- •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
12.6. Статистичні методи оцінки рівня сезонності
Окрім адитивного представлення моделі сезонного часового ряду (12.15) багато фахівців вважають можливим використання мультиплікативної моделі:
(12.41)
де
–
«річна» складова (тренд);
– постійна пропорційності для
-го
місяця (кварталу), стала, що не змінюється
від року до року.
Оскільки постійна пропорційності безрозмірна і не змінюється від року до року, то її можна використати для визначення рівня сезонності в часовому ряду.
Таблиця 12.13. Сезонна компонента часового ряду
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
-4,65 |
-5,47 |
-1,30 |
0,24 |
2,48 |
2,81 |
3,05 |
3,29 |
1,90 |
1,24 |
-1,21 |
-2,17 |
-3,80 |
-4,47 |
-1,01 |
0,20 |
2,03 |
2,30 |
2,49 |
2,69 |
1,56 |
1,01 |
-0,99 |
-1,78 |
-3,76 |
-4,42 |
-1,04 |
0,20 |
2,00 |
2,27 |
2,46 |
2,66 |
1,52 |
1,00 |
-0,96 |
-1,76 |
-3,22 |
-3,78 |
-0,90 |
0,17 |
1,71 |
1,94 |
2,11 |
2,28 |
1,25 |
0,86 |
-0,84 |
-1,50 |
-3,82 |
-4,49 |
-1,07 |
0,20 |
2,03 |
2,31 |
2,50 |
2,70 |
1,56 |
1,02 |
-0,99 |
-1,78 |
-3,82 |
-4,49 |
-1,07 |
0,20 |
2,03 |
2,31 |
2,51 |
2,70 |
1,56 |
1,02 |
-0,99 |
-1,79 |
3,71 |
-4,36 |
-1,04 |
0,19 |
1,98 |
2,24 |
2,43 |
2,63 |
1,52 |
0,99 |
-0,96 |
-1,74 |
-3,23 |
-3,80 |
-0,90 |
0,17 |
1,72 |
1,95 |
2,12 |
2,29 |
1,32 |
0,86 |
-0,84 |
-1,51 |
-3,60 |
-4,24 |
-1,01 |
0,19 |
1,92 |
2,18 |
2,36 |
2,55 |
1,47 |
0,96 |
-0,94 |
-1,68 |
-3,20 |
-3,76 |
-0,89 |
0,17 |
1,71 |
1,93 |
2,10 |
2,27 |
1,31 |
0,85 |
-0,83 |
-1,50 |
-2,76 |
-3,24 |
-0,77 |
0,14 |
1,47 |
1,66 |
1,81 |
1,95 |
1,13 |
0,73 |
-0,72 |
-1,29 |
Наближені оцінки коефіцієнтів пропорційності можуть бути отримані таким чином:
,
(12.42)
де
і
(12.43)
Якщо
відомі значення тренду
;
і сезонної компоненти
адитивної моделі,
можна оцінити і точніше:
(12.44)
Це
дозволяє оцінити рівень сезонності
незалежно від того, яка розглядається
модель: (12.15) або (12.41). Оцінки
по формулі (12.42) іноді називають індексами
сезонності.
Частіше, проте, розглядають не просто ряд з відносних величин , а ряд відсотків:
(12.45)
З
(12.45) з врахуванням (12.44) можна зробити
висновок, що індекси сезонності
характеризують міру відхилення рівня
сезонного часового ряду від ряду середніх
(тренду) або, інакше кажучи, ступінь
коливання відносно 100%, оскільки якщо
,
то
=100%
.
