- •Тематичний план дисципліни
- •Програма навчальної дисципліни
- •Тема 2. Дослідження моделей оптимізації фінансової діяльності підприємства за допомогою методів математичного програмування
- •Тема 3. Імовірнісні моделі у фінансах
- •Тема 4. Регресійні моделі фінансової діяльності підприємства та фінансів на регіональному і державному рівні
- •Тема 5. Сучасні економетричні моделі у фінансах
- •Тема 6. Методи багатовимірного статистичного аналізу фінансової діяльності підприємств та регіональних і державних фінансів
- •Практичні заняття
- •1. Основні етапи економетричного моделювання
- •1.1. Збір статистичних даних
- •1.2. Попередній аналіз даних
- •1.3. Побудова лінійної моделі регресії
- •1.4. Перевірка загальної якості рівняння регресії
- •1.6. Прогнозування за допомогою регресійної моделі
- •1.7. Обчислення коефіцієнтів еластичності
- •2. Використання електронних таблиць Excel для побудови економетричних моделей
- •2.1. Вбудовані функції Excel
- •Математичні функції
- •Статистичні функції
- •2.2. Приклад проведення економетричного аналізу за допомогою електронних таблиць Excel
- •Список використаних джерел
1.2. Попередній аналіз даних
1.2.1. Побудова діаграми розсіювання.
Попередній аналіз даних у випадку, коли вивчається залежність між двома змінними, починається з побудови діаграми розсіювання. Для цього дані спостережень yi над показником Y і – xi над фактором X, які розглядаються як координати точок , відкладають на координатній площині XY.
Аналіз розташування точок на діаграмі розсіювання дозволяє зробити попередній висновок про характер зв’язку між змінними X і Y . На рис.1.1 зображені три ситуації:
-
на графіку (а) взаємозв’язок між X і Y близький до лінійного;
-
на графіку (б) взаємозв’язок між X і Y описується нелінійною функцією;
-
на графіку (в) явний взаємозв’язок між X і Y відсутній.
1.2.2. Обчислення числових характеристик показника Y і фактора X. Числові характеристики обчислюються за такими формулами:
– середнє значення показника Y,
– середнє значення фактора X,
– дисперсія показника Y,
– дисперсія фактора X,
– середньо квадратичне відхилення показника Y,
– середньо квадратичне відхилення фактора X,
– статистичний кореляційний момент між X і Y.
1.2.3. Обчислення парного коефіцієнта кореляції. Вибірковий коефіцієнт кореляції змінних X і Y обчислюється за формулою
. (1.1)
Коефіцієнт кореляції характеризує ступінь цільності лінійної залежності між випадковими величинами X, Y і змінюється в межах від –1 до 1, причому, коли , то між випадковими величинами X і Y існує додатна залежність ( тобто якщо зростає чинник X, то відповідно зростає показник Y, так само, якщо спадає чинник X, то спадає і показник Y); коли , то між величинами X і Y існує від’ємна залежність (якщо чинник X зростає, то показник Y спадає, і якщо чинник X спадає, то показник Y зростає). Близьке до нуля значення коефіцієнта кореляції свідчить про відсутність лінійного зв’язку між змінними X та Y. У випадку абсолютної лінійної залежності коефіцієнт кореляції дорівнює (додатній лінійній зв’язок) або (від’ємний лінійний зв’язок). Якщо значення коефіцієнта кореляції по модулю наближається до 1, то між X і Y існує сильний лінійний зв’язок.
1.3. Побудова лінійної моделі регресії
Якщо за допомогою коефіцієнта кореляції встановлено наявність статистичного лінійного зв’язку між показником Y та фактором X, наступним етапом дослідження є побудова лінійної моделі регресії
, (1.2)
де – невідомі параметри регресії, що мають бути оцінені;
– відхилення даних спостережень показника від розрахункових значень показника , які знаходяться за формулою:
. (1.3)
Оцінки параметрів , знайдені за допомогою методу найменших квадратів, можна записати в такому вигляді [1, 2]:
(1.4)
Отримане значення оцінки параметра означає, що при зміні фактора X на одиницю показник Y зміниться на одиниць.
Відмітимо, що коли значення коефіцієнта кореляції прямує до нуля, це говорить про відсутність лише лінійного зв’язку між змінними, але не про відсутність зв’язку між ними взагалі. В цьому випадку можна спробувати розглянути нелінійний зв’язок між X і Y. Найчастіше використовуються в макро- та мікроекономічних дослідженнях такі криві [2]:
експоненційна: |
|
степенева (мультиплікативна): |
|
зворотна: |
|
квадратична: |
|
модифікована експонента: |
|
крива Гомперця: |
|
логістична крива: |
. |
Методи оцінки параметрів нелінійних моделей регресії розглянуто в підручнику [1].