Страница 6, всего страниц: 6 1 2 3 4 5 6
Суть метода — сократить число объясняющих переменных до наиболее существенно влияющих факторов. Метод главных компонент применяется для исключения или уменьшения мультиколлинеарности объясняющих переменных регрессии. Основная идея заключается в сокращении числа объясняющих переменных до наиболее существенно влияющих факторов. Это достигается путем линейного преобразования всех объясняющих переменных xi(i=0,..,n) в новые переменные, так называемые главные компоненты. При этом требуется, чтобы выделению первой главной компоненты соответствовал максимум общей дисперсии всех объясняющих переменных xi(i=0,..,n). Второй компоненте — максимум оставшейся дисперсии, после того как влияние первой главной компоненты исключается и т. д. № 33 МОДЕЛИ АВТОРЕГРЕССИИ. ОЦЕНКА ПАРАМЕТРОВ МОДЕЛЕЙ АВТОРЕГРЕССИИ. Модели содержащие в качестве факторов лаговые знач. зависимой переменной называются моделями авторегрессии. Н-р yt=a+b0xt+c1yt-1+ t.Как и в модели с распределенным лагом b0и в этой модели характеризует краткосрочные изменения ytпод воздействием изменения х1на 1 ед. Долгосрочный мультипликатор в модели авторегрессии рассчитывается как сумма краткосрочного и промежуточных мультипликаторов b = b0+b0c1+b0c12+b0c13+…=b0(1+c1+c12+c13+…)=b0/1-c1 Отметим, что такая интерпретация коэффициентов модели авторегрессии и расчет долгосрочного мультипликатора основаны на предпосылке о наличие бесконечного лага в воздействии текущего знач. зависимой переменной на ее будущее знач. Одним из возможных методов расчета параметров уравнения авторегрессии являетсяметод инструментальных переменных.Сущность этого метода состоит в том, чтобы заменить переменную из правой части модели, для которой нарушаются предпосылки МНК, на новую переменную, включение которой в модель регрессии не приводит к нарушению его предпосылок. Применительно к моделям авторегрессии необходимо удалить из правой части модели переменную yt-1. Искомая новая переменная, которая будет введена в модель вместо yt-1ьдолжна иметь два свойства. Во-первых, она должна тесно коррелировать с yt-1ьво-вторых, она не должна коррелировать с остатками ur. Еще один метод, который можно применять для оценки параметров моделей авторегрессии типа — это метод максимального правдоподобия №34 ПРОВЕРКА СТАТИСТИЧЕСКИХ ГИПОТЕЗ. ???????????????????? № 35 МЕТОД ПОДВИЖНОГО (СКОЛЬЗЯЩЕГО) СРЕДНЕГО. Метод простого скользящего ср. состоит в том, что расчет показателя на прогнозируемый момент времени строится путем усреднения значения этого показателя за несколько предшествующих моментов времени. где хk-i– реальное знач. показателя в момент времени tn-1. n- число предшествующих моментов времени использующих при расчете. fk– прогноз на момент времени tk. № 36 МЕТОД ЭКСПОНЕНЦИАЛЬНОГО СГЛАЖИВАНИЯ. Учитываются отклонения предыдущего прогноза от реального показателя а сам расчет проводится по след. формуле: где xk-1– реальное значение показателя в момент времени tk-1. fk– прогноз на момент времени tk. – постоянное сглаживание. Замечание: знач. подчиняется условию 0‹ ‹ 1, определяет степень сглаживания и обычно выбирается универсальным методом проб и ошибок. № 37 МЕТОД ПРОЕЦИРОВАНИЯ ТРЕНДА. Основной идеей метода проецирования линейного тренда является построение прямой, которая в среднем наименее уклоняется от массива точек заданного временным рядом. Прямая ищется в виде: x = at + b (a и b -постоянные). Величины a и b удовлетворяют. следующей линейной системе: №38. КАЗУАЛЬНЫЕ МЕТОДЫ ПРОГНОЗИРОВАНИЯ. КАЧЕСТВЕННЫЕ МЕТОДЫ ПРОГНОЗИРОВАНИЯ. ????????????????
Страница 6, всего страниц: 6 1 2 3 4 5 6
Шпоры по эконометрике. Реферат: [База экономических рефератов], 19.03.2006.
|