- •Аналіз якості моделі: довірчі інтервали для оцінок параметрів економетричної моделі.
- •Аналіз якості моделі: перевірка загальної якості рівняння регресії.
- •Аналіз якості моделі: перевірка статистичної значущості оцінок параметрів економетричної моделі.
- •4. Визначення дисперсій оцінок параметрів та їх стандартних помилок.
- •5. Визначення коефіцієнта еластичності
- •6. Визначення параметрів вибраного рівняння.
- •7. Визначення часткових коефіцієнтів еластичності.
- •8.Випадкові збудники в рівнянні лінійної регресії.
- •9.Гетероскедастичність і зважений метод найменших квадратів.
- •10.Гомоскедастичні та гетероскедастичні моделі.
- •11.Економетричний аналіз лінійної функції парної регресії в ms Exel.
- •12.Елементи класифікації економіко-математичних моделей.
- •13.Емпірична модель множинної лінійної регресії.
- •14.Етапи економіко-математичного моделювання.
- •15.Етапи побудови економетричної моделі.
- •16.Загальна лінійна економетрична модель.
- •17.Метод найменших квадратів.
- •19.Методи прогнозування часових рядів: прогнозування тенденцій часового ряду за аналітичними методами.
- •20.Методи прогнозування часових рядів: прогнозування тенденцій часового ряду за середніми характеристиками.
- •21.Методи прогнозування часових рядів: прогнозування тенденцій часового ряду за механічними методами.
- •22.Моделі з порушенням передумов використання звичайного методу найменших квадратів.
- •23. Основні дефініції економіко-математичного моделювання.
- •24.Основні задачі економетрії.
- •25.Основні поняття і попередній аналіз рядів динаміки: основні характеристики динаміки часового ряду.(26)
- •27.Основні поняття і попередній аналіз рядів динаміки: поняття часового ряду.
- •29.Особливості економічних спостережень і вимірів.
- •30.Особливості математичного моделювання.
- •31.Парна лінійна регресія.
- •32.Перевірка гіпотези про існування тренда.
- •33.Перевірка статистичної значущості коефіцієнта множинної детермінації за критерієм Фішера.
- •34.Побудова моделі множинної регресії.
- •35.Принципи математичного моделювання.
- •37.Прогнозування значень залежної змінної.
- •Розрахунок довірчих інтервалів для оцінок параметрів , та із заданою надійністю
- •Розрахунок прогнозного значення та побудова для нього із заданим рівнем значущості довірчих інтервалів
- •42.Суть гетероскедастичності.
42.Суть гетероскедастичності.
Р озглянемо модель, що належить до 1-ої групи моделей з порушенням передумов ЗМНК.
При здійснені вибірки ми маємо справу з конкретними реаліз залежної змінної У і відповідними значеннями змінних регресорів, при цьому завжди буде присутній фактор випадкових збурень, що породжують випадкові відхилення (ВВ).ВВ апріорно можуть набувати довільних значень, що підпорядковуються певним ймовірним розподілом. Однієї з головних вимог до цих розподілів є рівність їх дисперсії. Цю вимогу необхідно розуміти наступним чином: Незважаючи на те, що при кожному конкретному спостереженні, ВВ будуть між собою відрізнятися. Не повинно існувати причини, яка б спонукала значну розбіжність між цими величинами, тобто похибки в середньому для всіх спостережень повинні мало відрізнятися.Розглянемо залежність: Розглянемо для даної моделі 2 випадки:
Умова гомоскедастичності виконується.
У мова гомоскедастичності не виконується, тобто наявна гетероскедастичність. В цьому випадку можуть виникати проблеми з ефектом масштабу різниць одиниць виміру. У часових рядах явище гетероскедастичності повТязано з тим, що одні і тіж самі показники розглядаються в різні моменти часу. За наявності гетероскедастичності 1-ої групи статистична оцінка дисперсії обчислюється наступним чином:
Тоді Т-,Ф-статистики та інтервали оцінки
параметрів моделі стануть не надійними, отже використовується ЗМНК при наявності гетероскедастичності в моделі. Маємо суму квадратних похибок:
Кожне конкретне значення в наведеній сумі має однакову питому вагу незалежно від того, чи одерж його при значенні Х=хі, де є мала дисперсія, чи призначені Х=хj, де наявна велика дисперсія, що вважається не припустимо.
43.Узагальнений метод найменших квадратів.
Нехай досліджується лін модель:
з порушенням умов гомоскедастичності, тобто
Д ана матриця є симетричною та додатньо-визначеною матрицею н-го порядку. Тоді для даної матриці існує така невирождена матриця «Пі», для якої:
З дійснюємо наступні перетворення:
ліву і праву частини множимо на :
В ведемо умовні позначення:
О держимо рівняння:
П еревірка моделей на гетероскедастичність, в даному випадку, підтверджується. Тому для визначення статистичних оцінок моделей можна викор ЗМНК, для якого:
А ле враховуючи умовні позначення, отримаемо:
Таким чином, одержимо:
Д е
Розглянутий метод перетворень початкової моделі з подальшим використання ЗМНК отримав назву УМНК.
44.Умови Гауса-Маркова.
1. Математичне сподівання випадкових відхилень повинно дорівнювати нулеві: .Ця умова вимагає, щоб випадкові відхилення в середньому не впливали на залежну змінну Y, тобто в кожному конкретному спостереженні відхилення може набувати додатні або від’ємні значення, але не повинно спостерігатися систематичне зміщення відхилень в переважній більшості в бік одного знаку.
2. Дисперсія випадкових відхилень повинна бути сталою величиною , .
3. Відсутність систематичного зв’язку між значеннями випадкового елемента у будя яких двох спостереженнях.
4. Випадковий елемент повинен бути розподілений незалежно від пояснюючих змінних.
5. Компоненти випадкового вектора повинні мати нормальний закон розподілу.
6. Між регресорами , матриці Х повинна бути відсутня лінійна (кореляційна) залежність. Для цього випадку повинна виконуватися умова .
7. Економетричні моделі повинні бути лінійними відносно своїх параметрів.
Економетричні моделі, для яких виконуються умови (1-7), називають класичними лінійними моделями.
Моделі, для яких виконується умова (2) (сталість дисперсії випадкових відхилень), називають гомоскедастичними.
Моделі, для яких не виконується умова (2) ( ), називають гетероскедастичними.