Эконометрические модели

Тема 11. Эконометрические модели. 
 

Титульный лист

 

ОГЛАВЛЕНИЕ 

Введение 3

1. Теоретические аспекты  эконометрической  модели 4

1.1. Понятие эконометрической  модели 4

1.2. Классификация и  основные этапы 

эконометрического моделирования 7

1.3. Спецификация и структура модели 10

1.4. Применение эконометрических  моделей в 

управлении 12

2. Эконометрическое  моделирование 17

2.1. Основные понятия  корреляционно-регрессионного  анализа 17

2.2. Парный регрессионный  анализ 19

2.3. Линейный парный  регрессионный анализ 22

Заключение 24

СПИСОК ЛИТЕРАТУРЫ 26 

 

Введение 

      Современная экономическая теория, как на микро, так и на макро уровне, постоянно усложняющиеся экономические процессы привели к необходимости создания и совершенствования особых методов изучения и анализа. При этом широкое распространение получило использование моделирования и количественного анализа. На базе последних выделилось и сформировалось одно из направлений экономических исследований - эконометрика.

      Эконометрия – наука, изучающая количественные взаимосвязи экономических объектов и процессов при помощи математических и статистических методов и моделей. Основная задача эконометрии – построение количественно определенных экономико-математических моделей, разработка методов определения их параметров по статистическим данным и анализ их свойств. Наиболее часто используемым математическим аппаратом решения задач данного класса служат методы корреляционно-регрессионного анализа.

      Эконометрическое  моделирование является важной составляющей математического описания экономического развития любой сферы хозяйственной деятельности.  Особенно актуальным оно становится в период развития рыночных отношений,  поскольку функционирование компаний при наличии конкурентной среды так или иначе  оценивается как работа в условиях неопределенности,  которая предусматривает наличие различного рода возмущений,  которые непосредственно влияют на объясняемые переменные. Прогноз, построенный на базовой методологии эконометрической модели, если не исключает,  то,  по крайней мере,  уменьшает ошибочные значения результирующих параметров математической модели.

      Цель  данной работы определить значение эконометрического моделирование, его применение и особенности построения.

 

1. Теоретические  аспекты эконометрической модели

1.1. Понятие эконометрической модели 

     Эконометрика  –  самостоятельная экономическая  дисциплина, занимающаяся разработкой и применением статистических методов для измерения взаимосвязей между эконометрическими переменными[3].

     Эконометрика  представляет собой комбинацию 3-х областей знаний:

     - экономической теории

     - статистики

     - математики

     Статистика  имеет дело с массовыми явлениями  любой природы. Эконометрика –  с массовыми явлениями в эконометрике.  Методы математической статистики универсальны и не учитывают специфики экономических данных.  Специфика эконометрических данных заключается в том,  что они не являются результатами контролируемого эксперимента.  В

экономике невозможно проводить многократные эксперименты хотя бы из-за

изменения внешних условий эксперимента.

     Экономическая теория определяет общие закономерности развития исследуемой системы или объекта. При чем показывает их чисто схематически, выделяет тенденцию.

     Экономическая теория формирует качественные гипотезы.  Эконометрика же имеет дело с конкретными  экономическими данными и занимается количественным описанием конкретных взаимосвязей,  то есть заменяет коэффициенты,  представленные в общем виде,  конкретными численными значениями.

     Кроме того,  экономические данные часто  содержат ошибки измерения. В эконометрике разрабатываются специальные методы анализа,  позволяющие, если не устранить,  то,  по крайней мере,  снизить влияние этих ошибок на полученные результаты. 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) + ε

     где Y – наблюдаемое значение переменной (объясняемая переменная);

     f(X) –  объясненная часть,  зависящая  от значений объясняющих переменных; 

X={x1,x2,…,xn}

ε –  случайная составляющая (возмущения).

     Можно выделить три класса эконометрических моделей:

     - модель временных данных;

     - регрессионная модель с одним  уравнением;

     - система одновременных уравнений. 

     В модели временных данных результатный признак является функцией

переменной  времени или переменных,  относящихся  к другим моментам времени.

     Модели  временных данных,  представляющих собой зависимость результативного  признака от времени:

     - модели тренда;

     - модели сезонности;

     - модели тренда и сезонности.

     Модели  временных данных,  представляющих собой зависимость результативного признака от переменных,  датированных другими моментами времени[2]:

     - модели с распределенным лагом  (объясняют поведение результативного  признака в зависимости от  предыдущих факторных переменных Х);

     - модели авторегрессии (объясняют  поведение  результативного признака  в зависимости от предыдущих  значений результативных переменных;

     -  модели ожиданий (объясняют поведение  результативного признака в

зависимости от будущих значений факторных переменных). В регрессионных моделях с одним уравнением результативный признак представляется в виде функции факторных переменных.

     Системы регрессионных уравнений описываются  системами взаимосвязанных регрессионных уравнений.  Система «Объясняет»,  а также

прогнозирует сколько результативных признаков,  сколько поведенческих уравнений входит в систему.  

 

1.2. Классификация и основные этапы эконометрического моделирования 

     Задачи,  решаемые с помощью эконометрической модели можно классифицировать по трем признакам:

     1) по конечным прикладным целям; 

     2) по уровню иерархии;

     3) по профилю анализируемой эконометрической  системы. 

     По  конечным прикладным целям выделяют две основные задачи:

     -  прогноз эконометрических и социально-экономических  показателей, характеризующих состояние и развитие анализируемой системы;

     -  имитация возможных сценариев  социально-экономического развития

системы.

     По  уровню иерархии задачи делятся:

     - задачи макроуровня (страна в  целом);

     - задачи мезоуровня (регионы, отрасли,  корпорации);

     - микроуровень (семья, предприятие,  фирма).

     По  профилю анализируемой экономической  системы выделяют задачи,

направленные  на изучение:

     - рынка; 

     - инвестиционной, финансовой или  социальной политики;

     - ценообразование; 

     - распределительных отношений; 

     - спроса и потребления; 

     - комплекса проблем. 

     Основные  этапы эконометрического моделирования[7]:

     I  этап (постановочный). На нем осуществляется определение конечных целей модели,  набора участвующих в ней факторов и показателей,  их роли. Основные цели исследований:  анализ состояния и поведения экономического объекта,  прогноз его экономических показателей,  имитация развития объекта, выработка управленческих решений.

     II  этап (априорный). На нем проводится анализ сущности изучаемого объекта,  формирование   и формализация априорной (известной до начала моделирования) информации. 

     III  этап (параметризация). Моделирование,  то есть выбор общего вида модели, состава и формы входящих в нее связей. Основная задача этого этапа – выбор функции f(Х).

     IV  этап (информационный). На нем осуществляется сбор необходимой

статистической  информации.

     V этап (идентификация  модели). Осуществляется статистический анализ модели и оценка ее параметров.  На этом этапе проводится основная часть эконометрических исследований.

     VI этап (верификация  модели). Проводится проверка адекватности модели, оценка точности модельных данных.  Выясняется,  насколько удачно решены проблемы спецификации и идентификации, какова точность расчетов по данной модели.  Другими словами,  проверяется насколько соответствует построенная модель моделируемому реальному экономическому объекту или процессу. При моделировании экономических процессов в эконометрических моделях используют два типа данных: пространственные и временные.

     Пространственными данными является набор сведений по разным объектам, взятым за один и тот же период или момент времени.

     Временными  данными является набор сведений, характеризующих один и тот же объект, но за разные периоды или моменты времени.

     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;

     -  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. 

 

1.3. Спецификация и структура модели 

      В эконометрике предполагают, что ошибки измерения сведены к минимуму, рассматривая главным образом ошибки спецификации модели. Под спецификацией модели понимают выбор того или иного вида функциональной зависимости (уравнения регрессии), что не столь просто, т.к. часто одни и те же данные могут на первый взгляд одинаково хорошо приближаться различными кривыми (функциями). Однако же величина случайных ошибок не будет одна и та же для таких спецификаций модели, и сведение остаточного члена к минимуму позволяет выбрать наилучшую спецификацию.