Конспекты лекций по дисциплине «Эконометрика»


НазваниеКонспекты лекций по дисциплине «Эконометрика»
страница1/7
Дата публикации08.03.2013
Размер0.76 Mb.
ТипКонспект
referatdb.ru > Экономика > Конспект
  1   2   3   4   5   6   7

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ

РЕСПУБЛИКИ КАЗАХСТАН




РУДНЕНСКИЙ ИНДУСТРИАЛЬНЫЙ ИНСТИТУТ


КРАТКИЕ КОНСПЕКТЫ ЛЕКЦИЙ


по дисциплине «Эконометрика»

для специальностей 050506 «Экономика», 050511 «Маркетинг»


Рудный 2006

Тема 1 Предмет и задачи дисциплины «Эконометрика»
Цель: ознакомиться с предметом, методами и задачами эконометрики
Ключевые слова: Эконометрика, пространственная выборка, временные ряды.

Основные вопросы

  1. Эконометрика, ее цели, сферы приложения, задачи, методы.

  2. Этапы эконометрического моделирования.

  3. Типы эконометрических моделей.


Краткое содержание

Эконометрика – это самостоятельная научная дисциплина, представляющая совокупность теоретических результатов, приемов, методов и моделей, предназначенных придавать конкретное количественное выражение общим закономерностям, обусловленным экономической теорией.

Конечные цели эконометрики:

А) прогноз экономических и социально-экономических показателей, Эконометрика - относительно молодая научная дисциплина, сформиро­вавшаяся во второй половине XX века и развивающаяся на стыке экономиче­ской теории, статистики и математики.

Методы: регрессионный анализ, анализ временных рядов, системы одновременных уравнений, стати­стические методы классификации характеризующих состояние и развитие экономической системы;

Б) имитация возможных сценариев социально-экономического развития системы.

Сферы приложения: макроуровень (модели национальной экономики), мезоуровень (модели региональной экономи­ки, отраслей, секторов), микроуро­вень (модели поведения домохозяйств, индивидов, фирм)

Впервые термин эконометрика был введен норвежским ученым Рагнаром
Фришем в 1926 году и в буквальном переводе означает «измерение в экономике». Однако на сегодняшний день эта трактовка чересчур широка.

Эконометрика - это самостоятельная научная дисциплина, объеди­няющая совокупность теоретических результатов, приемов, методов и моде­лей, предназначенных для того, чтобы на базе экономической теории, экономической статистики, математико-статистического инструментария придавать конкретное количественное выражение общим качественным закономерностям, обусловленным экономической теорией.

Области применения эконометрических моделей напрямую связаны с це­лями эконометрического моделирования, основными из которых являются:

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

  2. имитация различных возможных сценариев социально-
    экономического развития анализируемой системы.

В качестве анализируемой экономической системы могут выступать страна в целом (макроэкономические системы), регионы, отрасли и корпорации (мезосистемы), а также предприятия, фирмы и домохозяйства (микроэкономи­ческие системы).

В эконометрической модели, в зависимости от конечных приклад­ных целей ее использования все участвующие в ней переменные подразделяются на:

  • экзогенные переменные, задаваемые как бы извне;

  • эндогенные переменные, значения которых формируются в процессе и внут­ри функционирования анализируемой социально-экономической системы
    под воздействием экзогенных переменных и во взаимодействии друг с дру­гом;

  • предопределенные переменные выступают в роли факторов-аргументов или
    объясняющих переменных;

  • лаговые эндогенные переменные входят в уравнения анализируемой эконо­метрической системы, но измерены в прошлые моменты, а следовательно,
    являются уже известными, заданными.

Весь процесс эконометрического моделирования можно разбить на шесть основных этапов.

1-й этап (постановочный) - определение конечных целей моделирова­ния, набора участвующих в модели факторов и показателей, их роли;

2-й этап (априорный) - предмодельный анализ экономической сущности изучаемого явления, формирование и формализация априорной информации и исходных допущений, в частности относящейся к природе и генезису исходных статистических данных и случайных остаточных составляющих в виде ряда ги­потез;

3-й этап (параметризация) - собственно моделирование, т.е. выбор об­щего вида модели, в том числе состава и формы входящих в неё связей между переменными;

4-й этап (информационный) - сбор необходимой статистической инфор­мации, т.е. регистрация значений участвующих в модели факторов и показате­лей;

5-й этап (идентификация модели) - статистический анализ модели и в первую очередь статистическое оценивание неизвестных параметров модели.

  • 6-й этап (верификация модели) - сопоставление реальных и модельных данных, проверка адекватности модели, оценка точности модельных данных.

Наиболее распространенными в эконометрическом моделировании явля­ются следующие образующие четыре группы методы:

  • классическая линейная модель множественной регрессии (КЛММР) и клас­сический метод наименьших квадратов (МНК);

  • обобщенная КЛММР и обобщенный МНК;

  • методы статистического анализа временных рядов;

  • методы анализа систем одновременных эконометрических уравнений.

Применение этих методов делает возможным построение следующих типов эконометрических моделей:

1. Регрессионные модели с одним уравнением.

В таких моделях зависимая (объясняемая) переменная у представляется в виде функции y = f(x,β) = f(x1,...,xt1,...,βt),

где x1,x2,...,xt - независимые (объясняющие) переменные, β,,...,βt -параметры.

В зависимости от вида функции f(x,ft) модели делятся на линейные и нелинейные.

2. Модели временных рядов.

К этому классу относятся модели:

• тренда: y(t) = T(t) + £t,

где t - время,

T(t) - временной тренд заданного параметрического вида (например, линей­ный T(t) = a + bt),

£ - случайная (стохастическая) компонента;

• сезонности: y(t) = S(t) + £t,

где S(t) - периодическая (сезонная) компонента, £t - случайная (стохастическая) компонента.

• тренда и сезонности: y(t) = T(t) + S(t) + £t (аддитивная) или

y(t) = T(t)S(t)+£? (мультипликативная)

где T(t) - временной тренд заданного параметрического вида, S(t) - периодическая (сезонная) компонента, £ - случайная (стохастическая) компонента.

3. Системы одновременных уравнений.

Эти модели описываются системами уравнений. Системы могут состоять из тождеств и регрессионных уравнений, каждое из которых, кроме объясняющих переменных, может включать в себя объясняемые переменные из других уравнений системы.

Для эконометрического моделирования используются данные следующих трех типов.

1. Пространственная выборка или данные попе­речного среза (cross-section data). Такие данные не имеют временного парамет­ра, и порядок их следования не существенен. Пример: финансовые показатели работы предприятий за истекший год.

  1. Если данные регистрируются на одном и том же объекте,
    но в разные периоды времени, то аналогом i будет номер периода времени,
    к которому привязаны соответствующие данные, а n будет общим числом периодов времени. Такие данные называются временной выборкой, или временными рядами данных (time series data), или данными продольного среза. Для та­ких данных существенен порядок следования значений переменных. Пример: финансовые показатели предприятия за последние несколько лет.

Наконец, предположим, что отслеживается каждый из n объектов в те­чение Т периодов времени. Такие данные называются панельными, или пространственно-временной вы­боркой (panel data). Данные сочетают в себе свойства как временных рядов, так и данных поперечного сечения. Как правило, значение Т мало. Пример: показатели социально-экономического состояния домохозяйств за три года.

Корреляция – связь между объективно существующими явлениями.

Регрессия – односторонняя вероятностная зависимость между случайными величинами.



Ошибка регрессии – это разница между фактическим и теоретическим значениями:



или , если мы рассматриваем временные

Виды регрессий

а) относительно числа переменных:

парная – регрессия между двумя переменными (y и x),

множественнаямежду зависимой переменной y и несколькими объясняющими переменными

б) относительно формы зависимости:

линейная, выражается линейной функцией





нелинейная, выражаемая нелинейной функцией:

гипербола

показательная

степенная

экспоненциальная

где e – ошибка регрессии.

^ Регрессионной моделью системы взаимосвязанных признаков является такое уравнение регрессии, которое включает основные факторы, влияющие на вариацию результативного признака, обладает высоким (не ниже 0,5) коэффициентом детерминации и коэффициентами регрессии, интерпретируемыми в соответствии с теоретическим знанием о природе связей в изучаемой системе.
Вопросы для самоконтроля

  1. С какими дисциплинами тесно связана эконометрика?

  2. Какие основные сферы приложения эконометрики Вы можете назвать?

  3. Какие существуют виды регрессий?

  4. Каковы основные модели временных рядов?


Рекомендуемая литература

  1. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. М.: ЮНИТИ 1998.

  2. Джонстон Дж. Эконометрические методы. М.: Издательско-торговая корпорация «Дашков и Ко», 2002.

  3. Доугерти К. Введение в экономику М.: Инфра-М, 1999.

  4. Кремер Н.Ш., Путко Б.А. Эконометрика. Учебник. М.: ЮНИТИ, 2003.

  5. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. М.: Дело, 2001.

  6. Эконометрика: Учебник./Под ред. И.И. Елисеевой. М.: Финансы и статистика 2002.



Тема 2 Сведения из теории вероятностей и математической статистики
Цель: Повторить основные понятия теории вероятностей и математической статистики, необходимые для усвоения эконометрики
^ Ключевые слова: Случайная величина, математическое ожидание, дисперсия, среднеквадратическое отклонение, ковариация, корреляция.
Основные вопросы:

  1. Понятие случайной величины.

  2. Генеральная совокупность, выборка, характеристики

  3. Корреляция и ковариация.


Краткое содержание:

Случайной называется величина, которая в результате испытания принимает одно и только одно возможное значение, какое именно заранее неизвестно.

Случайные величины делятся на дискретные и непрерывные. Случайная величина называется дискретной, если в результате испытания она принимает одно из значений х1, х2, … , хn, … с соответствующей вероятностью р1, р2, … , рn,

Непрерывной называется случайная величина, которая может принимать любое значение из некоторого промежутка.

Например, число студентов на лекции – дискретная случайная величина, продолжительность лекции – непрерывная.

Соответствие между возможными значениями хk случайной величины Х и их вероятностями рk называется законом распределения вероятностей дискретной случайной величины Х.

Закон распределения обычно задается таблицей:

Возможные значения случайной величины Х

х1

х2



хn

Вероятности этих значений Р

р1

р2



рn

То, что случайная величина ^ Х принимает одно из значений х1, х2, … , хn, есть достоверное событие и поэтому должно выполняться равенство (в случае бесконечной последовательности значений ).

Математическим ожиданием дискретной случайной величины Х называется сумма произведений всех ее возможных значений на их вероятности

.

Для бесконечной случайной величины: .

Математическое ожидание обладает следующими свойствами.

1. M[C]=C, где С=const.

2. M[CX]=C·M[X].

3. Для независимых случайных величин Х и У М[XY]= M[X] · M[Y].

4. Для любых случайных величин Х и У М[X+Y]= M[X] + M[Y].

Характеристиками рассеивания возможных значений случайной величины вокруг математического ожидания служат, в частности, дисперсия и среднеквадратичное отклонение.

Дисперсией случайной величины Х называют математическое ожидание квадрата отклонения значений величины от ее математического ожидания:

.

Дисперсию удобно вычислять по формуле

D[X]= M[X2] – (M[X])2.

Дисперсия обладает следующими свойствами.

1. D[C]=0, где С=const.

2. D[CX]=C2·D[X].

3. Для независимых случайных величин Х и У D[X+Y]= D[X] + D[Y].
  1   2   3   4   5   6   7

Похожие рефераты:

Психологическое консультирование: Конспект лекций
Настоящим изданием мы продолжаем серию "Конспект лекций. В по­мощь студенту", в которую входят лучшие конспекты лекций по дисцип­линам,...
Новые поступления в библиотеку средства массовой информации
Журналистика : конспект лекций / ред. А. В. Якушев. М. А-приор, 2012. 144 с. (Конспекты лекций)
Методологические вопросы построения эконометрических моделей: обзор используемых методов
Эконометрика и экономическая теория. Эконометрика и статистика. Эконометрика и экономико-математические методы
Методологические вопросы построения эконометрических моделей: обзор используемых методов
Эконометрика и экономическая теория. Эконометрика и статистика. Эконометрика и экономико-математические методы
Методологические вопросы построения эконометрических моделей: обзор используемых методов
Эконометрика и экономическая теория. Эконометрика и статистика. Эконометрика и экономико-математические методы
Методологические вопросы построения эконометрических моделей: обзор используемых методов
Эконометрика и экономическая теория. Эконометрика и статистика. Эконометрика и экономико-математические методы
Методологические вопросы построения эконометрических моделей: обзор используемых методов
Эконометрика и экономическая теория. Эконометрика и статистика. Эконометрика и экономико-математические методы
Конспекты лекций по дисциплине «биохимия»
«Технология продовольственных продуктов», госо рк 08. 353-2006 «Образование высшее профессиональное. Бакалавриат», Типовой учебной...
Конспекты лекций по дисциплине «Микробиология»
Государственного общеобязательного стандарта образования Республики Казахстан 08. 353-2006 «Образование высшее профессиональное....
Конспекты лекций по дисциплине «Микробиология и вирусология»
Государственного общеобязательного стандарта образования Республики Казахстан 08. 327-2006 «Образование высшее профессиональное....

Вы можете разместить ссылку на наш сайт:
Школьные материалы


При копировании материала укажите ссылку © 2013
контакты
referatdb.ru
referatdb.ru
Рефераты ДатаБаза