Студопедия

КАТЕГОРИИ:

АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Эконометрические модели: общая характеристика, различия статистического и эконометрического подхода к моделированию.




Математические модели широко применяются в бизнесе, экономике, общественных науках, исследовании экономической активности и даже в исследовании политических процессов.

Математические модели полезны для более полного понимания сущности происходящих процессов, их анализа. Модель, построенная и верифицированная на основе (уже имеющихся) значений объясняющих переменных, может быть использована для прогноза значений зависимой переменной в будущем или для других наборов значений объясняющих переменных.

Можно выделить три основных класса моделей, которые применяются для анализа или прогноза:

1. Модели временных рядов представля­ют собой зависимость результативной перемен­ной от переменной времени или переменных, от­носящихся к другим моментам времени.

Модели временных рядов, в которых резуль­тативная переменная зависит от времени:

1) модель тренда (зависимость результатив­ной переменной от трендовой компоненты);

,

где  - временной тренд заданного параметрического вида (например, линейный ),

- случайная стохастическая компонента.

 

2) модель сезонности (зависимость результа­тивной переменной от сезонной компоненты);

,

где  - периодическая (сезонная) компонента,

 - случайная стохастическая компонента.

3) модель тренда и сезонности.

 

                        (аддитивная)

                                   

(мультипликативная)

Модели временных рядов, в которых результативная переменная зависит от переменных, датированных другими моментами времени:

1) объясняющие вариацию результативной переменной в зависимости от предыдущих значений факторных переменных — модели с распределенным лагом;

2) объясняющие вариацию результативной переменной в зависимости от предыдущих значений результативных переменных — мо­дели авторегрессии;

3) объясняющие вариацию результативной переменной в зависимости от будущих значе­ний факторных или результативных перемен­ных — модели ожидания.

Модели временных рядов могут быть построе­ны по стационарным и нестационарным вре­менным рядам. Для стационарного временно­го ряда характерны постоянные во времени средняя, дисперсия и автокорреляция.

 

Регрессионные модели с одним уравнением.

В таких моделях зависимая переменная yпредставляется в виде функции  где  - независимые (объясняющие) переменные, а  - параметры. В зависимости от вида функции  модели делятся на линейные и нелинейные. Например, можно исследовать спрос на мороженое как функцию от времени, температуры воздуха, среднего уровня доходов или зависимость зарплаты от возраста, пола, уровня образования, стажа работы и т. п.

Область применения таких моделей, даже линейных, значительно шире, чем моделей временных рядов. Проблемам теории оценивания, верификации, отбора значимых параметров и др. посвящён огромный объём литературы. Эта тема является стержневой в эконометрике и основной в данном курсе.










Последнее изменение этой страницы: 2018-04-12; просмотров: 528.

stydopedya.ru не претендует на авторское право материалов, которые вылажены, но предоставляет бесплатный доступ к ним. В случае нарушения авторского права или персональных данных напишите сюда...