Можно выделить три основных класса моделей, которые применяются для анализа и/или прогноза.
Регрессионные модели с одним уравнением
В таких моделях зависимая (объясняемая) переменная у представляется в виде функции f(x,b)=f(x1,…,xk, b1,…, bk), где x1,…,xk,— независимые (объясняющие) переменные, а b1,…, bk, — параметры. В зависимости от вида функции f(x, b) модели делятся на линейные и нелинейные.
Системы одновременных уравнений
Эти модели описываются системами уравнений. Системы могут состоять из тождеств и регрессионных уравнений, каждое из которых может, кроме объясняющих переменных, включать в себя также объясняемые переменные из других уравнений системы. Таким образом, мы имеем здесь набор объясняемых переменных, связанных через уравнения системы.
Модели временных рядов
К этому классу относятся модели:
· тренда: y(t) = T(t) + et
где T(t) — временной тренд заданного параметрического вида, например, линейный T(t) = а + bt, где et — случайная (стохастическая) компонента;
· сезонности: y(t) = S(t) + et
|
|
где S(t) — периодическая (сезонная) компонента, et — случайная (стохастическая) компонента;
· тренда и сезонности: y(t) = T(t) + S(t) + et (аддитивная)
или y(t) = T(t)S(t) + et (мультипликативная).
где T(t) — временной тренд заданного параметрического вида. S(t) — периодическая (сезонная) компонента, et — случайная (стохастическая) компонента.
Глава 2. Моделирование статистических Связей экономических показателей
Регрессионные модели с одним уравнением: парная регрессия