- •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
12. Методи і моделі аналізу динаміки економічних процесів
12.1. Поняття економічних рядів динаміки
Динамічні процеси, що відбуваються в економічних системах, найчастіше проявляються у вигляді ряду послідовно розташованих в хронологічному порядку значень того або іншого показника, який у своїх змінах відбиває хід розвитку явища, що вивчається. Ці значення, зокрема, можуть служити для обґрунтування (чи заперечення) різних моделей соціально-економічних систем. Вони служать також основою для розробки прикладних моделей особливого виду, що називаються трендовими моделями.
Передусім дамо ряд визначень. Послідовність спостережень одного показника (ознаки), впорядкованих залежно від послідовно зростаючих або спадаючих значень іншого показника (ознаки), називають динамічним рядом, або рядом динаміки. Якщо в якості ознаки, залежно від якої відбувається впорядкування, береться час, то такий динамічний ряд називається часовим рядом. Оскільки в економічних процесах, як правило, впорядкування відбувається відповідно до часу, то при вивченні послідовних спостережень економічних показників всі приведені терміни використовуються як рівнозначні. Складовими елементами рядів динаміки є числові значення показника, що називаються рівнями ряду, і моменти або інтервали часу, до яких відносяться рівні.
Часові ряди, утворені показниками, що характеризують економічне явище на певні моменти часу, називаються моментними; приклад такого ряду представлений в табл. 12.1.
Таблиця 12.1. Облікова чисельність робітників підприємства
Дата |
1/І |
1/ІІ |
1/III |
1/IV |
30/IV |
Облікова чисельність робітників |
4100 |
4400 |
4200 |
4600 |
4800 |
Якщо рівні часового ряду утворюються шляхом агрегації за певний проміжок (інтервал) часу, то такі ряди називаються інтервальними часовими рядами; приклад наведений в табл. 12.2.
Таблиця 12.2. Фонд заробітної плати робітників підприємства
Місяць |
Січень |
Лютий |
Березень |
Квітень |
Фонд заробітної плати робітників, тис. грн. |
37187,5 |
38270,0 |
39380,0 |
42535,0 |
Часові ряди можуть бути утворені як з абсолютних значень економічних показників, так і з середніх або відносних величин – це похідні ряди, приклад такого ряду даний в табл. 12.3.
Таблиця 12.3. Середньомісячна заробітна плата робітників підприємства
Місяць |
Січень |
Лютий |
Березень |
Квітень |
Середня заробітна плата робітників, грн. |
2750 |
2900 |
2950 |
3050 |
Під довжиною часового ряду розуміють час, що пройшов від початкового моменту спостереження до кінцевого; таким чином, довжина усіх приведених вище часових рядів дорівнює чотирьом місяцям. Часто довжиною ряду називають кількість рівнів, що входять в часовий ряд; довжина ряду з табл. 12.1 рівна п’яти, а табл. 12.2 і табл. 12.3 – чотирьом.
Якщо в часовому ряду проявляється тривала («вікова») тенденція зміни економічного показника, то говорять, що має місце тренд. Таким чином, під трендом розуміють зміну, що визначає загальний напрям розвитку, основну тенденцію часових рядів. У зв’язку з цим, економіко-математична динамічна модель, в якій розвиток модельованої економічної системи відбивається через тренд її основних показників, називається трендовою моделлю. Для виявлення тренду в часових рядах, а також для побудови і аналізу трендових моделей використовується апарат теорії ймовірностей і математичної статистики, розроблений для простих статистичних сукупностей. Відмінність часових економічних рядів від простих статистичних сукупностей полягає передусім в тому, що послідовні значення рівнів часового ряду залежать один від одного. Тому застосування висновків і формул теорії ймовірностей і математичної статистики вимагає відомої обережності при аналізі часових рядів, особливо при економічній інтерпретації результатів аналізу.
Припустимо,
є часовий ряд, що складається з
рівнів:
У найзагальнішому випадку часовий ряд економічних показників можна розкласти на чотири структурних елементи:
тренд, складові якого позначатимемо
;сезонна компонента, що позначається через
;циклічна компонента, що позначається через
;випадкова компонента, яку позначатимемо
.
Під трендом розуміється стійка систематична зміна процесу впродовж тривалого часу.
У часових рядах економічних процесів можуть мати місце більш менш регулярні коливання. Якщо вони носять строго періодичний або близький до нього характер і завершуються впродовж одного року, то їх називають сезонними коливаннями. У тих випадках, коли період коливань складає декілька років, то говорять, що в часовому ряду є присутня циклічна компонента.
Тренд, сезонна і циклічна компоненти називаються регулярними, або систематичними компонентами часового ряду. Складова частина часового ряду, що залишається після виділення з нього регулярних компонент, є випадковою, нерегулярною компонентою. Вона є обов’язковою складовою частиною будь-якого часового ряду в економіці, оскільки випадкові відхилення неминуче супроводять будь-яке економічне явище. Якщо систематичні компоненти часового ряду визначені правильно, що якраз і складає одну з головних цілей при розробці трендових моделей, то так звана залишкова послідовність (ряд залишків), що залишається після виділення з часового ряду цих компонент, буде випадковою компонентою ряду, тобто матиме наступні властивості:
випадковість коливань рівнів залишкової послідовності;
відповідність розподілу випадкової компоненти нормальному закону розподілу;
рівність математичного очікування випадкової компоненти нулю;
незалежність значень рівнів випадкової послідовності, тобто відсутність істотної автокореляції.
Перевірка адекватності трендових моделей заснована на перевірці наявності в залишкової послідовності вказаних чотирьох властивостей. Якщо не виконується хоч би одна з них, модель визнається неадекватною; при виконанні усіх чотирьох властивостей модель адекватна. Ця перевірка здійснюється за рядом статистичних критеріїв.
Надалі ми не розглядатимемо циклічну компоненту тимчасових пологів; для моделювання і прогнозування сезонних і циклічних економічних процесів використовуються спеціальні методи (індексний і спектральний аналізи, вирівнювання по ряду Фур’є та ін.).
