Реферат на тему:

Економетрична модель та її елементи

Економетрична модель — це логічний (звичайно математичний) опис того,
що економічна теорія вважає особливо важливим при дослідженні певної
проблеми.

Як правило, модель має форму рівняння чи системи рівнянь, що
характеризують виокремлені дослідником взаємозалежності між економічними
показниками. Економетрична модель, що пояснює поведінку одного
показника, складається з одного рівняння, а модель, що характеризує
зміну кількох показників, — із такої самої кількості рівнянь. У моделі
можуть бути також тотожності, що відбивають функціональні зв’язки в
певній економічній системі. Оскільки така модель поєднує не лише
теоретичний, якісний аналіз взаємозв’язків, а й емпіричну інформацію, то
в ній, на відміну від просто економічної моделі, завжди присутні
стохастичні залишки. Саме ймовірнісні характеристики залишків моделі
зумовлюють якість тієї чи іншої аналітичної форми моделі.

Отже, сформулюємо таке означення економетричної моделі.

Означення 1.2. Економетрична модель — це функція чи система функцій, що
описує кореляційно-регресійний зв’язок між економічними показниками,
причому залежно від причинних зв’язків між ними один чи кілька із цих
показників розглядаються як залежні змінні, а інші — як незалежні.

У загальному випадку рівняння в економетричній моделі має ви-гляд

де У- результат, або залежна змінна, змінювання якої описує дане
рівняння; х1, х2,…, хт — фактори, або незалежні змінні, що визнача-ють
поведінку У. Змінна и містить ту частину руху У, що не пояс-нюється
змінними х1, х2,…, хт, і має випадковий характер. Символ /відображує
аналітичний вид зв’язку між досліджуваними змінними.

Означення 1.3. Процес опису явища чи процесу, тобто вибір ана-літичної
форми моделі, називається специфікацією моделі. Іншими словами,
специфікація моделі — це аналітична форма залежності між економічними
показниками.

Незалежні змінні х1, х2,…, хт, що задані заздалегідь чи за межами
моделі, називаються екзогенними змінними (регресорами). Залежна змінна
У, що визначається як розв’язок рівняння, називається ендогенною змінною
(регресандом). Функція/у кожному конкретному випадку окрім змінних
х1,х2,…,хт і и містить ще щонайменше деякі коефіцієнти, що поєднують
змінні у певних співвідношеннях і визначають структуру рівняння. Ці
коефіцієнти називаються параметрами моделі.

Означення 1.4. Визначення значень коефіцієнтів (параметрів) обраної
форми статистичного зв’язку змінних на підставі відповідних статистичних
даних називається параметризацією рівняння регресії або оцінюванням
параметрів.

Існує відмінність між змінними та параметрами моделі. Змінні -це
економічні величини, що можуть набувати певних значень з дея-кої множини
допустимих величин. Параметри — це сталі коефіцієнти. Хоча вони не
завжди відомі, та все ж у будь-якій ситуації вони мають фіксоване
значення. Параметри можна назвати “незмінними” (інколи відомими, інколи
невідомими), що пов’язують змінні в рівняннях. Ці рівняння, а отже, і
параметри визначають структуру моделі: вони вказують на характер
припустимих співвідношень між змінними.

Параметри чимось подібні до незалежних (заданих ззовні) змінних, однак
між ними є важливі відмінності. Припускається, що параметри залишаються
незмінними протягом усього періоду спостереження, а екзогенні змінні,
безумовно, мають змінюватися з часом. Саме змінювання екзогенних змінних
приводить модель у рух, зумовлює перехід системи до нового стану.

Зауважимо, що в багатьох економетричних моделях є такі екзогенні змінні,
які можуть бути змінені керівними органами (державним регулюванням чи
керівництвом фірми). Ці керовані змінні, наприклад державні витрати та
податки, є політичними інструментами. Якщо відомо структуру економічного
процесу, то державні органи, змінюючи значення таких змінних, могли б
робити заданими ендогенні змінні, тобто впливати на подальший розвиток
процесу.

Економетричні моделі можуть бути статичними та динамічними. У статичних
моделях зв’язки розглядаються у фіксований момент часу і часові зміни в
них ролі не відіграють. У динамічній моделі, навпаки, взаємозв’язки
вивчаються в розвитку й час є необхідним фактором змін.

Моделі розрізняють також за рівнем агрегування змінних (мікро-чи
макроекономічні показники), за способом відображення змінних (у
постійних чи поточних цінах, у абсолютних значеннях чи приростах
показників), за кількістю змінних (одно- чи багатофакторні моделі), за
кількістю рівнянь (одне чи кілька), за часом спостережень (річні,
квартальні чи місячні дані).

Класифікують моделі також за призначенням та метою використання
(аналітичні, імітаційні, прогностичні).

Статистична база економетричних досліджень

Будь-яке економетричне дослідження завжди поєднує теорію (математичні
моделі) і практику (статистичні дані). За допомогою моделей описують і
пояснюють процеси, що вивчаються, а статистичні дані використовують для
побудови та обгрунтування моделей. Без конкретних кількісних даних, що
характеризують функціонування економічного об’єкта, не завжди можна
визначити практичну значущість певної моделі.

Економічні дані звичайно поділяють на два види: перехресні дані та
часові ряди. Перехресними є дані за якимось економічним показником, що
отримані для різних однотипних об’єктів (фірм, регіонів). Причому дані
отримано в один і той самий момент часу або часова приналежність
несуттєва. Часові ряди характеризують один і той самий об’єкт, але в
різні моменти часу. Наприклад, дані бюджетних досліджень населення в
певний момент часу є перехресними, а динаміка рівня інфляції за певний
період відображується часовими рядами. Послідовні значення часових рядів
можуть бути пов’язані між собою певними залежностями: спостерігаються
деякі закономірності у відхиленнях від загальної тенденції розвитку чи
виявляються часові зсуви показників (часові лаги). Тому методи обробки
таких даних дещо відрізняються від методів, що застосовуються для
обробки перехресних даних.

Метою збирання статистичних даних є побудова інформаційної бази для
прийняття рішень. Природно, що аналіз даних і прийняття рішень
здійснюються на підставі деякої інтуїтивної (неявної) або кількісної
(явної) економічної моделі. Тому збирають саме дані, що стосуються
певної моделі. їх можна отримати опитуванням, анкетуванням,
інтерв’юванням або із джерел офіційної статистичної звітності. Кожний
показник, отриманий одним із зазначених способів, називається
спостереженням.

Будь-які економічні дані є кількісними характеристиками економічних
об’єктів. Вони формуються під дією багатьох факторів, які не завжди
можна проконтролювати ззовні. Неконтрольовані фактори можуть набувати
випадкових значень з деякої множини допустимих значень і тим самим
зумовлювати випадковість даних. Сто-хастична природа економічних даних
вимагає застосування спеціальних адекватних їм статистичних методів для
їх аналізу та обробки.

При підготовці статистичних даних для роботи з певною моделлю необхідно
забезпечити відповідність цих даних моделі та спільну методичну базу для
їх оцінювання. Дані мають утворювати взаємно узгоджений набір, тобто
якщо вимірювання здійснюється в грошових одиницях, то це мають бути
поточні або фіксовані (одного й того самого року) ціни. Реальним
об’ємним показникам (тобто у фіксованих цінах) мають відповідати реальні
відносні показники (наприклад, процентні ставки слід скоригувати
відносно темпу інфляції). Залежно від поставлених завдань вибирають
узагальнені показники: валовий внутрішній продукт, валові внутрішні
збереження тощо. Відсутні статистичні дані здебільшого можуть бути
розраховані за іншими показниками, якщо між ними існує певна
функціональна залежність. Наприклад, інфляція розраховується за даними
про дефлятор, і навпаки.

Отже, формуючи сукупність спостережень, слід забезпечити порівнянність
даних у просторі та часі. Це означає, що дані вхідної сукупності повинні
мати:

• однаковий ступінь агрегування;

• однорідну структуру одиниць сукупності;

• одні й ті самі методи розрахунку показників у часі чи просторі;

• однакову періодичність обліку окремих змінних;

• порівнянні ціни та однакові інші зовнішні економічні умови.

Висновки, які можна зробити в результаті економетричного моделювання,
цілком зумовлені якістю вхідних даних, а саме їх повнотою та
достовірністю.

Особливості математичного моделювання економічних систем

В економіко-математичному аналізі інформація формується, як правило, у
результаті спостереження за об’єктом дослідження. При отримуванні,
оцінюванні та використанні цієї інформації слід мати на увазі важливі
специфічні риси джерела даних.

Суттєве значення мають стохастичні (випадкові) фактори, які виявляються
у впливі на економіку як з боку природи та суспільства, так і у
внутрішньоекономічних зв’язках. Через складність і динамічність
техніко-економічних, особливо соціально-економічних, процесів попередній
розрахунок економічних показників можливий лише з певним рівнем довіри.

Водночас величезні масштаби економічної системи, розгалуженість зв’язків
між її елементами та відома інерційність значною мірою зумовлюють
майбутній її стан попереднім. Тому розвиток системи можна передбачити з
великою мірою впевненості.

В означеній ситуації найприйнятнішими методами дослідження є методи
математичної статистики, адаптовані до економічних явищ. Саме ці методи
дають змогу будувати економетричні моделі та оцінювати їх параметри,
перевіряти гіпотези стосовно властивостей економічних показників і форм
зв’язку між ними. Однак особливість економетричного підходу до
моделювання економічних об’єктів полягає не у використанні економічної
термінології, а насамперед у детальному дослідженні відповідності
вибраної моделі явищу, що вивчається, а також в аналізі якості
статистичної інформації, що є основою параметризації (оцінювання
параметрів) моделей.

Список використаної літератури

Айвазян С. А., Мхитарян В. С. Прикладная статистика и основы
эконометрики: Учебник для вузов. — М.: ЮНИТИ, 1998. — 1022 с.

Бородин С. А. Эконометрика: Учеб. пособие. — Минск: Новое знание,2001. —
408 с.

Грубер Й. Економетрія: Вступ до множинної регресії та економетрії: У 2
т. — К: Нічлава, 1998-1999.

Джонстон Дж. Эконометрические методы. — М.: Статистика, 1980. — 444 с.

Доугерти К. Введение в эконометрику: Пер. с англ. — М.: ИНФРА-М, 1997. —
402 с.

Дрейпер П., Смит Г. Прикладной регрессионный анализ. — М.: Финансы и
статистика, 1986. — Т. 1 — 365 с; Т. 2 — 379 с.

Емельянов А. С. Эконометрия и прогнозирование. — М.: Экономика, 1985. —
С. 82-89.

Єлейко В. Основи економетрії. — Львів: «Марка Лтд», 1995. — 191с.

Замков О. О., Толстопятенко А. В., Черемных Ю. Н. Математические методы
в экономике: Учебник / Под общ. ред. А. В. Сидоровича. — 3-е изд.,
перераб. — М.: Дело и Сервис, 2001. — 368 с. — (Сер. «Учебники МГУ им.
М. В. Ломоносова»).

Корольов О. А. Економетрія: Навч. посіб. — К: Європейський ун-т,

2002. — 660 с.

Ланге О. Введение в эконометрию. — М.: Прогресс, 1964. — 360 с.

Лук’яненко I. Г., Краснікова Л. І. Економетрика: Підручник. — К.: Т-во
«Знання», КОО, 1998. — 494 с

Похожие записи