- •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
2.2. Лшшна модель з двома зм1нними
У загалыному випадку парна лшшна регресЫ е лшшною функщею м"ж залежною зм"нною Y i одн"ею пояснюючою зм"нною X:
Y = а0 + a1X. (2.1)
Сшвввдношення (2.1) називаеться теоретичною лтшною регре-айною моделлю; a0 i a1 — теоретичт параметри (теоретичт коеф1-щенти) регреси.
Зазначимо, що принциповою в цьому pa3i е лшшшсть за параметрами a0 i ai piвняння (2.1).
Щоб визначити значення теоретичних коефiцiентiв регреси, необ-xiдно знати й використовувати ва значення змiнних X i Y генераль-но" cукупноcтi, що практично неможливо. Тому за вибipкою обмеже-ного обсягу будують так зване емтричне ргвняння регреси, у якому коефнцентами е оцшки теоретичних коефппенив регресГх:
Y = a0 + aiX, (2.2)
де ao i <21 — оцiнки нeвiдомиx паpамeтpiв ao i ai.
Через pозбiжнicть статистично! бази для генерально! сукупносп та вибipки оцiнки <50 i <51 практично завжди вiдpiзняютьcя вщ дiйcниx значень коeфiцiентiв ao i що призводить до pозбiжноcтi eмпipичноl та теоретично! лiнiй регреси. Piзнi вибipки з однiеl й пе! само! генерально'1 cукупноcтi звичайно зумовлюють piзнi оцiнки.
Можливе сшввщношення мiж теоретичним i eмпipичним piвнян-нями регреси схематично зображено на рис. 2.1.
Задач1 лшшного регресшного анал1зу полягають у тому, щоб за на-явними статистичними даними (xi, уг), i = 1, 2,..., n, для змшних X i Y:
а) отримати найкращд оцiнки <20, щ невiдомих параметрiв а0 i щ:
б) перевiрити статистичнi гiпотези про параметри модели
в) перевiрити, чи досить добре модель узгоджуеться 3i статистич- ними даними (адекватшсть моделi даним спостережень).
Для вщображення того факту, що кожне шдивщуальне значення yi вiдхиляeться вiд вiдповiдного умовного математичного сподiван-
ня, у модель уводять випадковий доданок ut:
yi = M(Y | X = x;) + ui = a0 + a1 x; + щ.
Отже, iндивiдуальнi значення yi подають у виглядi суми двох
компонент — систематично! (ао + ) i випадково! (uf). Причина появи останньо! досить докладно розглядалася ранiше. Таким чином, регресшне рiвняння набувае вигляду
Y = а0 + а1Х + u. (2.3)
Завдання полягае в тому, щоб за конкретною вибiркою (xi, yi), i = 1, 2, к, n, знайти такi значення оцшок невiдомих параметрiв ао i щоб побудована лiнiя регресп була найкращою в певному розумшш серед уах iнших прямих. 1ншими словами, побудована пряма мае бути "найближчою" до точок спостережень за !х сукупнiстю.
Miрою якостi знайдених оцшок можуть бути визначеш композищ! вiдхилень щ, i = 1, 2,n. Наприклад, коефщденти ао i а1 рiвняння регресп можуть бути оцшеш за умови мiнiмiзацi! однiе! з таких сум:
nn |
- yi) = |
n I(yi i=1 |
(20 Cl1xi); |
(2.4) |
nn 2) Iui=Iyi i=1i=1 |
- yi- = |
n Iyi- i=1 |
alXi | ] |
(2.5) |
nn 3) I u2 =I ( у-- i=1i=1 |
|
n =I(yi i=1 |
- - >21xi)2. |
(2.6) |
Однак перша сума не може бути Mipoio якост знайдених ощнок
n
через те, що юнуе безл1ч прямих (зокрема, Y = y ), для яких ^ щ = 0
i=i
(доведення цього твердження виноситься як вправа).
Метод визначення ощнок коефщенпв за умови мппм1зацп дру-го! суми називаеться методом найменшихмодулгв (МНМ).
Найпоширешшим i теоретично обгрунтованим е метод визначення коефшденпв, при якому мiнiмiзуеться третя сума. Biн дютав на-зву методу найменших квадратгв (МНК).
Останнiй метод oцiнювання паpаметpiв найпpoстiший з обчис-лювально! точки зору. Кpiм того, oцiнки коефщенив регреси!, знайденi за МНК при визначених передумовах, мають ряд опти-мальних властивостей (незмiщенiсть, ефективнiсть, обгрунто-ванiсть).
Серед iнших метoдiв визначення ощнок коефшденив регресп ви-окремимо метод моменпв (ММ) i метод максимально! пpавдoпoдiб-нoстi (ММП).