Эконометрика как наука

Можно выделить два основных типа динамических эконометрических моделей. К модели первого типа относятся модели авторегрессии и модели с распределенным лагом, в которых значения переменной за прошлые периоды времени непосредственно включены в модель. Модели второго типа учитывают динамическую информацию в неявном виде.

Лаг - это величина, характеризующая запаздывание в воздействии фактора на результат.

Лаговая переменная - временной ряд самой факторной переменной, сдвинутый на один или более моментов времени.

Краткосрочный мультипликатор - коэффициент регрессии bo при переменной хt характеризует абсолютное изменение yt при изменении хt на 1 ед. своего измерения в некоторой фиксированный момент времени t, без учета воздействия лаговых значений фактора х.

Промежуточный мультипликатор - в момент (t+1) совокупное воздействие факторной переменной хt на результат yt составит (b0+b1) усл. ед., (t+2) это воздействие можно охарактеризовать суммой (b0+b1+b2) и т.д.

Величина b - это долгосрочный мультипликатор. Но показывает абсолютное изменение в долгосрочным периоде t+1 результата у под влиянием изменения на 1 ед. фактора х.

Мемтод Момнте-Камрло (методы Монте-Карло) -- общее название группы численных методов, основанных на получении большого числа реализаций стохастического (случайного) процесса, который формируется таким образом, чтобы его вероятностные характеристики совпадали с аналогичными величинами решаемой задачи. Используется для решения задач в областях физики, математики, экономики, оптимизации, теории управления и др.

Появление первых электронных компьютеров, которые могли с большой скоростью генерировать псевдослучайные числа, резко расширило круг задач, для решения которых стохастический подход оказался более эффективным, чем другие математические методы. После этого произошёл большой прорыв и метод Монте-Карло применялся во многих задачах, однако его использование не всегда было оправдано из-за большого количества вычислений, необходимых для получения ответа с заданной точностью.

Годом рождения метода Монте-Карло считается 1949 год, когда в свет выходит статья Метрополиса и Улама «Метод Монте-Карло». Название метода происходит от названия города в княжестве Монако, широко известного своими многочисленными казино, поскольку именно рулетка является одним из самых широко известных генераторов случайных чисел.

Иногда можно, пожертвовав точностью, найти алгоритм, сложность которого растёт медленнее, но есть большое количество задач, для которого этого нельзя сделать (например, задача определения объёма выпуклого тела в n-мерном евклидовом пространстве) и метод Монте-Карло является единственной возможностью для получения достаточно точного ответа за приемлемое время. В настоящее время основные усилия исследователей направлены на создание эффективных Монте-Карло алгоритмов различных физических, химических и социальных процессов для параллельных вычислительных систем.

Предположим, необходимо взять интеграл от некоторой функции. Воспользуемся неформальным геометрическим описанием интеграла и будем понимать его как площадь под графиком этой функции.

Для определения этой площади можно воспользоваться одним из обычных численных методов интегрирования: разбить отрезок на подотрезки, подсчитать площадь под графиком функции на каждом из них и сложить. Предположим, что для функции, представленной на рисунке 2, достаточно разбиения на 25 отрезков и, следовательно, вычисления 25 значений функции. Представим теперь, мы имеем дело с n-мерной функцией. Тогда нам необходимо 25n отрезков и столько же вычислений значения функции.

Очевидно, что точность вычислений можно увеличить, если область, ограничивающая искомую функцию, будет максимально к ней приближена. Для этого необходимо использовать случайные с распределением форма которого максимально близка к форме интегрируемой функции. На этом основан один из методов улучшения сходимости в вычислениях методом Монте-Карло: выборка по значимости.

Список использованной литературы

1. Айвазян С.А. Основы эконометрики. М.: ЮНИТИ, 2011. - 432 с.

2. Арженовский С.В., Федосова О.Н. Эконометрика. Ростов на-Дону: РГЭУ, 2012. - 102 с.

3. Бородич С.А. Эконометрика. Мн.: Новое знание, 2015. - 408с.

4. Кремер Н.Ш., Путко Б.А. Эконометрика. М.: ЮНИТИ, 2015. - 311с.

5. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика: начальный курс. М.: Дело, 2011. - 400с.

6. Тихомиров Н.П., Дорохина Е.Ю. Эконометрика. М.: Экзамен, 2013. - 512с.

Размещено на Allbest.ru