- •Загальні поняття економетричних моделей. Задачі економетрії.
- •Кореляційно-регресійний аналіз в економіці. Функціональний та кореляційний зв’язки.
- •2) Визначення тісноти зв'язку (задача кореляційного аналізу).
- •Функція регресії. Регресор. Регресат. Причини обов'язкової присутності в регресійних моделях випадкового фактора.
- •Просторові дані. Часові ряди. Особливості часових рядів. Кореляційне поле.
- •Застосування методу Фостера-Стюарта з метою виявлення закономірного зв’язку між змінними
- •Методи вибору найкращої функції регресії
- •Економетрична модель. Специфікація моделі регресії.
- •Економетрична модель. Параметризація рівняння регресії.
- •Моделі часових рядів. Регресійні моделі з одним рівнянням.
- •Моделі часових рядів. Системи незалежних, рекурсивних, взаємозалежних рівнянь.
- •Порівнянність та однорідність даних. Повнота даних та стійкість.
- •Сутність методу найменших квадратів
- •Застосування методу максимальної правдоподібності з метою оцінювання параметрів економетричної моделі
- •Поняття кореляція. Кореляційний момент або коваріація. Коефіцієнт кореляції. Вибірковий кореляційний момент. Стандартна похибка.
- •Якісна оцінка коефіцієнтів кореляції за шкалою Чеддока. Розподіл Фішера-Іейтса.
- •Поняття кореляції. Оцінка значимості коефіцієнта кореляції з використанням t-критерію Стьюдента.
- •Матриця коефіцієнтів парної кореляції. Вибірковий коефіцієнт множинної кореляції та коефіцієнт детермінації. Вибірковий частинний коефіцієнт кореляції.
- •Проблема мультиколінеарності. Застосування алгоритму Фаррера-Глобера.
- •Індекс кореляції. Методика розрахунку кореляційного відношення.
- •Побудова економетричної моделі на основі покрокової регресії.
- •«Істинне» рівняння регресії. Парна регресія. Систематична та випадкова складові.
- •Умови Гаусса-Маркова.
- •Властивості оцінок параметрів регресійного рівняння: незміщеність, обґрунтованість, ефективність та інваріантність.
- •Оцінки найменших квадратів. Верифікація моделі. Стандартна похибка рівняння. Оцінений коефіцієнт детермінації.
- •Оцінки найменших квадратів. Перевірка значущості та довірчі інтервали. Прогнозування за лінійною моделлю.
- •Множинна регресія. Специфікація багатофакторної моделі. Помилки специфікації множинної регресії.
- •Мультиколінеарність. Практичні наслідки мультиколінеарності та методи її усунення.
- •Оцінка якості моделі множинної регресії. Перевірка виконання передумов мнк. Перевірка гіпотези про нормальний розподіл залишків регресії
- •Етапи побудови економетричної моделі.
- •Оцінка якості прогнозів за регресійними моделями
- •Нелінійна регресія відносно пояснюючих змінних. Нелінійна регресія по параметрам, що оцінюються. Внутрішньо лінійна та нелінійна функції.
- •Особливості параметризації нелінійної регресії. Вибір аналітичної форми дослідження.
- •Фіктивні змінні. Ілюстрація використання фіктивної змінної. Множинні сукупності фіктивних змінних.
- •Оцінка якості моделі. Дослідження відповідності моделі емпіричним даним. Оцінка точності моделі.
- •Поняття гомоскедастичності та гетероскедастичності залишків. Наслідки порушень припущення про гомоскедастичність.
- •Методи виявлення гетероскедастичності. Тест Голдфельда-Квандта. Тест рангової кореляції Спірмена.
- •Трансформування початкової моделі з гетероскедастичністю.
- •Зважений метод найменших квадратів.
- •Оцінювання параметрів регресії за допомогою узагальненого методу найменших квадратів (методу Ейткена).
- •Поняття автокореляції. Автокореляція залишків. Лагові затримки.
- •Природа автокореляції та її наслідки. Методи усунення автокореляції.
- •Тестування наявності автокореляції. Критерій Дарбіна-Уотсона. Критерій фон Неймана.
- •Коефіцієнти автокореляції та їх застосування. Автокореляційна функція та корелограма.
- •Оцінка параметрів моделі з автокорельованими залишками. Метод Ейткена.
- •Оцінка параметрів моделі з автокорельованими залишками. Метод Кочрена-Оркатта.
- •Прогноз на основі моделі з автокорельованими залишками.
- •Узагальнені економетричні моделі.
- •Поняття лагу і лагових змінних.
- •Дистрибутивно-лагові моделі. Авторегресійні моделі.
- •Моделі розподіленого лагу. Узагальнена модель розподіленого лагу.
- •Оцінка параметрів лагових моделей. Метод послідовного збільшення кількості лагів.
- •Перетворення Койка (метод геометричної прогресії).
- •Модель адаптивних сподівань. Модель часткового коригування.
- •Оцінювання параметрів методом Ейткена.
- •Динамічний та часовий ряди. Систематичні та випадкові компоненти часового ряду. Стаціонарність часового ряду.
- •Фільтрація компонент часового ряду. Ts, ds, тренд-сезонні, нелінійні часові ряди.
- •Дослідження автокореляційної функції часового ряду.
- •Методи фільтрації сезонної компоненти.
- •Прогнозування тенденції часового ряду за механічними методами та аналітичними методами.
- •Адаптивні методи прогнозування.
- •Метод декомпозиції часового ряду. Розрахунок сезонної хвилі.
- •Системи одночасних економетричних рівнянь. Ендогенні та екзогенні змінні.
- •Структурна та зведена форми економетричної моделі. Повна економетрична модель.
- •Ідентифікованість моделі. Необхідна та достатня умови ідентифікованості системи.
- •Непрямий метод найменших квадратів.
- •Двокроковий та трикроковий методи найменших квадратів.
- •Прогноз ендогенних змінних і загальні довірчі інтервали.
Індекс кореляції. Методика розрахунку кореляційного відношення.
При відхиленні парної статистичної залежності від лінійної коефіцієнт кореляції втрачає свій сенс як характеристика тісноти зв’язку. В такому випадку можна використати такий вимірник зв’язку як індекс кореляції (кореляційне відношення). Кореляційне відношення визначається через відношення між групової дисперсії до загальної дисперсії.
Для визначення емпіричного кореляційного відношення сукупність значень результативної ознаки Y розбивають на окремі групи. В основу групування кладеться фактор Х, що досліджується.
Коли сукупність, що досліджується, розбивається на групи по одній (факторній) ознаці Х, то для кожної з цих груп можна розрахувати відповідні групові середні результативної ознаки. Зміна групових середніх від групи до групи говорить про наявність зв’язку результативної ознаки з факторною однакою, а наближена рівність групових середніх – про відсутність зв’язку.
Методика розрахунку кореляційного відношення.
Нехай групування даних зроблено, при цьому k – число інтервалів групування по вісі х; – кількість елементів вибірки в j-тому інтервалі групування; n – обсяг сукупності ( ); – загальне середнє.
1. Розрахуємо середнє значення Y в j-й групі:
. (2.18)
2. Розрахуємо загальну середню Y, використовуючи середні значення в кожній групі:
. (2.19)
3. Знайдемо міжгрупову дисперсію та загальну дисперсію
; . (2.20)
Кореляційне відношення залежної змінної Y по незалежній змінній Х може бути отримано з відношення між групової дисперсії до загальної дисперсії
. (2.21)
Величина кореляційного відношення змінюється від 0 до 1. Близькість його до нуля говорить про відсутність зв’язку, а близькість до одиниці – про тісний зв'язок.
Побудова економетричної моделі на основі покрокової регресії.
оцінити параметри моделі можна через коефіцієнти кореляції: спочатку оцінити тісноту зв’язку між кожною парою змінних, а потім знайти оцінки параметрів економетричної моделі.
Залежність оцінок параметрів економетричної моделі і коефіцієнтів парної кореляції покладено в основу алгоритму покрокової регресії.
Опишемо цей алгоритм.
Крок 1-й. Усі вихідні дані змінних стандартизуються (нормалізуються):
(2.23)
де – нормалізована залежна змінна; – нормалізовані незалежні змінні; – середнє значення j-ї незалежної змінної; – середнє значення залежної змінної; , – середньоквадратичні відхилення.
При цьому середні значення і дорівнюють нулю, а дисперсії – одиниці.
Крок 2-й. Знаходиться кореляційна матриця (матриця парних коефіцієнтів кореляції):
(2.24)
де – парні коефіцієнти кореляції між залежною і незалежними змінними,
n – кількість спостережень;
– парні коефіцієнти кореляції між незалежними змінними,
Крок 3-й. На підставі порівняння абсолютних значень вибираються Найбільше вказує на ту незалежну змінну, яка найтісніше пов’язана з y. На цьому кроці на основі 1МНК знаходиться оцінка параметра цієї змінної в моделі:
, (2.25)
де – оцінка параметру моделі, яка будується на основі стандартизованих даних.
Крок 4-й. Серед інших значень вибирається і в модель вводиться наступна незалежна змінна
(2.26)
і т.д.
Якщо немає обмеження на внесення до економетричної моделі кожної наступної незалежної змінної, то обчислення виконуються доти, поки поступово не будуть внесені до моделі всі змінні.
Сума квадратів залишків для такої моделі запишеться так:
.
звідси мінімізації підлягає
.
Узявши похідну за кожним невідомим параметром j цієї функції і прирівнявши всі здобуті похідні нулю, дістанемо систему нормальних рівнянь.
Система нормальних рівнянь для знаходження параметрів моделі j в загальному вигляді запишеться так:
Позначимо матрицю парних коефіцієнтів кореляції між незалежними змінними через r, а вектор парних коефіцієнтів кореляції між залежною і незалежними змінними через . тоді система нормальних рівнянь набере вигляду
,
а оператор оцінювання параметрів:
(2.27)
Оскільки всі змінні виражені в стандартизованому масштабі, то параметри показують порівняльну силу впливу кожної незалежної змінної на залежну: чим більше за модулем значення параметра , тим сильніше впливає j-та змінна на результат.
Зв’язок між оцінками параметрів моделі на основі стандартизованих і нестандартизованих змінних запишеться так: