- •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
1.1.3. Класифшащя моделей
Математичнi модели що використовуються в економiцi, можна подшити на класи за рядом ознак. Залежно ввд особливостей об'екта моделювання та застосованого математичного iнструментарiю виок-ремлюють такi моделi: макро- та мiкроекономiчнi, теоретичнi та при-кладнi, статичнi та динамiчнi, детермшоваш та стохастичнi, оптимь зацiйнi та моделi рiвноваги тощо.
Макроекономiчнi моделi описують економiку загалом, пов'язуючи мiж собою узагальненi матерiальнi та фiнансовi показники: ВВП, споживан-ня, швестици, зайнятiсть, процентну ставку, кiлькiсть грошей тощо. Микро-економiчнi моделi описують взаемодiю структурних i функцiональних складових економпки або поведiнку окремо! складово! в ринковому се-редовищi. Завдяки рiзноманiттю типiв економiчних елементiв i форм !х взаемодГ! на ринку мiкроекономiчне моделювання становить основну ча-стину економiко-математично! теори. Останнiми роками найсуттевiшi те-оретичнi результати вмiкроекономiчному моделюваннi отримано в про-цеа дослiдження стратегiчно! поведiнки фГрм в умовах олтополи.
Теоретичнi моделi дають змогу вивчати загальш властивостi еко-номГки та !! характерних елеменив i отримувати новГ результати на пiдставi формальних припущень. За допомогою прикладних моделей можна ощнити певш економiчнi показники, надати !м конкретних значень виходячи з вадповадно! статистично! iнформацi!.
У статичних моделях описуеться стан економiчного об'екта в пев-ний момент чи перiод часу, а динамiчнi моделi вивчають взаемозв'яз-ки економiчних змГнних у чась ЗмГннГ, що вивчаються в динамщд, у статичних моделях мають фпксоване значення. Однак динамiчна модель не зводиться до просто! суми статичних моделей, а описуе взае-модГю сил, що рухають економiку.
Детермшоваш моделi передбачають жорсткГ функцiональнi зв'яз-ки мГж змГнними моделi, а стохастичш — припускають наявнiсть ви-падкових впливГв на дослiджуванi показники.
У моделюванш ринково1 економГки важливе мюце належить моделям рГвноваги. Вони описують такий стан економГки, коли ва сили, що намагаються вивести ii з рГвноваги, мають нульову сумарну дгю. Опти-мГзацшш моделГ найчастгше застосовують на мГкрорГвнГ: вони дають змогу визначати найкращГ ргшення в умовах обмежених можливостей.
Предметом економетричного дослГдження е прикладш стохастичнг економГчнГ моделГ, тобто загальнГ економгчш моделГ, у яких моделью коефГщенти набувають конкретних числових значень залежно вГд використано1 статистично1 шформацп.
1.2. Кореляцшно-регресшний анал1з в економМ
У багатьох задачах потрГбно встановити та оцгнити залежнГсть деякого економГчного показника вГд одного чи кГлькох гнших показникГв. Очевидно, будь-якГ економгчш показники, зазвичай, перебува-ють шд впливом випадкових факторГв, а тому з математичноi точки зору штерпретуються як випадковГ величини.
3 теорп ймовгрностей вГдомо, що випадковГ величини можуть бути пов'язаш функцГональною чи статистичною залежшстю або ж узагалг бути незалежними. 3вичайно, спГввГдношення мгж незалежними змГнними тут не розглядаються. Строга функцюнальна залежнГсть реалГзуеться в економщ рГдко. ЧастГше спостерГгаеться так звана ста-тистична залежнГсть.
Нагадаемо, що статистичною називають залежнГсть, коли зг змшюванням однiеi випадковоi величини змшюеться закон розподГ-лу ймовгрностей шшо". 3окрема, статистична залежнГсть виявляеть-ся в тому, що зГ змГнюванням однГе1 величини змГнюеться середне значення шшо1. Така залежнГсть називаеться кореляцшною.
Наприклад, у землеробствГ з однакових за площею дглянок землг при рГвних кГлькостях внесених добрив збирають рГзний врожай. 3ви-чайно, немае строго1 функцГонально1 залежностГ мгж урожайшстю землГ та кГлькГстю внесених добрив. Це пояснюеться впливом випадкових факторГв (опади, температура повгтря, розташування дглян-ки тощо). Водночас, як показуе досвГд, середшй врожай залежить вГд кГлькостГ внесених добрив, тобто зазначеш показники, напевне, пов'язаш кореляцшною залежшстю.
Можна зазначити два типи взаемозв'язку змшних. В одному ви-падку неввдомо, яка зГ змГнних незалежна, а яка — залежна, тобто вони рiвноправнi й зв'язок можна розглядати як в один, так i в шший бпк У другому випадку змшш нерiвноправнi, тобто змiнювання лише одше! з них впливае на змшювання шшо!, а не навпаки. У цьому разi при розглядГ зв'язку мГж двома змГнними величинами важливо встано-вити на основГ логГчного мiркування, яка з ознак е причиною, а яка — наспдком. Наприклад, урожайшсть залежить ввд родючостГ землi, а не навпаки, тобто економiчна оцiнка землi е незалежною змшною, а врожайнiсть — залежною.
Варто мати на увазГ що статистичний аналiз залежностей сам по со6Г не розкривае сутност причинних зв'язкГв мГж явищами, тобто вш не вирГшуе питання, з яких причин одна змшна впливае на шшу. Розв'язок тако! задачГ е результатом якГсного (змГстовного) вивчення зв'язкГв, що обов'язково мае або передувати статистичному аналГ-зу, або супроводжувати його.
Нехай з певних економГчних мГркувань встановлено, що деякий економГчний показник x е причиною змГнювання Гншого показника у. СтатистичнГ данГ по кожному з показншав Гнтерпретуються як деякг реалГзацГ! випадкових величин X i Y. Як вГдомо з курсу теорп ймовГр-ностей, математичним сподГванням випадково! величини називаеть-ся !! середне (арифметичне чи зважене) значення. А залежшсть се-реднього значення ввд Гншо! випадково! величини зображуеться за допомогою умовного математичного сподГвання.
Корелящйну залежнГсть мГж ними або залежшсть в середньому в загальному випадку можна подати у виглядГ сшвввдношення
M(Y|x) = /(x), (1.1)
де M(Y | x) — умовне математичне сподГвання.
Функщя /(x) називаеться функщею регреси Y на X. При цьому X називаеться незалежною (пояснюючою) змхнною (регресором), Y — залежною (пояснюваною) змтною (регресандом). Розглядаючи залежнГсть двох випадкових величин, говорять про парну регресгю.
ЗалежнГсть Y ввд кглькох змшних, що описуеться функшею
M(Y | x1, x2,..., xm) = F(xu x2,k, xm), (1.2)
називають множинною регреаею.
ТермГн "регресГя" (рух назад, повернення до попереднього стану) увГв ФренсГс Галтон наприкГнцГ XIX ст., проаналГзувавши залежнГсть мгж зростом батькгв i зростом дгтей. ВГн помГтив, що зрГст дгтей у ду-же високих батькгв у середньому менший, нгж середнгй зрГст батькГв. У дуже низьких батькгв, навпаки, середнгй зрГст дгтей вищий. В обох випадках середнгй зрГст дгтей прямуе (повертаеться) до середнього зросту людей у даному реггонг. 3вгдси й вибгр термгна, що вГдбивае таку залежнГсть.
Однак реальш значення залежно1 змшно1 не завжди збггаються з ii умовним математичним сподГванням, тому аналГтична залежнГсть (у виглядГ функцп y = f (x)) мае бути доповнена випадковою скла-довою и, що, власне, i вказуе на стохастичну сутшсть залежностГ.
Означения 1.1. 3в'язки мГж залежною та незалежною (незалежними) змгнними, що описуються спгввгдношеннями
y = f (x) + u, (1.3)
y = F(x1, x2,xm) + u, (1.4)
називають регресшними ргеняннями (моделями).
Виникае питання про причини обов'язково1 присутностГ в ре-гресГйних моделях випадкового фактора (вГдхилення). Серед таких причин виокремимо нашстотншп.
1. Уеедення е модель не есгх пояснюючих змгнних. Будь-яка регре-сГйна (зокрема, економетрична) модель — це спрощення реально1 си-туацП. Остання завжди е складною композищею рГзних факторГв, багато з яких у моделГ не враховуються, що призводить до вГдхилення реальних значень залежно1 змшно1 вГд ii модельних значень. На-приклад, попит на товар визначаеться його цшою, цшами на товари-замшники, на товари, що його доповнюють, прибутком споживачГв, "хнГми смаками, уподобаннями тощо. Безумовно, перелгчити всГ пояс-нюючГ змГннГ практично неможливо. 3окрема, неможливо врахувати такГ фактори, як традицп, нацГональнГ чи релГгГйнГ особливосп, геогра-фГчне положення району, погоду та багато гнших, вплив яких призводить до деяких ввдхилень реальних спостережень вГд модельних. Цг вГдхилення можуть бути описанГ як випадкова складова моделГ.
У деяких випадках заздалеггдь невгдомо, якГ фактори за умов, що склалися, насправдГ е визначальними, а якими можна знехтувати. Кргм того, школи безпосередньо врахувати якийсь фактор неможливо через ввдсутшсть статистичних даних. Наприклад, обсяг за-ощаджень домогосподарств може визначатися не лише прибутками 1х членгв, а й станом здоров'я останнгх, шформацгя про яке в цивГлГзованих кра!нах становить лжарську таемницю. У деяких ситуащях ряд факторГв мае принципово випадковий характер, що додае неоднозначности певним моделям, наприклад погода в моделях, що про-гнозують обсяг врожаю.
Неправилъний вииббр функциональны форми модель. Через слабку вив-чешсть дослгджуваного процесу або через його мшливють може бути неправильно дГбрано функщю, що його моделюе. Це, безумовно, спричи-нить ввдхилення моделГ вГд реальностГ, що позначиться на величинг випадково! складово!. Наприклад, виробнича функцГя (Y) одного фактора (X) може моделюватися функщею Y = a + bX, хоча мала б викорис-товуватися шша модель: Y = aXb (0 < b < 1), що враховуе закон спадно! ефективносп. КрГм того, неправильним може бути добГр пояснюючих змшних.
Агрегування змтних. У багатьох моделях розглядаються залеж-ностГ мГж факторами, що самГ е складною комбшащею Гнших, про-стГших змшних. Наприклад, при вивченш сукупного попиту аналГ-зуеться залежнГсть, у якш пояснювана змГнна (сукупний попит) е складною композищею ГндивГдуальних попитГв, що також може ви-явитися причиною ввдхилення реальних значень вГд модельних.
Помилки вимЬрюванъ. Якою б яюсною не була модель, помилки вимГрювання змшних впливатимуть на розбГжносп мГж модельними та емпГричними даними, що також позначиться на величиш випад-кового члена.
Обмежетстъ статистичних даних. НайчастГше будуються моделГ, що описуються неперервними фунюцями. А для оцшювання параметрГв моделГ використовуеться набГр даних, що мае дискрет-ну структуру. Ця невГдповвдшсть знаходить ввдображення у випад-ковому вГдхиленнГ.
6. Непередбачуватстъ людсъкого фактора. Ця причина може "зшсувати" найяюсшту модель. Дшсно, при правильному виборг форми моделГ, скрупульозному доборГ пояснюючих змГнних немож- ливо спрогнозувати поведГнку кожного шдиввдуума.
СукупнГсть методГв, за допомогою яких дослвджуються та узагаль-нюються взаемозв'язки кореляцшно пов'язаних змГнних, називаеться корелящйно-регресшним аналГзом.
Зазначеними методами розв'язують двГ основнГ задачГ:
1) знаходження загально! закономГрностГ, що характеризуе залеж- нГсть двох (чи бгльше) кореляцшно пов'язаних змГнних, тобто роз- робка математично! моделГ зв'язку (задача регресшного аналГзу);