ЭКОНОМЕТРИКА ОТВЕТЫ. 1. Задачи эконометрики в области социальноэкономических исследований
![]()
|
1.Задачи эконометрики в области социально-экономических исследований. 2.Эконометрика и её связь с экономической теорией. Эконометрический анализ в макроэкономике. 3.Этапы развития эконометрики. 4.Экономические данные: перекрёстные данные и временные ряды. Цели и методы сбора статистических данных. 5.Подготовка статистических данных и использование их в модели. 6.Различные способы представления экономических данных. 7.Введение случайного компонента в экономическую модель. Эконометрическая модель. Адекватность, точность, область применения. 8.Классификация переменных в эконометрических моделях. 9.Понятия спецификации и идентифицируемости модели. 10.Корреляционная зависимость. Модельное и выборочное уравнение регрессии. 11.Парная линейная регрессия. Метод наименьших квадратов (МНК). Свойства оценок МНК. 12.Парная линейная регрессия. МНК. Предпосылки МНК. 13.Сравнение истинных и оцененных зависимостей. 14.Множественная линейная регрессия. 15.Показатели качества регрессии. 16.Частные уравнения регрессии. Частные коэффициенты корреляции. 17.Частные уравнения регрессии. Частные коэффициенты эластичности. 18.Линейные регрессионные модели с гетероскедастичными и автокоррелированными остатками, обобщённый метод наименьших квадратов. 19.Проверка общего качества уравнения парной линейной регрессии. 20.Проверка общего качества уравнения нелинейной регрессии. 21.Проверка общего качества уравнения множественной регрессии. 22.Проверка качества параметров парной регрессии. 23.Проверка качества параметров множественной регрессии. 24.Целесообразность применения множественной регрессии. Отбор факторов в модель. 25.Уравнение регрессии в стандартизованном масштабе переменных. 26.Автокорреляция остатков. Статистика Дарбина-Уотсона 27.Обобщенный, взвешенный метод наименьших квадратов. 28.Проверка наличия гетероскедастичности остатков, метод Гольдфельда-Квандта. 29.Системы одновременных уравнений. 30.Структурная и приведенная форма модели. 31.Нелинейные модели регрессии и их линеаризация. 32.Идентифицируемость систем одновременных уравнений. 33.Косвенный, двухшаговый и трёхшаговый метод наименьших квадратов. 34.Классификация временных рядов. Характеристики временных рядов. 35.Тренды и сезонные изменения. 36.Аддитивная и мультипликативная модель временного ряда. 37.Сглаживание временных рядов. 38.Определение параметров тренда временного ряда. 39.Модели авторегрессии и их идентификация. 1.Задачи эконометрики в области социально-экономических исследований Наиболее общими задачами эконометрики являются: 1) обнаружение и анализ статистических закономерностей в экономике; 2) построение на базе выявленных эмпирических экономических зависимостей эконометрических моделей. Данные задачи делятся на более конкретные подзадачи, которые можно классифицировать по трём признакам: 1) классификация задач по конечным прикладным целям: а) прогноз социально-экономических показателей, определяющих состояние и развитие изучаемой системы; б) моделирование возможных вариантов социально-экономического развития системы для выявления факторов, изменение которых оказывает наиболее мощное влияние на состояние системы в целом; 2) классификация задач по уровню иерархии: а) задачи, решаемые на макроуровне (страна в целом); б) задачи, решаемые на мезоуровне (уровень отраслей, регионов); в) задачи, решаемые на микроуровне (уровень фирмы, семьи, предприятия); 3) классификация задач по профилю изучаемой экономической системы: а) рынок; б) инвестиционная, социальная, финансовая политика; в) ценообразование; г) распределительные отношения; д) спрос и потребление; е) отдельно выделенный комплекс проблем. 2.Эконометрика и её связь с экономической теорией. Эконометрический анализ в макроэкономике Слово «эконометрика» образовано от двух слов: «экономика» и «метрика». Следовательно, эконометрику можно определить как науку об экономических измерениях. прикладная эконометрика занимается применением эконометрических методов для оценки экономических теорий . Эконометрика даёт инструментарий для экономических измерений, а также методологию оценки параметров моделей микро- и макроэкономики. Кроме того, эконометрика активно используется для прогнозирования экономических процессов как в масштабах экономики в целом, так и на уровне отдельных предприятий. При этом эконометрика является частью экономической теории , наряду с макро- и микроэкономикой. Эконом теория это лишь законы спроса и предложения. Эконом теория не дает ответы о конкретных ситуациях,а выводит общие положения. Эконометрика применяет эти законы на практике. 3.Этапы развития эконометрики. Первоначальные попытки количественных исследований в экономике относятся к 17 в. «Политические арифметики» - В.Петти, Г.Кинг, Ч.Давенант. круг их интересов был связан с практическими вопросами: налогообложением, денежным обращением, международной торговлей и финансами. Существенным толчком явилось развитие статистической теории в трудах Ф.Гальтона, К.Пирсона, Ф.Эджворта. появились первые применения парной корреляции (связь между уровнем бедности и формами помощи бедным). Значительной вехой в формировании эконометрики явилось построение экономических барометров, прежде всего так называемого гарвардского барометра (У.Персонс и У.Митчелл). Он состоял из 5 групп показателей, в дальнейшем сведенных в три кривые (фондовый, товарный и денежный рынки). В этот же период делались эконометрические построения, использующие методы гармонического анализа и периодограмм-анализа (Г.Мур).к 30-м гг. сложились все предпосылки для выделения эконометрики в отдельную науку. 29 декабря 1930г. по инициативе И.Фишера, Р.Фриша, Я.Тинбергена и др. было создано эконометрическое общество («эконометрика»). С 1933г. под редакцией Р.Фриша стал издаваться журнал «Эконометрика». В 1941г. появился первый учебник по эконометрике. Другим важным событием стало появление компьютеров с высоким быстродействием и мощной оперативной памятью. Существенное развитие получил статистический анализ временных рядов. 4.Экономические данные: перекрёстные данные и временные ряды. Цели и методы сбора статистических данных. Любое экономическое исследование всегда предполагает использование статистических данных . Статистические данные в экономике являются основой для выявления и обоснования эмпирических закономерностей. Без конкретных количественных данных , характеризующих функционирование исследуемого экономического объекта, невозможно определить практическую значимость экономической модели. Экономические данные обычно делят на два вида: перекрестные данные и временные ряды . Перекрестные данные - это данные по какому-либо экономическому показателю, полученные для аналогичных объектов или для различных регионов. Временные ряды - это данные , характеризующие один и тот же объект, но в различные моменты времени. Анализ временных данных (наблюдаемых объемов продаж фирмы, краткосрочных процентных ставок, инфляции, безработицы и других экономических показателей) позволяет выявить тенденции в изменении этих величин и экстраполировать их для целей прогнозирования, не анализируя внутренние причины временной зависимости исследуемых величин. Иногда в экономике встречается комбинация временных и перекрестных данных - панельные данные. Целью сбора экономических данных является получение информационной базы для принятия решения. 1) массовое наблюдение; 2) группировки, применение обобщающих (сводных) характеристик; 3) анализ и обобщение статистических фактов и обнаружение закономерностей в изучаемых явлениях. При составлении выборки можно поступать двумя способами: после того как объект отобран и над ним произведено наблюдение, он может быть возвращен или не возвращен в генеральную совокупность. В соответствии со сказанным выборки подразделяют на повторные и бесповторные. Современную статистическую науку невозможно представить без применения графиков. Они стали средством научного обобщения.(столбиковые,статистические карты,объемные,на плоскости) 5.Подготовка статистических данных и использование их в модели При подготовке статистических данных для работы с экономической моделью возникают две проблемы. Во-первых, могут отсутствовать необходимые для модели данные. Во-вторых (если все данные есть), нужно правильно отобрать их для конкретной модели -так, чтобы они были согласованы и имели общую методическую базу оценки. При отсутствии нужных данных они нередко могут быть рассчитаны по имеющимися. Если все нужные данные есть, то для модели необходимо их преобразовать в некоторый взаимно согласованный набор. Если это данные в денежном выражении, то это должны быть всюду одни и те же текущие, либо фиксированные (одного и того же года), денежные единицы. Реальным объемным показателям (то есть в фиксированных ценах) должны соответствовать реальные относительные показатели (например, процентные ставки нужно скорректировать на темп инфляции). В соответствии с решаемой задачей определяют и обобщающие показатели: валовой национальный продукт (ВНП, или СNР), валовой внутренний продукт (ВВП, или СОР), валовые внутренние или национальные сбережения, дефлятор ВНП или ВВП и т. д.). 6.Различные способы представления экономических данных. 7.Введение случайного компонента в экономическую модель. Эконометрическая модель. Адекватность, точность, область применения. Обычно предполагают, что все факторы, не учтенные явно в экономической модели , оказывают на объект некоторое результирующее воздействие, величина которого неизвестна заранее и может быть описана как случайная функция. Для ее описания в модель добавляют (обычно аддитивным образом) случайный параметр е, интегрирующий в себе влияние всех неучтенных явно факторов. Эконометрическая модель - формализованное описание количественных взаимосвязей между переменными. Это главный инструмент эконометрики. Моделирование - циклический процесс. Это означает, что за первым четырехэтапным циклом может последовать второй, третий и т.д [5]. При этом знания об исследуемом объекте расширяются и уточняются, а исходная модель постепенно совершенствуется. Недостатки, обнаруженные после первого цикла моделирования, обусловленные малым знанием объекта и ошибками в построении модели, можно исправить в последующих циклах. В методологии моделирования, таким образом, заложены большие возможности саморазвития. Эконометрическая модель имеет следующий вид[3]: Y=f(X) + е где Y - наблюдаемое значение переменной (объясняемая переменная); f(X) - объясненная часть, зависящая от значений объясняющих переменных; X={x1,x2,…,xn} е - случайная составляющая (возмущения). Можно выделить три класса эконометрических моделей : - модель временных данных; - регрессионная модель с одним уравнением; - система одновременных уравнений. область применения: -прогноз эконометрических и социально-экономических показателей, характеризующих состояние и развитие анализируемой системы; - имитация возможных сценариев социально-экономического развития системы. -изучение: рынка;инвестиционной, финансовой или социальной политики;ценообразование;распределительных отношений;спроса и потребления;комплекса проблем. Набор сведений представляет собой множество признаков, характеризующих объект исследования. Признаки могут выступать в одной из двух ролей: роль результативного признака (выполняет зависимая переменная Y); роль факторного признака (выполняет независимая переменная Х). Переменные, участвующие в эконометрической модели любого типа, делятся на: - экзогенные (независимые), значения которых задаются извне, автономно; - эндогенные (зависимые), значения которых определяются внутри модели; Эндогенная переменная по своей природе всегда случайна. Она формируется внутри экономической системы или в процессе. Экзогенные по своей природе могут быть как случайными, так и детерминированными. И эндогенные и экзогенные переменные могут быть лаговыми. То есть с задержкой в периоде. - лаговые - эндогенные или экзогенные переменные эконометрической модели , датированные предыдущими моментами времени и находящиеся в уравнении с текущими переменными; - предопределенные - экзогенные переменные, привязанные к прошлым, текущим и будущим моментам времени и лаговые эндогенные переменные, уже известные к данному моменту времени. Любая эконометрическая модель оценивается по адекватности и точности . Адекватность – это соответствие модели исследуемому процессу. Адекватность оценивается через коэффициент детерминации. Для адекватных моделей определяют точность модели. Точность может отражаться таким коэффициентом как – средняя относительная ошибка аппроксимации. Если она является на выше %7 то она является точной. Любое эконометрическое исследование начинается со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи между переменными. В первую очередь из всего круга факторов, влияющих на результативный признак, необходимо выделить наиболее существенно влияющие факторы. Случайная величина ej, или возмущение, включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения. Ее присутствие в модели обусловлено тремя источниками: спецификацией модели, выборочным характером исходных данных, особенностями измерения переменных. От правильно выбранной спецификации модели зависит величина случайных ошибок – они тем меньше, чем в большей мере теоретические значения результативного признака подходят к фактическим данным. К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, т.е. использование парной регрессии вместо множественной. В парной регрессии спецификация модели связана с выборомвида математической функции, а в множественной – такжес отбором факторов, включаемых в модель. 8.Классификация переменных в эконометрических моделях. 9.Понятия спецификации и идентифицируемости модели. Идентификация – это соответствия между приведенной и структурной формами модели. Приведенная форма модели – каждое уравнение представляет собой решение системы уравнений модели, заданной в структурной форме. Структурная форма модели – модель записана в виде системы уравнений.
Сверхидентифицируемая модель в отличие от неидентифицируемой модели практически решаема, но требует для этого специальных методов исчисления параметров. Система считается идентифицированной, если все уравнения идентифицируемы. Если хоть одно уравнение сверхидентифицируемо, то вся система считается сверхидентифицируемой. Если хоть одно из уравнений системы неидентифицируемо, то считается, что вся система неиндетифицируема. 10.Корреляционная зависимость. Модельное и выборочное уравнение регрессии Корреляция,корреляционная зависимость — взаимозависимость двух или нескольких случайных величин. Суть ее заключается в том, что при изменении значения одной переменной происходит закономерное изменение (уменьшению или увеличению) другой(-их) переменной(-ых). При расчете корреляций пытаются определить, существует ли статистически достоверная связь между двумя или несколькими переменными в одной или нескольких выборках. Важно понимать, что корреляционная зависимость отражает только взаимосвязь между переменными и не говорит о причинно-следственных связях. 11-12Парная линейная регрессия. Метод наименьших квадратов (МНК). Свойства оценок МНК. Парная линейная регрессия. МНК. Предпосылки МНК. Парная регрессия представляет собой регрессию между двумя переменными – ![]() ![]() ![]() ![]() ![]() выбор вида математической функции:
При обработке информации на компьютере выбор вида уравнения регрессии обычно осуществляется экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии ![]() Если уравнение регрессии проходит через все точки корреляционного поля, что возможно только при функциональной связи, когда все точки лежат на линии регрессии ![]() ![]() ![]() ![]() расчета остаточной дисперсии (показывает поле рассчние) ![]() Считается, что число наблюдений должно в 7-8 раз превышать число рассчитываемых параметров при переменной ![]() |