- •Учебно-методические материалы
- •Часть II
- •Содержание
- •Глава III факторный анализ в эконометрическом моделировании.
- •3.1. Введение в факторный анализ.
- •3.2. Общая идея метода факторного анализа.
- •3.3. Примеры задач факторного анализа в экономических исследованиях.
- •Глава IV. Эконометрические модели. Системы одновременных уравнений.
- •4.1. Понятие системной эконометрической модели.
- •4.2. Структура системной эконометрической модели.
- •Уравнение конечного спроса;
- •4.3. Принципы и этапы разработки эконометрической модели.
- •4.4. Оценка параметров модели. Формы модели.
- •4.5. Проблема идентификации.
- •4.6. Двухшаговый метод наименьших квадратов.
- •Поясним изложенное на примере
- •4.7. Рекурсивные модели.
- •4.8. Прогнозирование на основе эконометрической модели.
- •4.9. Анализ эконометрической модели с помощью мультипликаторов.
- •Рекомендуемая литература для углубленного изучения эконометрики
- •Приложение Критерий дарбина-уотсона.
- •Критические точки распределения Стьюдента
- •Критические точки распределения f-Фишера-Снедекора
- •Словарь экономико-математических терминов
- •Корреляционные зависимости
- •Аналоговая модель;
- •Структурная модель;
- •Рекомендовано к изданию Редакционно-издательским советом Национального института бизнеса
Аналоговая модель;
Иконическая модель (то же: портретная модель);
Концептуальна модель;
Структурная модель;
Информационная модель;
Функциональная модель.
2. По предназначению (цели создания и применения) модели:
Балансовая модель;
Дескриптивная модель (то же: Описательная);
Имитационная модель;
Модели равновесия;
Неравновесная модель;
Нормативная модель (то же: Прескриптивная модель), в т. ч. Оптимальная модель (то же: Оптимизационная модель).
3. По способу логико-математического описания моделируемых экономических систем:
Аналитическая модель;
Вероятностная модель (то же: Стохастическая модель);
Детерминированная модель;
Дискретная модель;
Линейная модель;
Математико-статистическая модель;
Матричная модель;
Нелинейная модель;
Непрерывная модель;
Регрессионная модель;
Сетевая модель;
Числовая модель;
Эконометрическая модель.
4. По временному и пространственному признаку:
Гравитационная модель;
Динамическая модель;
Модели с «бесконечным временем»;
Статическая модель;
Точечная модель;
Трендовая модель.
5. По внутренней структуре модельного описания системы:
Автономная модель;
Глобальная модель;
Закрытая модель;
Комплекс моделей;
Макроэкономическая модель, (то же: Агрегатная модель);
Микроэкономическая модель;
Многосекторная модель (многоотраслевая, многопродуктовая);
Однопродуктовая модель;
Открытая модель;
Система моделей (в том числе многоуровневая или многоступенчатая).
6. По области применения:
а) с точки зрения типов решаемых экономических задач;
б) с точки зрения математического аппарата, применяемых экономико-математических методов.
Экономико-математическое моделирование [economico-mathematical modelling, economic modelling] — описание экономических процессов и явлений в виде экономико-математических моделей. (Иногда тем же термином обозначают также реализацию экономико-математической модели на ЭВМ, т. е. «искусственный эксперимент» или машинную имитацию, машинное решение экономико-математической задачи — однако это может вводить в заблуждение.)
Как и всякое моделирование, Э.-м. м. основывается на принципе аналогии, т. е. возможности изучения объекта (почему-либо трудно доступного для исследования) не непосредственно, а через рассмотрение другого, подобного ему и более доступного объекта, его модели. В данном случае таким более доступным объектом является экономико-математическая модель. При построении моделей те или иные теории или гипотезы благодаря формализации и квантификации становятся более обозримыми, уточняются, и это способствует лучшему пониманию изучаемых проблем. Моделирование оказывает и обратное влияние на исследователей, требуя четкости формулировки исследовательской задачи, строгой логичности в построении гипотез и концепций. Практическими задачами моделирования являются, во-первых, анализ экономических объектов; во-вторых, экономическое прогнозирование, предвидение развития хозяйственных процессов; в-третьих, выработка управленческих решений на всех уровнях хозяйственной иерархии.
Последнее, впрочем, требует пояснения. Далеко не во всех случаях данные, полученные из Э.-м. м., могут использоваться непосредственно как готовые управленческие решения. Гораздо чаще они используются в качестве «консультирующих» средств, принятие же самих управленческих решений остается за человеком. Это объясняется чрезвычайной сложностью экономических и шире — социально-экономических процессов. Э.-м. м., таким образом, является лишь компонентом, хотя и очень важным, в человеко-машинных системах планирования и управления народным хозяйством.
Процесс Э.-м. м. проходит ряд этапов: идентификацию объекта, спецификацию модели, идентификацию и оценку параметров модели, установление зависимостей между ними, проверку. Причем весь этот процесс обычно повторяется многократно и с каждым циклом модель уточняется, особенно когда дело идет о модели, предназначенной для практических расчетов. (В последнем случае к модели предъявляются дополнительные требования со стороны технологии алгоритмизации).
На каждом этапе построения моделей соблюдаются определенные правила их испытания, проверки. При этом обнаруживаются и устраняются недостатки, наиболее типичными из которых являются четыре: включение в модель несущественных (для данной задачи) переменных, невключение в модель существенных переменных, недостаточно точная оценка параметров модели, недостатки в структуре модели, т. е. неправильное определение зависимостей между переменными, а в случае оптимизации — зависимости принятого критерия от управляемых и неуправляемых переменных.
Усложняя модель, чтобы сделать ее более точной и подробной, необходимо знать: компенсирует ли полученная точность результатов возросшие вычислительные трудности? И наоборот, решая исключить какой-то элемент из модели, чтобы сделать ее проще, необходимо оценить потери в ее достоверности, т. е. не обойдутся ли они дороже, чем выигрыш от упрощения расчетов.
Эффективный путь практического моделирования — использование готовых моделей аналогичных объектов или процессов (с необходимыми уточнениями), а также отдельных блоков модели — стандартных «модулей», совокупность которых образует искомую модель (модульный принцип).
В настоящее время идет поиск новых математических понятий и методов, пригодных для построения и исследования моделей и систем моделей так называемых сложных систем с переменной структурой, меняющимся характером динамики, содержащих неполную и недостаточно формализованную информацию. (Сходные проблемы возникают при попытках математизации биологических, экологических, социальных и психологических исследований.) Все это придает возрастающее значение математика-статистическому моделированию, машинной имитации, новым разделам математики.
Экспоненциальное сглаживание временных рядов [ехроnеntial series smoothing] — модификация метода наименьших квадратов для анализа временных рядов, при которой более поздним наблюдениям придается больший вес; иными словами, веса точек ряда убывают (э к с п о н е н ц и а л ь н о) по мере удаления в прошлое.
Экстраполяция временного ряда [time-series extrapolation] — распространение тенденций, установленных в прошлом, на будущий период. Применяется в прогнозировании, в частности, в демографических моделях. Математические методы экстраполирования сводятся к определению того, какие значения будет принимать та или иная переменная величина X = x(t), если известен ряд ее значений в прошлые моменты времени:
x(t1), x(t2) …,x(tn).
В ряде случаев используется только несколько последних точек временного ряда. Если их две — экстраполяция сводится к проведению через них прямой и называется линейной. Во многих случаях перед экстраполяцией бывает необходимым произвести выравнивание временных рядов в целях устранения нехарактерных для них отклонений. Среди наиболее распространенных методов решения этой задачи — метод наименьших квадратов.
Экстраполяционные модели успешно используются в рамках среднесрочного горизонта прогнозирования, но не обеспечивают надежных данных на более отдаленную перспективу.
Эндогенные величины [endogenous factors] — переменные, изменение которых происходит внутри моделируемой системы, в отличие от экзогенных, которые вводятся в модель извне. Для экономико-математических моделей разделение переменных на эндогенные и экзогенные в значительной мере произвольно и определяется характером решаемой задачи. Эндогенные факторы (переменные) взаимосвязаны прямыми и обратными связями, а внешние не испытывают обратного воздействия (в рамках данной модели).
Э. в. часто называют также вы х о д н ы м и.