- •1. Методи дослідження і моделювання соціально-економічних систем
- •1.1. Економічна система як об’єкт моделювання
- •1.2. Етапи економіко-математичного моделювання
- •1.3. Класифікація економіко-математичних методів і моделей
- •2. Особливості економетричних моделей
- •2.1. Загальне поняття економетричної моделі
- •2.2. Формування сукупності спостережень
- •2.3. Поняття однорідності спостережень
- •2.5. Вибір змінних і структура зв’язків
- •2.4. Точність вихідних даних
- •2.6. Основні складові частини класичної моделі нормальної регресії
- •3. Парна лінійна регресія
- •3.1. Суть задачі побудови парної лінійної регресії
- •3.2. Передумови застосування методу найменших квадратів (1мнк)
- •3.3. Мнк для парної лінійної регресії
- •3.4. Поняття про ступені вільності
- •Оцінок параметрів та , знайдених за мнк
- •3.6. Інтервали довіри для параметрів та
- •3.7. Оцінка щільності та перевірка істотності кореляційного зв’язку
- •3.8. Коефіцієнт детермінації
- •3.9. Перевірка парної лінійної регресії на адекватність за –критерієм Фішера
- •3.10. Прогнозування за моделями парної лінійної регресії
- •Приклад 1. Лінійна парна регресія
- •4. Нелінійні моделі та їх лінеаризація
- •Приклад 2. Нелінійна парна регресія
- •5. Багатофакторна лінійна регресія
- •5.1. Класична лінійна багатофакторна модель
- •5.2. Основні припущення в багатофакторному регресійному аналізі
- •5.3. Етапи побудови багатофакторної регресійної моделі
- •5.4. Розрахунок невідомих параметрів багатофакторної регресії за мнк
- •5.5. Перевірка гіпотез щодо параметрів багатофакторної регресії в матричному вигляді
- •5.6. Знаходження інтервалів довіри для параметрів
- •5.7. Побудова економетричної моделі на основі покрокової регресії
- •5.8. Коефіцієнти множинної кореляції та детермінації
- •5.10. Коефіцієнт детермінації та оцінений коефіцієнт детермінації
- •5.10. Перевірка моделі на адекватність за f - критерієм Фішера
- •5.11. Прогнозування за багатофакторною регресійною моделлю
- •Приклад 3. Багатофакторна лінійна регресія
- •Приклад 4. Побудова економетричної моделі на основі покрокової регресії
- •Приклад 5. Оцінка коефіцієнтів детермінації
- •Приклад 6. Перевірка адекватності моделі
- •6. Мультиколінеарність
- •6.1. Поняття мультиколінеaрності
- •6.2. Ознаки мультиколінеарності
- •6.3. Алгоритм Фаррара – Глобера
- •7. Автокореляція
- •7.1. Поняття автокореляції
- •7.2. Наслідки автокореляції залишків
- •7.3. Перевірка наявності автокореляції Критерій Дарбіна – Уотсона
- •7.4. Критерій фон Неймана
- •7.5. Нециклічний коефіцієнт автокореляції
- •7.6. Циклічний коефіцієнт автокореляції
- •9. Гетероскедастичність
- •9.1. Поняття гетероскедастичності
- •9.2. Перевірка гетероскедастичності на основі критерію
- •9.3. Параметричний тест Гольдфельда-Квандта
- •Приклад 8. Перевірка наявності гетероскедастичності
- •10. Економетричні симультативні моделі
- •10.1. Системи одночасних структурних рівнянь
- •10.2. Загальні поняття про методи оцінювання
- •10.3. Попередні відомості про структурні моделі. Ілюстративний приклад
- •10.4. Структурні моделі скороченої форми
- •10.5. Проблема ототожнення в симультативних моделях
- •10.6. Основні правила ототожнення
- •10.7. Рангова умова ототожнення
- •10.8. Методи оцінювання невідомих параметрів симультативних моделей
- •Приклад 9. Побудова системи одночасних структурних рівнянь
- •11. Економетричний аналіз виробничих функцій
- •11.1. Гранично агреговані моделі відтворювальних процесів
- •11.2. Різновиди виробничих функцій
- •11.3. Виробнича функція Кобба-Дугласа
- •Приклад 10. Виробнича функція Кобба-Дугласа
- •12. Методи і моделі аналізу динаміки економічних процесів
- •12.1. Поняття економічних рядів динаміки
- •12.2. Попередній аналіз і згладжування часових рядів економічних показників
- •12.3. Згладжування тимчасових рядів економічних показників
- •12.4. Тренд-сезонні економічні процеси і їх аналіз
- •12.5. Ітераційні методи фільтрації
- •Приклад 11. Метод Четверикова
- •12.6. Статистичні методи оцінки рівня сезонності
- •Приклад 12. Оцінка рівня сезонності часового ряду
- •13. Моделі прогнозування економічних процесів
- •13. 1. Метод екстраполяції на основі кривих зростання економічної динаміки
- •13.2. Методи оцінки параметрів кривих зростання
- •13.3. Оцінка адекватності і точності трендових моделей
- •Приклад 13. Ооцінка адекватності і точності трендової моделі
- •13.4. Прогнозування економічної динаміки на основі трендових моделей
- •Приклад 14. Оцінка прогнозу на основі трендової моделі
- •Література
- •Додатки Додаток а. Процентилі t-розподілу
- •Додаток в. F-розподіл, 5%-ні точки (f0,95)
- •Додаток d. Критерій Дарбіна - Уотсона (d). Значення dL і dU при 1%-му рівні значущості
- •Додаток e. Критичні значення для відношення фон Неймана
Приклад 4. Побудова економетричної моделі на основі покрокової регресії
Для десяти цехів машинобудівного підприємства наведено такі дані (табл. 5.1). Побудуємо економетричну модель, яка описуватиме зв’язок продуктивності праці з наведеними чинниками згідно з алгоритмом покрокової регресії.
Розв’язання
Крок 1-й. Усі вихідні дані стандартизуються (нормалізуються) (табл. 5.2.)
Таблиця 5.2. Розрахункові дані задачі
Показники
|
|
|
|
|
Сума |
523 |
21376 |
1,69 |
1424 |
Середнє значення |
52,3 |
2137,6 |
0,169 |
142,4 |
Стандартне відхилення |
8,25 |
255,72 |
0,10 |
18,60 |
Таблиця 5.3. Значення стандартизованих показників
|
|
|
|
-0,885 |
-0,069 |
0,319 |
-0,667 |
-1,249 |
-0,976 |
-1,328 |
-0,828 |
-0,279 |
-0,319 |
1,349 |
0,462 |
0,327 |
0,369 |
0,319 |
0,355 |
-1,491 |
-1,289 |
-0,711 |
-0,129 |
2,146 |
2,590 |
-0,711 |
-0,075 |
0,449 |
0,338 |
0,834 |
0,516 |
0,570 |
-0,163 |
-1,431 |
2,452 |
0,327 |
0,056 |
-0,196 |
-1,205 |
0,085 |
-0,538 |
1,555 |
-0,882 |
Крок 2-й. Запишемо кореляційну матрицю для вихідних даних:
З матриці очевидно, що діагональні її елементи дорівнюють одиниці, бо вони характеризують зв’язок кожної змінної із собою. Ця матриця квадратна і симетрична.
У першому рядку містяться коефіцієнти парної кореляції, що характеризують тісноту зв’язку кожної змінної з продуктивністю праці.
Так,
=
0,9;
=
0,03;
= 0,28,
де
– продуктивність праці;
– зарплата;
– фондомісткість продукції;
– відсоток виконання норми виробітку.
Крок
3-й. Оскільки серед величин максимальне
значення
=
0,9, то спочатку побудуємо модель:
.
,
Крок
4-й. Порівнявши два інші коефіцієнти:
max{
= 0,03;
= 0,28} = 0,28,
введемо до моделі змінну
:
і, нарешті,
Для моделі система нормальних рівнянь запишеться так:
Для моделі система нормальних рівнянь запишеться так:
Далі,
використовуючи співвідношення
,
обчислимо оцінки параметрів моделі для
вихідної нестандартизованої інформації:
У результаті дістанемо такі регресійні рівняння зв’язку:
;
Приклад 5. Оцінка коефіцієнтів детермінації
Порівняємо коефіцієнти детермінації для різних економетричних моделей, побудованих для вихідних даних, наведених у табл. 5.1, на основі покрокової регресії.
Таблиця 5.4. Коефіцієнти детермінації
Економетрична модель |
|
|
|
0,810 |
0,787 |
|
0,847 |
0,757 |
|
0,858 |
0,716 |
З
табл. 5.4. бачимо, що з додатковим введенням
нової незалежної змінної коефіцієнти
детермінації
без урахування числа ступенів свободи
збільшуються, з урахуванням числа
ступенів свободи
– зменшуються, для першої моделі, в яку
включається всього одна незалежна
змінна,
має найбільше значення, а для третьої
– з трьома незалежними змінними –
найменше. Тобто для третьої моделі в
результаті введення додаткової змінної
зменшення величини
не зможе компенсувати збільшення
відношення
.
Зауважимо при цьому, що коефіцієнти
детермінації без урахування числа
ступенів свободи мають більші числові
значення, ніж з урахуванням цього числа.
