- •Зміст дисципліни за темами
- •Тема 1. Концептуальні аспекти економетричного моделювання економіки
- •Тема 2. Принципи побудови економетричних моделей. Парна та множинна лінійна регресія
- •Економетрика
- •2. Об'єкт, предмет, мета і завдання економетрії
- •3. Основні етапи економетричного аналізу
- •4. Економічні задачі, які розв'язують за допомогою економетричних методів
- •5. Основні етапи зародження та розвитку економетрії
- •Тема: Регресійні моделі
- •1. Поняття регресії
- •3. Парна лінійна регресія
- •4. Теоретична і розрахункова моделі
- •5. Метод найменших квадратів – метод розрахунку параметрів моделі.
- •6. Дисперсійний аналіз моделі
- •Тема: Загальна лінійна економетрична модель
- •1. Множинна лінійна регресія
- •2. Передумови застосування метода найменших квадратів
- •3. Дисперсійний і регресійний аналіз моделей
- •4. Точковий та інтервальльний прогноз
- •5. Перевірка якості та статистичної значущості моделі
- •1. Постановка задачі.
- •4. Розрахункова таблиця:
- •5. Графік моделі у „хмарі” розсіювання
- •6. Дисперсійний аналіз лінійної моделі:
- •7. Значущість оцінок параметрів і моделі:
- •8. Прогноз:
- •9. Аналіз лінійної моделі:
- •Завдання №1 на самостійну роботу
- •1). Побудувати економетричну модель залежності між факторами за допомогою функції «линейн»:
- •Тема: Нелінійні моделі
- •2. Нелінійні регресії 1-го класу
- •2.1. Поліноміальна модель
- •2.2. Гіперболічна модель
- •3. Нелінійні регресії 2-го класу
- •3.1. Показникова моделі
- •3.2. Степенева модель
- •4. Виробнича функція Кобба – Дугласа
- •Завдання №2 на самостійну роботу
- •Тема: Фіктивні змінні в регресійних моделях
- •1. Необхідність використання фіктивних змінних
- •2. Моделі ancova
- •2.1. Ancova - Модель при наявності у фіктивної змінної двох альтернатив
- •2.2. Моделі ancova за наявності у якісних змінних більш двох альтернатив
- •3. Використання фіктивних змінних у сезонному аналізі
- •Завдання № 3* на самостійну роботу Розрахувати моделі із фіктивними змінними :
- •Дослідити розраховану модель на значущість. Тема: Мультиколінеарність факторів моделі
- •Поняття мультиколінеарності
- •Основні наслідки мультиколінеарності:
- •Дослідження наявності мультиколінеарності
- •Ознаки мультиколінеарності
- •Завдання №4 на самостійну роботу
- •Тема: Гетероскедастичність моделі
- •1. Поняття гетероскедастнчності та її наслідки
- •2. Перевірка гетероскедастичності
- •Тема: Автокореляція відхилень (залишків)
- •1. Поняття автокореляції та її наслідки
- •Перевірка наявності автокореляції
- •Завдання № 5 на самостійну роботу
4. Виробнича функція Кобба – Дугласа
Ряд економічних показників моделюється за допомогою функції, що є композицією перерахованих функцій, що дозволяє також звести їх до лінійних. Найчастіше дана модель використовується при аналізі виробничих функцій.
Нехай Y - обсяг виробленої продукції, F - фінансові витрати, L - вартість робочої сили. Функцію Y = ậ0 F ậ1 L ậ2, 0 < ậ1 <1, 0 < ậ2 <1 (10) називають виробничою функцією Кобба - Дугласа. У загальному вигляді права частина рівності може містити більшу кількість факторів.
Дана функція шляхом логарифмування (ln еаt = аt) зводиться до лог-лінійної моделі. Значення статистичних оцінок параметрів ậ0, ậ1, ậ2 функції одержимо шляхом логарифмування
ln Y = ln ậ0 + ậ1 lnF + ậ2 lnL + и (11)
Тут ậ1, ậ2 - еластичності випуску за витратами капіталу й праці відповідно. Сума цих коефіцієнтів є таким важливим економічним показником, як віддача від масштабу:
при ậ1 + ậ2 = 1 говорять про постійну віддачу від масштабу (у скільки разів збільшуються витрати ресурсів, у стільки ж раз збільшується випуск);
при ậ1 + ậ2 < 1 має місце спадна віддача від масштабу (збільшення об'єму випуску менше збільшення витрат ресурсів);
при ậ1 + ậ2 > 1 — зростаюча віддача від масштабу (збільшення об'єму випуску більше збільшення витрат ресурсів).
Завдання №2 на самостійну роботу
Припустимо, що між показником Y і одним із факторів X ( ЗАВДАННЯ №1 для СР ) існує лінійна або нелінійна залежність.
а) Побудуйте кореляційне поле й висуньте припущення про формулу залежності між розглянутими показниками.
б) Оцініть коефіцієнти лінійної регресії Y = â0 + â1 Х1 + û.
в) Оцініть коефіцієнти квадратичної регресії Y = â0 + â1 Х1+â 2 Х 2+ û.
г) Знайти оцінки параметрів показникової регресії .
д) Із надійністю = 0,95 зробити висновок про адекватність прийнятої стохастичної залежності, про значущість оцінок параметрів моделі.
е) Оцініть якість побудованих регресії. Яку з моделей ви оберете для використання – розрахунку прогнозу ?
Приклад. Досліджується залежність між зміною заробітної плати Y (%) від рівня безробіття X (%) на основі вибіркових даних, наведених у таблиці.
1) визначити вид функціональної залежності yi = f(xi)
2) знайти статистичні оцінки для параметрів визначеної залежності;
3) обчислити R2, R.
|
x |
Z =1/x |
y |
y м |
е |
|
|
8,40 |
0,12 |
0,60 |
0,47 |
0,13 |
|
|
8,00 |
0,13 |
0,80 |
0,61 |
0,19 |
|
|
7,50 |
0,13 |
0,90 |
0,81 |
0,09 |
|
|
6,90 |
0,14 |
1,00 |
1,09 |
-0,09 |
|
|
6,60 |
0,15 |
1,10 |
1,24 |
-0,14 |
|
|
6,50 |
0,15 |
1,20 |
1,30 |
-0,10 |
|
|
6,00 |
0,17 |
1,70 |
1,61 |
0,09 |
|
|
5,90 |
0,17 |
1,80 |
1,67 |
0,13 |
|
|
5,00 |
0,20 |
2,00 |
2,40 |
-0,40 |
|
|
5,20 |
0,19 |
2,10 |
2,22 |
-0,12 |
|
|
4,00 |
0,25 |
2,40 |
3,60 |
-1,20 |
|
|
4,20 |
0,24 |
3,00 |
3,31 |
-0,31 |
|
|
4,30 |
0,23 |
3,20 |
3,18 |
0,02 |
|
|
4,40 |
0,23 |
3,60 |
3,05 |
0,55 |
|
|
3,80 |
0,26 |
4,00 |
3,91 |
0,09 |
|
|
3,90 |
0,26 |
4,10 |
3,75 |
0,35 |
|
|
3,70 |
0,27 |
4,40 |
4,08 |
0,32 |
|
|
3,50 |
0,29 |
4,80 |
4,45 |
0,35 |
|
|
3,30 |
0,30 |
5,10 |
4,86 |
0,24 |
|
|
3,00 |
0,33 |
5,40 |
5,59 |
-0,19 |
|
|
|
|
|
|
0,00 |
сума |
|
ЛІНІЙН |
23,89 |
-2,38 |
|
|
|
|
|
1,36 |
0,30 |
|
|
|
|
|
0,95 |
0,38 |
|
|
|
|
|
309,39 |
18,00 |
|
|
|
|
|
44,25 |
2,57 |
|
|
|
1. Знайдемо оцінки параметрів ậ0 та ậ1 для моделі Ŷ = ậ0 + ậ1 · + û за МНК
Таким чином, можемо записати наступну емпіричну модель: Ŷ = -2,38 + 23,89· + û.
2. Графік залежності між результативним та пояснювальним фактором, побудований за розрахованою моделлю, представлено на рис.
3. Коефіцієнт детермінації R2 =0,95.
.