регресшних моделях поряд з юльюсними змшними або утворюють регресшш модели у яких ва факторi е якiсними (бiнарними) змшними.
Поеднання в моделi кiлькiсних та яюсних факторiв значно роз-ширюе можливосп регресiйного аналiзу, а отже, можливосп прогно-зування та шдготовки прийняття рiшень.
Наприклад, при дослвдженш заробiтноl плати може виникнути питання залежносп 11 вiд рiвня освгги, вiд статi працiвника тощо. За певними яюсними ознаками, звичайно, даш можна подiлити за кате-горiями й вивчати кожну залежнiсть окремо, а вже попм шукати ввдмшносп мiж ними. Але введення додатково'1 бiнарноl змiнноl дае
змогу оцшювати одне р1вняння, у якому pi3Hi класи спостережень розд1ляються за допомогою ще! змшно!.
Приклад 9.1. Нехай pегpесiйна модель залежностi заробгтно1 плати y вiд деяких кшыасних фaктоpiв x1( X2, xm мае вигляд
У — CIq + %i + ^2 %2 + ••• + ^mp^m + U
Tодi для вивчення впливу вищо! освiти на piвень оплати пpацi вводять нову змшну d, яка може набувати двох значень: d — 1, якщо pобiтник мае вищу освгту, та d — 0, якщо не мае. Модель, що вpахо-вуе цей факт^, матиме вигляд
y — ao + ai %i + Й2 х2 + — + (mxm + 5d + и,
тобто за наявност вищо'1 освгти заpобiтна плата в сеpедньому стано-вить
У — ao + a Xi + ((2 Х*2 + ... + (mXm + S,
а за !! вгдсутносп
y — a0 + a1 x1 + a2 x2 + ••• + amxm •
У такому pазi коефiцiент S мае вiдобpажати змгни в заpплатi пpи пеpеходi pобiтникiв з одше! катек^и (без вищо'1 освгти) в пину (з ви-щою освгтою).
Паpаметpи тако'1 моделi оцгнюються за допомогою методу найменших квадpатiв, а значунцсть паpаметpа S, встановлена в пpоцесi пе-pевipки нульово! ппотези Ho : S — 0, означае наявшсть суттевих вiдмiнностей у заpобiтнiй платi pобiтникiв двох зазначених категоpiй.
Якщо якiсна ознака мае не два, а бгльше значень, то викоpистову-ють кiлька бiнаpних змГнних. ^ичому '1х кшькшть на одиницю мен-ша, шж кшьюсть pозглянутих категоpiй. Це пов'язано з тим, що сума бiнаpних змшних, як вГдповгдають piзним категоpiям, завжди доpiв-нюватиме одинищ для вах спостеpежень (тобто кожне спостеpежен-ня, напевно, потpапляе до яко'1сь одше! катек^и). А таке спГввГдношення означае наявшсть мультиколiнеаpностi мГж незалежними змшними i унеможливлюе оцшювання паpаметpiв моделГ за методом найменших квадpатiв•