Реферат: Економетричні моделі в економіці країни

3) забезпечити точність вихідних даних.

2. економетрична модель і проблеми економетричного моделювання

Економетричне моделювання реальних соцiально-економiчних процесів i систем, як правило, спрямоване на досягнення двох типів кінцевих прикладних результатів:

отримання прогнозу економічних показників, що характеризують стан та розвиток економічної системи;

iмiтування різних можливих сценаріїв соцiально-економiчного розвитку економічної системи (багатоваріантний сценарій, розрахунки, ситуаційне моделювання).

У постановці задач економетричного моделювання доцільно визначати їхній iєрархiчний рівень i тип. Поставлені задачі можуть належати до макрорівня (країна, міждержавний аналіз), мезорiвня (регіони всередині країни) i мiкрорiвня (підприємства, фірми, сім’я) i бути спрямованими на розв’язок питань iнвестицiйної, фінансової або соціальної політики, ціноутворення, розподільних відносин i т. ін.

Економетрична модель містить набір регресійних рівнянь, що описують стохастичні зв’язки між досліджуваними економічними показниками, а також певні тотожності, які характеризують спiввiдношення між економічними показниками.

Найпоширеніший математичний вид досліджуваних взаємозв’язків лiнiйний (відносно параметрів) i адитивний за формою. При цьому можливі ситуації, коли одні й ті самі показники в одних рівняннях вiдiграють роль пояснюваних змінних, а в інших – пояснювальних (такі моделі називають системами одночасних рівнянь).

До основних проблем економетричного моделювання належать:

iдентифiкацiя змінних та висування гіпотези про специфiкацiю моделі;

специфiкацiя економетричної моделі;

методи оцінювання параметрів моделі;

верифiкацiя моделі;

прогноз пояснюваних змінних на основі моделі.

Розв’язання цих проблем значною мірою базується на математично-статистичному iнструментарiї. Велика увага приділяється методам багатовимірного аналізу i, передусім, методам розпізнавання соцiально-економiчних образів, їх типологiзацiї.

3. формування сукупності спостережень

Поняття сукупності спостережень є основою економетричного моделювання. Потрібно розрізняти одиницю спостереження – джерело даних і одиницю сукупності – носія ознак, що підлягають спостереженню. Ці поняття найбільш чітко розрізняються в соцiально-економiчнiй статистиці. Наприклад, під час перепису населення одиницею спостереження буде сім’я, а одиницею сукупності – окрема людина. У разі статистичних досліджень із застосуванням методів багатовимірного статистичного аналізу ці поняття часто збігаються. Тому в економетричному моделюванні здебільшого йтиметься про одиницю сукупності.

Сукупність спостережень можна подати у вигляді впорядкованого набору (матриці) даних параметрами n, m, T, де n – кiлькiсть одиниць сукупності (i = ); m – кiлькiсть ознак, які описують кожну одиницю (j = ); Т – проміжок часу, за який вивчається ознака певного спостереження (t = ). Наприклад, якщо через x позначити певну ознаку спостереження, то потрібно записати так: xij, або хijt, що означає j-та ознака i-го спостереження в період t.

За одиницю сукупності спостережень часто беруть певний економічний об’єкт, що функціонує. Вибрати одиницю сукупності – означає визначити рівень об’єкта моделювання (наприклад, великий технологічний агрегат, цех, підприємство, галузь i т. ін).

Розрізняють три способи формування вибірки: часову, просторову i просторово-часову.

Якщо сукупність спостережень вивчається у статиці (просторова вибірка), то всі дані можна зобразити у вигляді матриці розміром n × m, в якій кожний рядок несе iнформацiю про одиницю вибіркової сукупності, а стовпець характеризує певну ознаку.

Часова вибірка містить набір значень ознак функціонування окремого об’єкта в динамiцi m × T, тобто по суті складається з двовимірного чи багатовимірного часового ряду.

Просторово-часова вибірка являє собою комбiнацiю просторової i часової вибірок n × m × T.

Проблема формування сукупності спостережень та її однорiдностi досить важлива в економетричному моделюванні, бо економетрична модель кiлькiсно описує закономiрнiсть формування економічних процесів та явищ. А ця закономiрнiсть доволі повно може проявитись лише тоді, коли сукупність спостережень достатньо велика.

Якщо дослідник задає граничну похибку розрахунків із певною ймовірністю, то на основі такого спiввiдношення маємо:

(3.1)

де Δ – гранична похибка;

– дисперсія результативної ознаки у;

t(α) - критерій Стьюдента за рівня значущості α.

Таким чином, обсяг вибірки подається у вигляді:

(3.2)