МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РЕСПУБЛИКИ КАЗАХСТАН
Таразский государственный университет им. М.Х. Дулати
УТВЕРЖДАЮ
Заведующий кафедрой
___________________________________
___________________________________
_________________ ________________________
/подпись/ /Ф.И.О./
«_____»_______________200__г.
Методическое указание
для выполнения ___ Самостоятельной работы студента ________________
/наименование работы/
Э к о н о м е т р и к а
/наименование дисциплины/
для студентов специальности_______________________________________________________
/шифр и наименование специальности/
_______________________________________________________
Тараз 2014
Методические указания для выполнения _______________________________________
/практических, лабораторных работ, РГЗ, ДЗ, КП/КР/
по дисциплине ___________________________________________________________________
/наименование дисциплины/
________________________________________________________________________________
для студентов специальности_______________________________________________________
________________________________________________________________________________
_________________________________________ разработаны в соответствии с типовой учебной программой дисциплины.
|
|
Методические указания разработаны: ____________________________________________
/Ф.И.О., должность, уч. ст., уч. зв./
________________________________________________________________________________
________________________________________________________________________________
Методические указания обсуждены на заседании кафедры
________________________________________________________________________________
/наименование кафедры/
Протокол №______ от «_____» __________________20___г.
Темы СРС
1.Исследование экономического развития и их эконометрические модели.
2.Построение эконометрической модели взаимозависимости переменных.
3.Исследование применение теории вероятностей и математической статистики в экономике. 4. Исследование экономической интерпретации коэффициента корреляции и их анализ.
5.Построение парной регрессионнй функции, и исследование различия регрессионной функции и регрессионной модели.
6.Линейная регрессия и корреляция: смысл и оценка параметров.
7. Исследование оценки существенности параметров линейной регрессии и корреляции.
8. Исследование и анализ экономического значения метода наименьших квадратов.
9.Нахождение коэффициентов регрессии с помощью метода наименьших квадратов.
10.Отбор факторов при построении множественной регрессии.
11.Выбор формы уравнения регрессии. Сущность коэффициентов детерминации для оценки параметров множественной регрессии.
12. Исследование функции множественной регрессии и анализ регрессионнй модели.
13. Исследование частной корреляции и их эконометрические модели.
14.Оценка надежности результатов множественной регрессии и корреляции.
15.Фиктивные переменные во множественной регрессии.
|
|
16. Исследование влияние мультиколленарности на качество уравнения регрессии.
17.Предпосылки метода наименьших квадратов.
18. Исследование системы эконометрических уравнений.
19.Проверка гипотезы значимости коэффициентов уравнения регрессии.
20.Оценивание параметров структурной модели.
21.Косвенный метод наименьших квадратов и их применение.
22. Исследование производственной функции и их применение.
23. Исследование применения критерия Стьюдента и Фишера для прогнозирования.
24.Оценивание параметров уравнения регрессии при наличии автокорреляции в остатках.
25.Этапы исследования динамических рядов и их анализ.
26.Построение эконометрических моделей с распределенным лагом.
27.Интерпретация параметров моделей с распределенным лагом.
28.Гомоскедастичность и гетероскедастичность корреляционно-регрессионного анализа.
29.Процедура применеия метода Алмон для расчета параметров модели.
30.Построение модели инфляции с использованием распределения Койка.
31Модели адаптивных ожиданий и неполной корректировки.
32.Оценка параметров моделей авторегрессии.
33.Анализ многомерных временных рядов.
34.Моделирование сезонных и циклических колебаний.
35.Моделирование тенденции временного ряда при наличии структурных изменений.
36. Применение систем эконометрических уравнений.
37. Исследование нелинейных эконометрических моделей.
38. Моделирование одномерных временных рядов.
39. Моделирование и прогнозирование спроса на сезонные товары.
40.Применение коэффициентов регрессии и детерминации для прогнозирования.
41. Исследование спроса и предложения на товары длительного пользования.
42.Исследование теоретических и эмпирических значений уравнения множественной регрессии.
43.Исследование конкурентоспособности сельскохозяйственных продукции.
44. Моделирование маркетингового исследования проводимого в сегменте рынка.
45.Исследование доли расходов на товары длительного пользования.
Метод наименьших квадратов (МНК).
Суть данного метода заключается в том, что квадрат суммы разностей между фактическим значением результативного признака и его теоретическим значением сводится к минимуму.
F = (уфакт – утеор)2 min
* - уфакт (эмпирическое)
Чтобы найти параметры a0, a1, a2, необходимо в формулу (1) подставить у теор, то есть ту аналитическую зависимость, которой будем сглаживать (аппроксимировать) статистический материал. Как известно из математики для нахождения минимума функции нужно взять частные производные по анализируемым параметрам, то есть... и приравнять данное выражение к нулю. Получим систему нормальных уравнений, из которых найдем заданные коэффициенты.
F = (уфакт – a0 – a1xфакт)2 min
Урасч = a0 + a1xфакт
(*)
преобразовав уравнение (*), получим систему нормальных уравнений:
решением системы (**) будут:
Рассчитав коэффициенты a0, a1, можно синтезировать модель:
(оценки коэффициентов a0, a1)
Аналогичным образом используя МНК, можно получить коэффициенты для остальных функций, используемых при аппроксимации.
Если в качестве факторного признака х используется время t, то такой ряд называется динамическим (временным) рядом. При применении специального подхода при обозначении факторного признака t, когда сумма времени t будет равна 0, выражения для коэффициентов a0, a1, a2 – будут проще.
ti, t = 0
-2 | -1 |
При таком подходе формулы коэффициентов a0, a1 значительно упрощаются:
, (для линейной функции)
Аналогично определяем коэффициенты для других функций:
yt =a0 +a1t +a2t2 (парабола)
алуым керек
y =a0 a1t (показательная функция)
Для того, чтобы убедится, что полученные коэффициенты являются типичными, используют метод оценки с помощью распределения Стьюдента (критерий Стьюдента). Находят:
|
|
s - среднее квадратичное отклонение;
2 – дисперсия
- остаточная дисперсия
Отделив ta0, ta1 и сравнив с tтабличное, можно сделать вывод, что если ta0 tтабличное и
ta1 tтабличное (ta0 tтабличное ta1), то параметры а0 и а1 – стандартно типичны (обладают оценкой несмещенной, эффективной).
Получив синтезированные модели по функциям 1-5 срвнивают остаточную диперсию и по минимальности остаточной диперсии выбирают функцию для аппроксимации (сглаживания).
Для оценки прогноза используют обычно не дискретные (точечные) значения результативного признака, а рассчитанный интервал.
Упрогнозное = Утеор t*
- коэффициент доверия, обычно выбирается 0,05 и вероятность Р=0,95.
t - находится по таблице Стьюдента (t = 4,3).
sx* - скорректированное среднее квадратичное отклонение с учетом степеней свободы n - m, где
m - число параметров нашей синтезируемой модели;
n - объем выборки.
Для y =a0 +a1x, m = 2