- •Тема: принципи побудови економетричних моделей. Парна лінійна регресія Лекція 7
- •Властивості економічної системи як об’єкту моделювання
- •Особливості економіки як об’єкта моделювання:
- •2. Парна лінійна регресія
- •Модель парної лінійної регресії
- •Діаграма розсіювання регресійної функції
- •3. Метод найменших квадратів
- •4. Передумови методу найменших квадратів
Тема: принципи побудови економетричних моделей. Парна лінійна регресія Лекція 7
Властивості економічної системи як об’єкту моделювання.
Парна лінійна регресія.
Метод найменших квадратів.
Передумови методу найменших квадратів.
Властивості економічної системи як об’єкту моделювання
Основне призначення економіки – забезпечення суспільства предметами споживання та послугами → є сенс:
розглядати
досліджувати соціально-економічні системи.
моделювати
Економіка
↓
елемент: господарських одиниць (підприємств, фірм, банків)
↓
надсистема: природа, суспільство;
підсистеми: виробнича, фінансово-кредитна.
Системою називають комплекс взаємопов’язаних елементів разом із відношеннями між цими елементами та між їхніми атрибутами, які спільно реалізують певні цілі.
ознаками:
1) цілісність системи;
2) наявність цілей та критеріїв щодо дослідження даної множини елементів;
3) наявність загальної системи;.
4) можливість виокремлення в даній системі певних частин («підсистем»).
Соціально-економічні системи належать до складних систем.
Властивості складних систем:
емерджентність – це результат виникнення між елементами системи синергетичних зв’язків, які забезпечують збільшення загального ефекту до більших обсягів, ніж сума ефектів окремо взятих елементів системи, що діють (функціонують) незалежно.
динамічність економічних процесів – полягає в зміні у часі параметрів і структури економічних систем (ЕС) під впливом як внутрішніх, так і зовнішніх чинників;
невизначеність щодо розвитку економічних явищ;
неможливість ізолювати процеси в ЕС незалежно від процесів у навколишньому середовищі;
активна реакція на нові чинники.
Особливості економіки як об’єкта моделювання:
1. В економіці неможливо використовувати моделі подібності, котрі широко застосовуються в техніці. Неможливо побудувати точну копію економічної системи в масштабі 1:1000 і на ній моделювати різні варіанти економічної політики.
В економіці можливості локальних економічних експериментів гранично обмежені, оскільки всі її складові тісно взаємопов’язані, а отже, «чистий» експеримент є практично неможливим.
Прямі експерименти з економікою:
– дорого коштують,
- неможливо безпосередньо передбачити середньо- та довготермінові наслідки окремих рішень.
- необхідність формування концептуальних моделей розвитку економіки, які становлять фундамент математичних моделей.
Формування математичних моделей:
- є досить тривалим процесом, який потребує знань і праці,
- важко створити модель, адекватну реальності.
Отже, для опрацювання правильних економічних рішень необхідно аналізувати весь минулий досвід, результати, що отримані на підставі застосування концептуальних і математичних моделей, що є найбільш адекватними для даної економічної ситуації.
2. Парна лінійна регресія
Під регресією розуміють односторонню стохастичну залежність однієї випадкової змінної від другої чи декількох інших випадкових змінних. - регресія встановлює відповідність між випадковими змінними;
- кожному значенню х відповідає множина значень у і навпаки, кожному значенню у відповідає множина значень х.
Одностороння стохастична залежність виражається за допомогою функції, яка на відміну від строгої математичної залежності () називається функцією регресії чи просто регресією.
- якщо між явищами відсутній функціональний зв’язок, а є тільки стохастичний, то функція регресії буде незворотною. Це зумовлено:
- структурою явища, яке визначає напрямок зв’язку;
- формулюванням задачі дослідження, при якому досягається визначена мета;
- способом вимірювання відхилень емпіричних точок.
Т.ч. регресія у на х чи х на у, залежно від того, яка стохастична залежність досліджується: у на х чи х на у, відповідно.
Функція регресії формально встановлює відповідність між
змінними, хоч вони можуть і не бути у причинно-наслідкових
відношеннях – виникають хибні регресії, які не мають жодної практичної цінності і взагалі змісту. Тому, при побудові рівнянь регресії, слід завжди виходити з реальних завдань.
Регресії поділяються:
- за числом змінних, введених у регресійне рівняння, розрізняють просту (парну) та множинну (багатофакторну) регресії;
- відносно форми залежності моделі діляться на лінійну та
нелінійну регресії.