- •Структура залікового кредиту курсу
- •Змістовий модуль і. Лінійні моделі множинної регресії
- •Тема 1. Основи економетричного моделювання. План (логіка)викладу і засвоєння матеріалу
- •Предмет і метод курсу.
- •Місце курсу серед дисциплін фундаментальної підготовки бакалаврів з економічних спеціальностей.
- •Задачі економетричного дослідження.
- •Особливості економетричних моделей та історія розвитку економетричних досліджень.
- •Тема 2. Загальна лінійна економетрична модель. Методи побудови та дослідження план (логіка)викладу і засвоєння матеріалу
- •2.1. Постановка та основні означення парної лінійної регресії. Метод найменших квадратів. Система оцінки параметрів економетричної моделі з двома змінними.
- •2.2. Дисперсійний та кореляційний аналіз побудованої моделі.
- •2.3. Постановка загальної лінійної моделі.
- •2.4. Передумови застосування методу найменших квадратів (1мнк).
- •Властивості оцінок параметрів.
- •1) Незміщеності; 3) ефективності;
- •2) Обґрунтованості; 4) інваріантності.
- •2.6. Перевірка моделі на якість і точність.Прогноз.
- •Дисперсійний аналіз
- •Тема 3. Поняття та методи дослідження мультіколінеарності. Гетероскедастичність, методи визначення та наслідки. План (логіка)викладу і засвоєння матеріалу
- •3.1. Поняття мультіколінеарності. Методи визначення її.
- •Методи дослідження мультіколінеарності (метод феррара-глобера).
- •Поняття гетероскедастичності. Методи її визначення.
- •Перевірка гетероскедастичності на основі критерію
- •Параметричний тест Гольдфельда—Квандта
- •Тема 4. Нелінійні моделі та часові ряди план (логіка)викладу і засвоєння матеріалу
- •4.1.Методи оцінювання параметрів моделі нелінійного виду.
- •4.2.Виробнича функція : аналіз рішення.
- •4.4. Поняття тренду. Методи дослідження динамічних рядів
- •Похідні від функцій апроксимації
- •Тема 5. Побудова економетричної моделі з автокорельованими залишками. План (логіка)викладу і засвоєння матеріалу
- •5.1.Поняття і причини виникнення автокореляції.
- •5.2.Критерій дарбіна-уотсона.
- •5.3.Критерій неймана. Критерій фон Неймана
- •5.4.Оцінка параметрів моделі з автокорельованими залишками. Метод ейткена
- •Тема 6. Моделі розподіленого лагу. Методи інструментальних змінних план (логіка)викладу і засвоєння матеріалу
- •6.1.Поняття лагу і лагових змінних.
- •Моделі розподіленого лагу (дистрибутивно – лагові моделі);
- •Авторегресійні моделі.
- •6.2.Лаги незалежних змінних лаги залежної змінної.
- •6.3.Методи оцінювання.
- •6.4.Метод ейткена. Ітеративний метод.
- •Метод Ейткена
- •6.5.Метод інструментальних змінних.
- •6.7.Оператор оцінювання вальда.
- •Тема 7. Непрямий метод найменших квадратів. Проблеми ідентифікації план (логіка)викладу і засвоєння матеріалу
- •Система одночасних структурних рівнянь. Проблеми ідентифікації
- •7.2. Рекурсивні системи
- •7.3. Непрямий метод найменших квадратів (нмнк)
- •7.4. Двокроковий метод найменших квадратів (2мнк)
- •7.5. Трикроковий метод найменших квадратів (змнк)
Властивості оцінок параметрів.
Оцінки параметрів А є вибірковими характеристиками і повинні
мати такі властивості:
1) Незміщеності; 3) ефективності;
2) Обґрунтованості; 4) інваріантності.
Означення .Вибіркова оцінка А параметра А називається незміщеною, якщо вона задовольняє рівність
М(А)=А.
Означення . Вибіркова оцінка А параметрів А називається обґрунтованою, якщо при довільному Є > 0 справджується співвідношення
1іmР{|А-А|<є}=1.
Означення . Вибіркова оцінка А параметрів А називається ефективною, коли дисперсія цієї оцінки є найменшою в класі незміщених оцінок.
Нехай А ефективна оцінка параметрів А, а А' — деяка інша оцінка цих параметрів. Тоді
Це відношення називається ефективністю оцінки. Очевидно, що 0 < k <1; чим ближче k до одиниці, тим ефективнішою є оцінка. Цікаво, що відношення може бути функцією сукупності спостережень п, причому зі збільшенням п може швидко змінюватися.
Означення. Оцінка А параметрів А називається інваріантною, якщо для довільно заданої функції g оцінка параметрів функції g(A) подається у вигляді g(A).
Іншими словами, інваріантність оцінки базується на тому, що в разі перетворення параметрів А за допомогою деякої функції g таке саме перетворення, виконане щодо А, дає оцінку g(A) нового параметра.
Інваріантність оцінок має велике практичне значення. Наприклад, якщо відома оцінка дисперсії генеральної сукупності й вона інваріантна, то оцінку середньоквадратичного відхилення можна дістати, добувши квадратний корінь із оцінки дисперсії.
Коефіцієнт кореляції R є інваріантною оцінкою до коефіцієнта детермінації
.
2.6. Перевірка моделі на якість і точність.Прогноз.
У класичній регресійній моделі У = ХА + u; вектор и = (u1, и2,..., иn) і залежний від нього вектор У = (у1, у2..., уn) є випадковими змінними. До оператора оцінювання А входить вектор У = А = (X′X)-1 X' Y
а отже, оператор А також можна вважати випадковою функцією оцінювання параметрів моделі.
Відомо, що для характеристики випадкових змінних поряд з математичним сподіванням, застосовуються також дисперсія і коваріація . Істинні (справжні) значення цих параметрів класичної економетричної моделі утворюють дисперсійно-коваріаційну матрицю
(2.31)
Оцінки коваріаційної матриці використовуються для знаходження стандартних помилок та обчислення довірчих інтервалів оцінок параметрів .. Вони використовуються й при перевірці їх статистичної значущості.
На головній діагоналі матриці var ( ) містяться оцінки дисперсій j оцінки параметрів, що ж до елементів , які розміщені поза головною діагоналлю, то вони є оцінками коваріації між аi і аj., де —незміщена оцінка дисперсії залишків:
(2.32)
Оскільки вектор залишків u =У-У = Y-XA, то добуток векторів u′ u можна записати так
u'u=Y'Y-A'X'Y. (2.33)
Звідси маємо альтернативну форму запису дисперсії залишків:
(2.34)
Позначимо (j , k) -й елемент матриці (X' Х)-1 символом Cij., тоді j-й елемент по головній діагоналі матриці var(A) обчислюється за формулою:
(2.35)
Коваріації , що містяться за межами головної діагоналі, відповідно такі:
(2.36)