- •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
10.6. Основні правила ототожнення
Розглянемо основні правила ототожнення симультативних моделей. Введемо таку систему позначень:
-
кількість ендогенних змінних у
симультативній моделі;
- кількість ендогенних змінних у окремому рівнянні;
-
кількість попередньо визначених змінних
у моделі;
- кількість попередньо визначених змінних у окремому рівнянні.
З врахуванням введеної системи позначень сформулюємо обов’язкову (але не достатню) умову ототожнення, яка має назву «умова порядку» і може бути визначена двома різними, але еквівалентними способами.
Визначення
1.
Для ототожнення рівняння в ньому має
бути опущено щонайменше
змінних, які з’являються в цілому в
моделі. Якщо опущено рівно
змінних, рівняння буде ототожненим.
Якщо опущено більше, ніж
змінних, воно буде переототожненим.
Визначення
2.
Для ототожнення рівняння число попередньо
визначених змінних, опущених в ньому,
має бути не меншим за число включених
в нього ендогенних змінних мінус одиниця,
тобто
Якщо
,
рівняння точно ототожнене, але якщо
>
,
воно переототожнене.
Щоб проілюструвати умову порядку, звернемось до попередніх прикладів.
Приклад 1
Функція
попиту:
Функція
пропозиції:
– ціна.
Ця модель має дві ендогенні змінні
та
і жодної попередньо визначеної. Для
ототожнення в кожному рівнянні має бути
опущена щонайменше змінна. В даному
разі жодне з рівнянь не буде ототожненим.
Приклад 2
Функція
попиту:
Функція
пропозиції:
У
даній моделі
і
– ендогенні, а
– екзогенна.
Застосовуючи
умову порядку, бачимо, що функція попиту
неототожнена. З іншого боку, функція
пропозиції ототожнена, бо в ній опущено
рівно одну змінну
(
).
Приклад 3
Функція попиту:
Функція
пропозиції:
У
даній моделі
і
– ендогенні, а
і
– екзогенні змінні. У першому рівнянні
опущено рівно одну змінну
,
у другому рівнянні також опущено
рівно одну змінну
.
Кожне рівняння може бути ототожнене за
умовою порядку, а отже, і модель в
цілому також може бути ототожненою.
Приклад 4
Функція
попиту:
Функція пропозиції:
У
даній моделі
і
– ендогенні, а
,
і
– екзогенні змінні. У функції попиту
опущено рівно одну змінну
,
за умовою порядку вона точно ототожнена.
А у функції пропозиції опущено дві
змінні
та
,
отже, вона переототожнена. Як зазначалось
раніше, в даному разі є два способи
оцінки
.
Як показують попередні приклади, ототожнення рівнянь симультативних моделей можливе тоді, коли в окремих рівняннях опущено одну чи більше змінних, які є ще де-небудь у моделі.
10.7. Рангова умова ототожнення
Умова
порядку, яка обговорювалась раніше, є
обов’язковою, але не достатньою
умовою ототожнення. Тобто може статися
так, що навіть якщо умова порядку
виконана, рівняння може бути неототожненим,
тому що попередньо визначені змінні,
які опущено в ньому, але є в моделі,
можуть бути залежними. Через це
відповідність між структурними
коефіцієнтами (
)
і коефіцієнтами скороченої форми (
)
не зберігається. Тобто ми не можемо
оцінити структурні параметри за
коефіцієнтами скороченої форми. Тому
потрібно мати як достатню, так і необхідну
умову ототожнення. Такою умовою є рангова
умова ототожнення, яка формулюється
таким чином.
Рангова умова ототожнення: в симультативній моделі, яка містить рівнянь з ендогенними змінними, рівняння буде ототожненим тоді і тільки тоді, коли ранг матриці, утвореної з коефіцієнтів, котрі відповідають опущеним змінним рівняння, що розглядається, у всіх інших рівняннях моделі, крім даного, дорівнює .
Алгоритм перевірки рівняння за ранговою умовою:
1. Записати систему симультативних рівнянь у табличній формі.
2. Викреслити коефіцієнти рядка, в якому з’являється рівняння, що розглядається.
3. Викреслити стовпці, відповідні ненульовим коефіцієнтам, рівняння, що розглядається.
4. Отримаємо необхідну матрицю. Якщо ранг матриці точно дорівнює , то рівняння ототожнене. Якщо ранг матриці менший, ніж , рівняння неототожнене.
На базі умов порядку та рангу можна сформулювати загальні принципи ототожнення структурного рівняння в моделі, яка складається з симультативних рівнянь.
1. Якщо > і ранг матриці буде дорівнювати , то відповідне рівняння переототожнене.
2. Якщо = і ранг матриці буде дорівнювати , то відповідне рівняння точно ототожнене.
3. Якщо ≥ і ранг матриці буде меншим, ніж , то відповідне рівняння неототожнене.
4. Якщо < і ранг матриці буде меншим, ніж М-1, то відповідне рівняння неототожнене.
