Вопросы к экзамену Полесский. 29. Тесты гетероскедастичнсоти. 46
 Скачать 5.25 Mb.
|
Цели и задачи эконометрического моделирования. Типы данных.Статистические модели описывающие механизмы функционирования экономических или финансовых процессов принято называть эконометрическими моделями. Эконометрика – наука, в которой на основании реальных статистических данных строятся, анализируются и совершенствуются математические модели реальных экономических явлений и процессов. Объект исследования – экономические явления и процессы. Предмет исследования – их количественные характеристики. Эконометрическое моделирование реальных социально-экономических процессов и систем обычно преследует два типа конечных прикладных целей (или одну из них): 1) прогноз экономических и социально-экономических показателей, характеризующих состояние и развитие анализируемой системы; 2) имитацию различных возможных сценариев социально-экономического развития анализируемой системы (многовариантные сценарные расчеты, ситуационное моделирование). При постановке задач эконометрического моделирования следует определить их иерархический уровень и профиль. Анализируемые задачи могут относиться к макро- (страна, межстрановой анализ), мезо- (регионы внутри страны) и микро- (предприятия, фирмы, семьи) уровням и быть направленными на решение вопросов различного профиля инвестиционной, финансовой или социальной политики, ценообразования, распределительных отношений и т.п. Основные задачи: 1) спецификация – построения эконометрических моделей. 2) параметризация – оценка параметров построения модели.3) верификация – проверка качественно найденных параметров модели и самой модели в целом. 4) использование построения модели для объяснения поведения исследуемых экономических показателей, для прогнозируемых, а также осмысления проведения экономической политики. В эконометрике используются 3 типа данных: Пространственные данные характеризуют ситуацию по конкретным показателям (переменным), относящимся к пространственно разделенным сходным объектам в один и тот же момент или за один и тот же интервал времени. Для анализа I данных используются методы многомерных статического анлиза, т е: рефлексионный, десперсионный, факторный, дискриминантный, кластерного анализа. Временные ряды характеризуют динамику изменения, анализируемых переменных во времени. Панельные данные содержат сведения об одном и том же множестве объектов за ряд последовательных периодов времени. Переменные эконометрической модели делятся на три категории: Экзогенные (независимые) — обуславливают изменение других переменных. Эндогенные (зависимые) — формируются под влиянием других переменных. Лаговые эндогенные — зависимые переменные, значения которых измерены в прошлом. В модель они входят в качестве независимых переменных. Классификация эконометрических моделей. Этапы построения эконометрической модели.Статистические модели описывающие механизмы функционирования экономических или финансовых процессов принято называть эконометрическими моделями. Полученные из множества моделей Yt=f(yt-1, yt-2,…yt-e,xt1,xt2,xtn,0)+Et Классификация по признакам: 1) Размерность модели: -одномерные N=1 -структурный эндоген только в левой части: регрессионные, трендовые, врем. рядов -многомерные N>1- содержит эндоген как в левой, так и в правой частях уравнений, образующих систему уравнений (неструктурные: векторной авторегрессии, -структурные: системы одновременных уравнений) 2) Учёт фактора времени: -статические (регрессионные модели на основе пространств данных) -динамические 3) Виды функциональной зависимости (линейные (модель простой, множеств многомерной линейной регрессии), внутренне-линейные, нелинейные) Этапы построения эконометрических моделей: 1.Экономическое обоснование модели (формируются цели и задачи построения модели) 2.Подготовка статистических данных (сбор и накопление данных) 3.Построение или анализ адекватности эконометрической модели. Задачи и методы предварительного анализа данных. Визуализация одномерных данных.Задачи предварительного анализа данных: выявление аномальных наблюдений; проверка наличия тренда; сглаживание временных рядов; расчет показателей развития динамики экономических процессов. Выявление аномальных наблюдений Рассчитывается коэффициент для всех или только для подозреваемых в аномальности наблюдений (критерий Ирвина): Если t превышает табличное значение, то уровень считается аномальным и такие наблюдения нужно исключить из временного ряда и заменить их расчетными значениями (например, среднее из соседних значений). Проверка наличия тренда Проверка наличия или отсутствия неслучайной (зависящей от времени t) составляющей сводится к проверке гипотезы неизменности среднего значения временного ряда: а) Критерий серий, основанный на медиане б) Сравнение средних уровней ряда Сглаживание временных рядов Сглаживание временных рядов – замена фактических уровней расчетными значениями, имеющими меньшую колеблемость, чем исходные данные. Расчет показателей динамики экономических процессов – заключительный этап предварительного анализа данных. Традиционные показатели экономических процессов – показатели роста и прироста, которые используются для характеристики динамики изменения уровней временного ряда. Методы предварительного анализа: 1) сплошное наблюдение – исследование и обработка всех имеющихся данных; 2) выборочное наблюдение – наблюдение, при котором из общей совокупности обследованию подлежит часть, которая является выборочной совокупностью; 3) сравнение данных – прием, который позволяет выявить взаимосвязь экономических явлений, динамику и степень достигнутой эффективности. |