- •1.2. Типы моделей
- •1.3. Типы данных
- •1.4. История
- •1.5. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •2. Парная регрессия и корреляция. Свойства коэффициентов регрессии и проверка гипотез
- •2.1. Задачи корреляционно-регрессивного анализа
- •Содержательный характер задач корреляционно-регрессивного метода
- •2.2. Вычисление и интерпретация параметров парной линейной корреляции
- •2.3. Статистическая оценка надёжности параметров парной корреляции
- •2.4. Применение парного линейного уравнения регрессии
- •Коэффициент корреляции рангов
- •2.5. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •3. Множественная регрессия
- •3.1. Формулы для коэффициентов и стандартных ошибок
- •3.2. Множественная регрессия и оценка параметров Кобба-Дугласа
- •3.3. Мультиколлинеарность
- •3.4. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •4. Выбор уравнения
- •4.1. Влияние отсутствия необходимой переменной
- •4.2. Лишняя переменная
- •4.3. Замещающие переменные
- •4.4. Лаговые переменные
- •4.5. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •5. Фиктивные переменные
- •5.1. Фиктивные и нефиктивные переменные в регрессии
- •5.2. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •6. Гетероскедастичность
- •6.1. Коэффициент ранговой корреляции Спирмена (кркс)
- •6.2. Тест Голдфелда-Куандта
- •6.3. Тест Глейзера
- •6.4. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •7. Автокорреляция
- •7.1. Поправка Прайса–Уинстена
- •7.2. Процедура Кохрана–Оркатта
- •7.3. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •8. Модели временных рядов
- •8.1. Модели рядов, содержащих сезонную компоненту
- •Ответы к тесту:
- •9. Автоковариационная и автокорреляционная функции, их свойства. Коррелограмма
- •9.1. Спектральная плотность
- •9.2. Спектральный (Фурье) анализ
- •9.3. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •10. Неслучайная составляющая временного ряда
- •10.1. Проверка гипотезы о неизменности среднего значения временного ряда
- •10.2. Метод экспоненциально взвешенного скользящего среднего (метод Брауна [Brown (1963)])
- •10.3. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •11. Стационарные временные ряды и их идентификация
- •11.1. Основные понятия
- •11.2 Модели скользящего среднего сс(1) и сс(2). Двойственность. Обратимость. Идентификация
- •11.3. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •12. Лаговые переменные. Нестационарные временные ряды и их идентификация
- •12.1. Модель авторегрессии-проинтегрированного скользящего среднего (arima(p, k, q)-модель)
- •12.2. Модели рядов, содержащих сезонную компоненту
- •12.3. Полиномиальная лаговая структура Ширли Алмон
- •12.4. Геометрическая лаговая структура Койка
- •12.5. Модель частичного приспособления
- •12.6. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •13. Предсказания
- •13.1 Основные понятия
- •13.2. Доверительные интервалы и интервалы предсказания
- •13.3. Критерий г. Чоу
- •13.4. Коэффициент Тейла
- •13.5. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •14. Модели в виде систем линейных одновременных уравнений и их идентификация
- •14.1. Основные понятия
- •14.2. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •14.3. Использование эконометрической модели при исследовании зависимости затрат от объёма производства и структуры продукции на примере конкретного предприятия
- •Расчетное задание 1 «Построение уравнений парной регрессии и оценка их значимости»
- •Варианты лабораторных задач Задание
- •Расчетное задание 2. «Построение уравнений линейной множественной регрессии и оценка его значимости» Задача
- •Варианты лабораторных задач
- •Глоссарий
- •Библиографисеский список
- •Оглавление
- •1.1.Модели 3
- •10.1. Проверка гипотезы о неизменности среднего значения временного ряда 88
- •Эконометрика Учебное пособие
13.4. Коэффициент Тейла
Одним из исследователей проблем экономического прогнозирования, Г. Тейлом, предложен в качестве меры качества прогнозов коэффициент расхождения V (или коэффициент несоответствия), числителем которого является среднеквадратическая ошибка прогноза, а знаменатель равен квадратному корню из среднего квадрата реализации:
Если У=0, то прогноз абсолютно точен (случай «идеального» прогнозирования). Если F=l, то это означает, что прогноз близок к простой (и наивной) экстраполяции. Если У1, то прогноз дает худший результат, чем предположение о неизменности тенденций исследуемого явления.
Коэффициент расхождения может быть использован при сопоставлении качества прогнозов, получаемых на основе различных методов и моделей. В этом его несомненное достоинство. Величина V поддается разложению на составляющие (частные коэффициенты расхождения), характеризующие влияние ряда факторов (это достигается разложением числителя, представляющего собой средний квадрат ошибки прогноза).
В некоторых случаях более важное значение имеют распознающие способности моделей прогнозирования, особенно при краткосрочном прогнозировании. Например, при прогнозировании выполнения месячных планов предприятий отрасли по особо учитываемой номенклатуре в начале месяца в первую очередь интерес представляет более точная оценка возможности выполнения плана, чем прогнозная информация о величине отклонения от плана. В данном случае целесообразно использовать следующую меру точности прогнозирования:
где q – число подтвержденных прогнозов; р – число неподтвержденных прогнозов.
Если £~1, то имеет место случай «идеального» прогнозирования.
Таким образом, измерители точности прогнозирования по отношению к инвариантности относительно линейной вариации делятся на инвариантные и не инвариантные. Инвариантные измерители (S и коэффициенты парной корреляции), хотя и не позволяют сравнивать точность прогнозирования различных процессов, могут использоваться для определения точности прогнозирования различных последовательностей прогнозных значений {Pi} при фиксированной последовательности {Ft}. Например, подобная ситуация возникает при моделировании, когда необходимо выбирать между несколькими моделями прогнозирования, генерирующими соответствующие последовательности {Ft}. Инвариантные измерители могут быть проверены на статистическую значимость, то есть с определенной доверительной вероятностью конкретное значение измерителя является обоснованным. Однако особый интерес при построении моделей прогнозирования имеет критерий Г. Тейла, так как позволяет определить, в чем состоит расхождение: имеет место дрейф среднего или дрейф дисперсии. С другой стороны, критерий У не является инвариантным, и есть возможность оценивать применимость модели для совокупности различных прогнозируемых процессов в целом. Например, для прогнозирования по одной модели поведения отдельных предприятий или отрасли в целом.
13.5. Тестовые задания для самостоятельной работы
1. Предсказания – это…
Описание возможных или желательных аспектов, состояний, решений, проблем будущего
Описание будущего на основе эрудиции, работы подсознания
Использование житейского опыта и знание обстоятельств
Способ научного предвидения
2. Прогнозы основываются на основе…..
Интерполяции
Трендов
Инерционности
Экстраполяции
3. Под прогнозированием понимается…
Процесс составления краткосрочных, среднесрочных и долгосрочных планов хозяйственной деятельности предприятия
Многоступенчатый процесс, включающий составление предварительного и конечного прогнозов
Система количественных и качественных предплановых изысканий, направленных на выяснение возможного будущего состояния и результатов деятельности предприятия в перспективе
Способ научного предвидения, в котором используется как накопленный в прошлом опыт, так и текущие допущения насчет будущего с целью его определения
4. Цель прогнозов заключается
В оценке вероятного поведения основных конкурентов
В изучении эффекта и вероятной сферы действия факторов, влияющих на стратегию и поведение фирмы
В получение информации о характере доминирующих тенденций (рост, снижение) и подробная картина предстоящих изменений в рыночной конъюнктуры
Влияние социальных и культурных факторов на деятельность предприятия
5. Статистические методы прогнозирования основаны на анализе
Рядов динамики
Гармонических рядов
Статистического исследования
Выборочного наблюдения
6. Для выявления основной тенденции развития прогнозов используется
Метод укрупненных интервалов
Метод скользящей средней
Метод аналитического выравнивания
Ряд Фурье
7. По данным о затратах населения на отдых за 1998 -2003 годы составить прогноз до 2005
Год |
1998 |
1999 |
2000 |
2001 |
2002 |
2003 |
Млн. руб |
106,5 |
110,3 |
115,9 |
120,7 |
125,6 |
131,5 |
141,5 3) 143,5
137,5 4) 140,5
8. Оперативно корректировать прогнозы при появлении новых точек позволяют
Вероятностно-статистические модели
Статистические методы
Адаптивные методы
Экспертные методы
Все варианты верны
9. Основная функция прогноза состоит в
Обосновании возможного состояния объекта в будущем или определении альтернативных путей
Используются общие расчетные или экспертные нормы
Ориентировано на исследования развития внешней среды хозяйственной силы
Осуществляется в условиях с высокой долей неопределенности или случайности
10. Кем был предложен коэффициент расхождения в качестве меры качества прогнозов
F-критерий Фишера
Коэффициент Лоренца
Коэффициент Джини
Коэффициент Тейла