1. Математическая и вероятностная модель. Математическая

Разделено на 6 этапов:
1) Постановочный ( представляет собой определение конечной цели моделирования набора участвующих моделей факторов и показателей их роли)
2) Априорный – это предмодельный анализ экономической сущности изучаемой модели, формирование априорной информации.
3) параметризация
4) информационный
5)идентификация модели – это статистическое оценивание параметров модели
6)верификация модели – это оценка точности данных, проверка адекватности моделей.
13. В чем заключается специфика эконометрических моделей.
Она заключается в решении некоторых проблем. Она решается на первых 3 этапах и включает в себя определение конечных целей моделирования ( прогноз, имитация), определение списка экзогенных и эндогенных переменных, определение состава анализируемой системы ( уравнение, тождество), формулировка исходных предпосылок и априорных ограничений.
Проблема идентификации. Решение этой проблемы предусматривает настройку модели на реальные статистические данные. Речь идет о выборе и реализации методов статистического исследования параметров модели.
Проблема верификации модели. Само построение эконометрической модели: а) насколько удачно удалось решить проблему спецификации и идентификации. Б) какова точность прогнозов расчетов в модели.
14. Тренд (от англ. trend — тенденция) — это долговременная тенденция изменения исследуемого временного ряда. Тренды могут быть описаны различными уравнениями — линейными, логарифмическими, степенными и так далее. Фактический тип тренда устанавливают на основе подбора его функциональной модели статистическими методами либо сглаживанием исходного временного ряда. Выделяют тренды восходящий (бычий), нисходящий (медвежий) и боковой (флэт). На графике часто рисуют линию тренда, которая на восходящем тренде соединяет две или более впадины цены (линия находится под графиком, визуально его поддерживая и поддталкивая вверх), а на нисходящем тренде соединяет два или более пика цены (линия находится над графиком, визуально его ограничивая и придавливая вниз). Трендовые линии являются линиями поддержки (для восходящего тренда) и сопротивления (для нисходящего тренда). Модель сезонности Y(t)= S(t) + E(t) (1.2)
Мнoгие экoномические врeменные pяды сoдержат периoдические сезoнные кoлебания. Oт характера этиx кoлебаний иx часто дeлят на два класса: мультипликативные и аддитивные.Пpи мультипликативных сeзонных кoлебаниях предпoлагается, чтo амплитуда колебаний измeняется вo врeмени прoпорционально урoвню трeнда (тeкущему срeднему урoвню ряда).Пpи аддитивном характере сeзонности исхoдят из прeдположения o неизменнoсти вo врeмени, примернoм пoстоянстве амплитуды периoдических кoлебаний, ee нeзависимости oт урoвня трeнда. Пpи этoм для аддитивных колебаний характеристики сeзонности будут измeряться в абсолютных вeличинах и oтражаться в статистической мoдели в видe слагаемых, а для мультипликативных кoлебаний – в отнoсительных вeличинах и прeдставляться в мoделях в видe сoмножителей.
16 Регрессионные модели с одним уравнением.
17. Системы одновременных уравнений.
Системы могут состоять из тождеств и регрессионных уравнений. Каждая из которых может кроме объясняющих переменных включать в себя объясняющие переменные.
18. Каковы причины существования случайного числа.
Рассмотрим простейшую линейную модель парной регрессии:
y = a+bx+ε (2.1)
Величина y, рассматриваемая как зависимая переменная, состоит из двух составляющих: неслучайной составляющей, а+bх и случайного члена ε.
Случайная величина ε называется также возмущением. Она включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.
Причин существования случайной составляющей несколько.
1. Не включение объясняющих переменных. Соотношение между y и x является упрощением. В действительности существуют и другие факторы, влияющие на y, которые не учтены в (2.1). Влияние этих факторов приводит к тому, что наблюдаемые точки лежат вне прямой у = а+bх.
Часто встречаются факторы, которых следовало бы включить в регрессионное уравнение, но невозможно этого сделать в силу их количественной неизмеримости. Возможно, что существуют также и другие факторы, которые оказывают такое слабое влияние, что их в отдельности не целесообразно учитывать, а совокупное их влияние может быть уже существенным. Совокупность всех этих составляющих и обозначено в (2.1) через ε.
2. Агрегирование переменных. Рассматриваемая зависимость (2.1) – это попытка объединить вместе некоторое число микроэкономических соотношений. Так как отдельные соотношения, имеют разные параметры, попытка объединить их является аппроксимацией. Аппроксима́ция, или приближе́ние — научный метод, состоящий в замене одних объектов другими, в том или ином смысле близкими к исходным, но более простыми. Наблюдаемое расхождение приписывается наличию случайного члена ε.
3. Выборочный характер исходных данных. Поскольку исследователи чаще всего имеет дело с выборочными данными при установлении связи между у и х, то возможны ошибки и в силу неоднородности данных в исходной статистической совокупности. Для получения хорошего результата обычно исключают из совокупности наблюдения с аномальными значениями исследуемых признаков.
4. Неправильная функциональная спецификация. Функциональное соотношение между у и х математически может быть определено неправильно. Например, истинная зависимость может не являться линейной, а быть более сложной. Следует стремиться избегать возникновения этой проблемы, используя подходящую математическую формулу, но любая формула является лишь приближением истинной связи у и х и существующее расхождение вносит вклад в остаточный член.
5. Возможные ошибки измерения.


20. Что такое стохастический процесс? Приведите пример.
Вероятностные процессы иначе называются стохастическими. Важной особенностью этих процессов является то, что результаты деятельности людей в настоящее время не обязательно приведут к однозначным процессам в будущем. Существует возможность появления разных подходов с разной вероятностью. Например: если планом предусмотрено увеличение продукции за 5 лет на 70%, то наибольшей вероятностью обладает исход выраженный данным числом. По этому 70% есть математическое ожидание этого процесса. Но есть вероятность, что рост будет составлять 65 %.


22. Статистическая база эконометрических моделей.
Эконометрическая модель (econometric model) - это статистическая модель, которая является средством прогнозирования значений определенных переменных, называемых эндогенными переменными (endogenous variables). Для того чтобы сделать такие прогнозы, в качестве исходных данных используются значения других переменных, называемых экзогенными переменными (exogenous variables). Предположения о значениях таких переменных делаются пользователем модели. Например, в эконометрической модели уровень продаж автомашин в следующем году может быть привязан к уровню валового внутреннего продукта и процентных ставок. Чтобы сделать прогноз относительно объема продаж автомобилей в следующем году (это эндогенная переменная), следует получить данные о величине валового внутреннего продукта и процентных ставок для будущего года, которые относятся к экзогенным переменным.
Эконометрическая модель может представлять собой как очень сложную систему, так и простую формулу, которая может быть легко подсчитана на калькуляторе. В любом случае она требует знаний по экономике и статистике. Сначала для определения соответствующих взаимосвязей применяются знания по экономике, а затем для оценки количественной природы взаимосвязей полученные за прошедший период данные обрабатываются с помощью статистических методов.
23. Сущность теории измерений.