Автор работы: Пользователь скрыл имя, 06 Ноября 2011 в 19:48, курсовая работа
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.
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
Эмпирическая линия регрессии графически представляет собой ломаную линию, составленную из точек, абсциссами которых являются средние значения факторного признака, а ординатами – средние значения признака – результата.
4)
Можно перебрать несколько
5)
По итогам парного
-
функциональная – зависимость,
-
статистическая (стохастическая, вероятностная)
– зависимость, при которой
каждому значению одной
-
корреляционная – зависимость,
Общим моментом для любой эконометрической модели является разбиение зависимой (объясняемой) переменной на две части: объясненную и случайную:
Y=f(X) + ε,
где f(X) – объясненная часть;
ε – случайная часть.
Наиболее естественным выбором объясненной части случайной величины Y является ее среднее значение – условное математическое ожидание MX(Y), полученное при определенном значении факторной переменной Х. Уравнение MX (Y)=f(X) называется уравнением регрессии.
Уравнение регрессионной эконометрической модели тогда решается в виде:
Y= MX (Y) + ε.
Эконометрическая модель не обязательно является регрессионной (то есть объясненная часть не всегда представляет собой математическое ожидание зависимой переменной). В случае, если данные, представленные для анализа поступают с систематическими ошибками, то модель не будет регрессионной.
В регрессионной модели ожидаемое значение случайной ошибки равно 0:
MX (ε) = 0.
Задачи регрессионного анализа:
-
установление формы
- оценка функции регрессии и ее параметров;
-
оценка неизвестных значений (прогноз
значений) зависимой (объясняемой)
переменной.
2.3. Линейный парный
регрессионный анализ
Линейная парная регрессия характеризуется тем, что[4]:
1) объясненная часть является условным математическим ожиданием MX (Y);
2) уравнение регрессии MX (Y)=f(X) отражает функцию одной переменной;
3)
уравнение регрессии имеет
В этом случае реальное уравнение регрессии можно записать в виде:
MX (Y) = βО+ β1X
При помощи вычислительных средств эконометрики можно оценить это уравнении: y = во +в1* x, а также оценить его параметры βО , β1.
Основные предпосылки регрессионного анализа:
1. В модели yi= βО + β1 хi+ εi ошибка εi (или зависимая переменная yi) есть величина случайная, а объясняющая переменная хi – величина не случайная.
2.
Математическое ожидание
М (εi) = 0
(или
математическое ожидание
3. Дисперсия ошибки εi (или зависимой переменной yi) постоянна для любого i:
D(εi)=σ2
D( yi)=σ2
Это условие гомоскедантичности или равноизменчивости ошибки (зависимой переменной).
4. Ошибки εi и εj ( или переменные yi и yj) не коррелированы.
5. Ошибка εi ( или зависимая переменная yi) есть нормально распределенная случайная величина. В этом случае модель yi= βО + β1 хi+ εi называется классической нормальной линейной регрессионной.
Для получения уравнения регрессии достаточно предпосылок 1-4. Требование выполнения предпосылки 5 необходимо для оценки точности уравнения регрессии и его параметров.
Заключение
На стыке экономической практики и математической статистики в начале 30-х годов зародилась новая самостоятельная дисциплина, получившая название "Эконометрика".
Эконометрика - быстроразвивающаяся отрасль науки, цель которой состоит в том, чтобы придать количественные меры экономическим отношениям. Эконометрика - совокупность методов анализа связей между различными экономическими показателями (факторами) на основании реальных статистических данных с использованием аппарата теории вероятностей и математической статистики.
Объектом изучения эконометрики, как самостоятельного раздела математической экономики, являются экономико-математические модели, которые строятся с учетом случайных факторов. Такие модели называются эконометрическими моделями. Исследование эконометрических моделей проводится на основе статистических данных об изучаемом объекте и с помощью методов математической статистики.
Основными задачами эконометрики являются: получение наилучших оценок параметров экономико-математических моделей, конструируемых в прикладных целях; проверка теоретико-экономических положений и выводов на фактическом (эмпирическом) материале; создание универсальных и специальных методов для обнаружения статистических закономерностей в экономике.
Методологическая особенность эконометрики заключается в применении достаточно общих гипотез о статистических свойствах экономических параметров и ошибок при их измерении. Полученные при этом результаты могут оказаться нетождественными тому содержанию, которое вкладывается в реальный объект. Поэтому важная задача эконометрики - создание как более универсальных, так и специальных методов для обнаружения наиболее устойчивых характеристик в поведении реальных экономических показателей. Эконометрика разрабатывает методы подгонки формальной модели с целью наилучшего имитирования ею поведения моделируемого объекта на основе гипотезы о том, что отклонения модельных значений параметров от их реально наблюдаемых случайны и вероятностные характеристики их известны.
СПИСОК
ЛИТЕРАТУРЫ