Файл: Выделяют основные этапы эконометрического исследования постановочный априорный этап параметризации информационный этапы идентификации верификации модели.docx

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 07.11.2023

Просмотров: 30

Скачиваний: 1

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

Автономная некоммерческая организация высшего образования

«МОСКОВСКИЙ МЕЖДУНАРОДНЫЙ УНИВЕРСИТЕТ»


Кафедра экономики и управления


Форма обучения: заочная/очно-заочная



ВЫПОЛНЕНИЕ

ПРАКТИЧЕСКИХ ЗАДАНИЙ

ПО ДИСЦИПЛИНЕ

Эконометрика




МОСКВА 2023

1. Укажите основные этапы эконометрического исследования
Выделяют основные этапы эконометрического исследования: постановочный; априорный; этап параметризации; информационный; этапы идентификации; верификации модели.

1 этап (постановочный) - на этом этапе формируется цельисследования, а также определяется наборэкономическихпеременных, которые учувствуют в модели. Для выбора экономических переменных нужно теоретически обосновать каждую переменную. Объясняющие переменные не могут быть связаны функциональной или тесной корреляционной зависимостью, так как это может привести к невозможности оценки параметров модели или к получению неустойчивых, не имеющим реального смысла оценок.

2 этап (априорный) - на этом этапе проводится анализ сущностиизучаемого объекта, а также производится формирование и формализация априорной информации.

3 этап (параметризация) - на этом этапе производится непосредственно моделирование, т.е. выбор видамодели, определяются входящие в нее связи. Основная задача, которая решается на данном этапе, – это выбор вида функции f(х) в эконометрической модели. Определяется возможность использования линейной модели, так как она наиболее проста и надежна. От того, насколько успешно решена проблема спецификации модели, в значительной степени зависит успех всего эконометрического моделирования.

4 этап (информационный) - на данном этапе осуществляется сборстатистической информации – наблюдаемых значений экономических переменных. Здесь можно использовать наблюдения, которые получены как с участием исследователя, так и без его участия.


5 этап (идентификация модели) - на данном этапе производится анализ модели и оценка ее параметров. С проблемой идентификации модели не следует путать проблему ее идентифицируемости, т.е. проблему возможности получения однозначно определенных параметров модели, заданной системой одновременных уравнений.

6 этап (верификация модели) - на данном этапе проводится проверкаистинности, адекватности модели. Выясняется, насколько удачно решены проблемы спецификации, идентификации и идентифицируемости модели, а также определяется точность расчетов по данной модели, в конечном счете, насколько соответствует построенная модель моделируемому реальному объекту или процессу. Следует заметить, что если существуют статистические данные, которыми характеризуется моделируемый экономический объект в данный и предшествующие моменты времени, то для верификации модели, построенной для прогноза, достаточно сравнить реальные значения переменных в последующие моменты времени с соответствующими их значениями, полученными на основе рассматриваемой модели по данным предшествующих моментов.

2 Назовите виды аналитических зависимостей, наиболее часто используются при построении моделей
Некоторые виды аналитических зависимостей, наиболее часто используемых при построении моделей:

1) линейная ;

2) степенная ;

3) полулогарифмическая ;

4) гиперболическая ;

5) экспоненциальная .

Применяются также комбинации рассмотренных зависимостей.
3. Охарактеризуйте функции, которые чаще всего используются для построения уравнения парной регрессии
Парной регрессией называется уравнение связи двух переменных у и х вида y=f

(x), где у – зависимая переменная (результативный признак); х – независимая, объясняющая переменная (признак-фактор).

Различают линейные и нелинейные регрессии. Линейная регрессия описывается уравнением: .

Нелинейные регрессии делятся на два класса: регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам, и регрессии, нелинейные по оцениваемым параметрам. Примеры регрессий, нелинейных по объясняющим переменнымно линейных по оцениваемым параметрам:

  • полиномы разных степеней ;

  • равносторонняя гипербола: .

Примеры регрессий, нелинейных по оцениваемым параметрам:

  • степенная  ;

  • показательная ;

  • экспоненциальная .

 Наиболее часто применяются следующие модели регрессий:

– прямой  ;

– гиперболы  ;

– параболы ;

– показательной функции ;

– степенная функция .
4. Укажите, по какой формуле вычисляется выборочный коэффициент парной корреляции rxy
Выборочный коэффициент корреляции является одним из основных показателей тесноты связи между двумя переменными. При изучении зависимости переменной Y от переменной Х выборочный коэффициент корреляции обозначается как rxy. При изучении зависимости переменной Х от переменной Y выборочный коэффициент корреляции обозначается как ryx.

Выборочный парный коэффициент корреляции ryx:

,

где 
 среднее арифметическое произведения факторной и результативной переменных:

.

– выборочное среднеквадратическое отклонение результативной переменной у , показывающее, на сколько единиц в среднем отклоняются значения результативной переменной у от ее среднего значения y:

.

 – среднее значение из квадратов значений результативной переменной у:

.
5. Объясните сущность метода анализа динамического ряда
Ряды динамик представляют собой изменение показателей во времени. Рядом динамики (динамическим рядом, временным рядом) называется последовательность значений статистического показателя (признака), упорядоченная в хронологическом порядке, т.е. в порядке возрастания временного параметра. Отдельное наблюдение временного ряда называется уровнем этого ряда.

Каждый ряд содержит значение времени и соответствующее значение уровней ряда. В зависимости от характера временного параметра ряды делятся на моментные и интервальные.

В моментных – значение ряда приводятся на определенный момент времени, в интервальных – за определенный интервал времени.

Уровни рядов динамики могут представлять собой абсолютные, относительные и средние величины. Если значения ряда представлены не непосредственно наблюдаемыми величинами, а рассчитанными относительными и средними величинами, их называют производными рядами динамики.

Важной особенностью интервальных рядов динамики абсолютных величин является возможность суммирования их уровней. В результате этой процедуры получаются накопленные итоги. Суммирование уровней моментного ряда не производятся, так как они лишены логического смысла.

Таким образом – моментные ряды динамики не обладают признаком адаптивности (добавлять). При анализе моментных рядов экономический смысл может иметь отклонение уровней ряда во времени.

На практике часто требуется проанализировать динамику показателей не только за данный отрезок времени, но и с учетом ряда предшествующих периодов. Для этого строится ряд динамики с нарастающим итогом. Уровни такого ряда дают обобщающий результат развития показателя.


Уровни ряда могут принимать детерминированные или случайные значения. Большое значение имеет величина интервала между соседними уровнями рядов. Удобно работать с равновеликими интервалами, ширина интервала не должна быть слишком большой, чтобы не упустить существенные закономерности в динамике показателя. Интервал не должен быть и слишком маленький, чтобы не загромождать ряд излишней детализацией и излишними вычислениями.

Для правильного отражения временных рядов, необходимо обеспечить сопоставимость уровней ряда. Несопоставимость может определяться разной методикой расчета, разными условиями получения показателя, инфляцией, изменений границ области изучения показателей. Обычно, для обеспечения сопоставимости данных осуществляется пересчет или приведение данных к одному периоду цен, одним условиям, одной территории и т.п. При этом может теряться точность данных, что снижает ценность исходной информации, а, следовательно, затрудняет анализ.
Задачи:
Задача 1. Рассчитать коэффициенты для различных видов зависимостей.

х

10

20

30

40

50

у

7,38

18,15

44,64

109,79

270,06


Решение: Линейное уравнение регрессии имеет вид .

Для оценки параметров используют МНК.

Система нормальных уравнений













1

10

7,38

100

54,4644

73,8

2

20

18,15

400

329,4225

363

3

30

44,64

900

1992,7296

1339,2

4

40

109,79

1600

12053,8441

4391,6

5

50

270,06

2500

72932,4036

13503

Сумма

150

450,02

5500

87362,8642

19670,6