Ökonomeetria

Q: Kust me tuleme Kuhu me läheme?

Vastus leiad õppematerjalist: Ökonomeetria

Q: Millised on kogu-saagi ja saagikuse stat kasut-d põhilised arves-tuse kategooriad?

Vastus leiad õppematerjalist: Ökonomeetria

Q: Millised on rahvaarvu stat kasut põhilised arvestuse kate-gooriad?

Vastus leiad õppematerjalist: Ökonomeetria

Jürgens, Margen

Ökonomeetria (6)

Tartu Ülikool - Majandus - Majandus

4 HEA

Esitatud küsimused

Kust me tuleme Kuhu me läheme?
Millised on kogu-saagi ja saagikuse stat kasut-d põhilised arves-tuse kategooriad?
Millised on rahvaarvu stat kasut põhilised arvestuse kate-gooriad?

Ökonomeetrilise mudeli mõiste.
Ökonomeetriliste mudelite abil saab analüüsida erinevate majanduspoliitiliste otsuste mõju majanduslikele protsessidele või prognoosida vastavate maj. näitajate kujunemist tulevikus. Teoreetiliste seisukohtade kogumit, mida me konkreetses analüüsis kasutame, nim. ökonomeetriliseks mudeliks. Ökonomeetriline mudel on matemaatilise mudeli eriliik, mis koosneb üldjuhul algebralistest võrranditest või/ja võrrandisüsteemidest, mille lahendamiseks kasut. matemaatilisi ja statistilisi lähenemisviise ja meetodeid . Ökonomeetrilise mudeli põhikomponendid: 1)modelleeritavad näitajad on sõltuvad e. endogeensed muutujad (Y); 2)modelleeritavat nähtust mõjutavad näitajad on eksogeensed e. sõltumatud muutujad (X); 3)juhuslik komponent ; 4) matem . ja statistiliste meetoditega hinnatavad mudelite parameetrid .

Klassikaline regressioonanalüüs. Regressioonivõrrand. Seose tiheduse näitajad.
Klassikaline regressioonanalüüs Regressioonianalüüs võimaldab selgitada majandusnähtuste vahelise seose tugevuse ja usaldatavuse ning samas ka seose funktsionaalse vormi. Regressioonianalüüsi põhiülesanded:1) hinnata kvantitatiivselt majandusnähtuste vaheliste seoste suunda, tugevust ja kuju; 2)prognoosida maj. nähtuste ja –protsesside tõenäosuslikku arengut; 3)kontrollida empiiriliselt maj. teoreetiliste seisukohtade ja hüpoteesi paika pidavust. Regressioonivõrrandiks on lineaarne mitme muutuja funktsioon. Regressioonikordaja i näitab mitme ühiku võrra muutub sõltuv muutuja Yt kui sõltumatu muutuja Xi muutub 1 ühiku võrra. Kui regressioonmudelis on 1 sõltumatu muutuja, siis on tegemist lihtsa regressioonvõrrandiga Y=b0+ b1xi+ei, i=1,2...n. Kui sõltumatuid muutujaid on vähemalt 2 (k>2), siis on tegemist mitmese regressioonimudeliga. Enim praktikas kasutusel olev mittelineaarne regressioonvõrrand on ruutmudel e. parabool. Parabooli abil on võimalik modelleerida oma olemuselt erinevaid sõltuvusi.
Seose tihedust isel. näitaja. 1)Üks põhiline on korrelatsioonikordaja (korr.kordaja märk ei oma mingit tähtsust). Mida suurem on korrel.kor, seda tihedam on sõltuvus faktorite vahel, seda ebausaldatavamad on andmed. Kui X suurenedes suureneb ka suuruse Y keskväärtus, siis on kor. kordaja väärtus pos. s.t r>0. Kui X suurenedes Y väärtus väheneb, siis r2, F-krit F>3. Täpsem hinnang olulisusenivoo abil, kujutab endast eksimuse tõenäosust, faktori väärtus akarakteristikud on: jaotusfunktsioon F(t), tiheduspunkt p(t), keskväärtus E(t), dispersioon D(t) jne.

Klassikalise regressioonanalüüsi põhieeldused.
Klassikalise regressioonanalüüsi põhieeldused. Vähimruutude meetodil saame mitmese lineaarse regressioonivõrrandi parameetrite parimad hinnangud , kui on täidetud järgmised eeldused: 1)Regressioonimudel on korrektne - kõik olulised analüüsitavat protsessi mõjutavad sõltumatud muutujad (X) on lülitatud regressioonivõrrandisse ning sõltuva muutuja ja sõltumatute muutujate vahel on lineaarne sõltuvus; 2)Sõltumatud muutujad on üksteisest statistiliselt sõltumatud; 3)Sõltumatud muutujad omavad küllaldast varieeruvust; 4)Kasutatavad arvandmed on representatiivsed; 5) sõltumatute muutujate väärtused on kindlaks määratud täpselt, ilma vigadeta,6)Reg-jäägid on normaalsed juhuslikud suurused; 7)Reg.jääkide dispersioon ei sõltu sõltumatute muutujate väärtustest 8)Reg.jäägid on omavahel statistiliselt sõltumatud.

Majanduspraktikas esinevad kõrvalekaldumised regressioonanalüüsi põhieeldustest.
Kõrvalekalded regressioonianalüüsi põhieeldustest.
Kõige olulisemaks neist on mudeli korrektsuse eeldus. Mudeli korrektsus sõltub ühelt poolt analüüsi tegija majanduslikteoreetilisest ettevalmistusest ja teadmistest ning teiselt poolt mudeli koostises vajalike arvandmete kättesaadavusest. Arvandmeid iseloomustab eelduste (2-5) olulisemateks kõrvalekaldumisteks on: 1) multikollineaarsus (sõltumatud muutujad on omavahelises sõltuvuses) 2)multikollineaarsese ja sõltumatute muutujate mitteküllaldase varieeruvuse mõju ökonomeetria mudeli parameetrite hinnangule. Ökon. analüüsis eeldatakse, et arvandmed on korrektsed. Arvandmete representatiivsus tähendab seda, et vaatlustulemuste arv on küllaltki suur ja isel. modelleeritavat probleemi. reg.jääke puudutavate eelduste korral: a) kui ei ole täidetud võimalus kasut. standardseid statistilisi hüpoteese reg.võrrandi ja reg. kordajate kohta, siis selle põhjuseks on ebakorrektne mudel. b) kui ei ole täidetud reg.jääkide homoskedastiivsuse eeldus, siis on tegemist nn heteroskedastiivsete reg.jääkidega.

Multikollineaarsuse mõju regressioonanalüüsi tulemustele.
Multikollineaarsusega isel. olukorda, kus regressiioonvõrrandi sõltumatute muutujate arvväärtused on omavahelises sõltuvuses. 3 taset:
1)täpne (täielik); multikollineaarsus esineb siis, kui 1 sõltumatutest muutujatest kujutab endast teiste sõltumatule muutujate lineaarset funktsiooni. Täieliku multikol. põhjus tuleb üles otsida ja see kõrvaldada.
2)peaaegu täielik multikolli-neaarsus.- teatud liiki arvandmete omadus, mis muudab mudeli parameetrite hinnangud muutuvad väga ebastabiilseteks. 2 sõltumatu muutuja korral on nendevahelise sõltuvuse korrel.kordaja väga suur r>0,9.Kui reg.kor. varieeruvus on suur, siis on suur ka vahemik, kus asub reg.kor. tegelik väärtus ning seda raskem on tagasi lükata nullhüpoteese sisuliselt vägagi oluliste reg.kor. kohta. Kui sisuliselt oluliste sõltumatute muutujate reg.k. varieeruvus on väga suur, siis viitab see peaaegu täieliku multikollineaarsusele.
3)Sõltumatud muutujad on omavahel korrel. sõltuvuses, mis tingib mitmeste reg.mudelite kasut-se. Statistikaameti poolt kogutud ja avaldatud arvandmete korral on sõltumatud muutujad tavaliselt mingil määral alati omavahel korrel. sõltuvuses ning enamikel juhtudel ei ole see probleemiks.

Oluliste argumentide varieeruvuse mõju regressioonanalüüsi tulemustele.
Oluliste argumentide varieeruvuse mõju regressioonanalüüsi tulemustele. Sõltumatute muutujate mitteküllaldane varieeruvus ei võimalda avada kogu arvandmetes sisalduvat infot ning seeläbi vähendavad regressioonmudelite kasutamise efektiivsust ja usaldusväärsust. Sõltumatute muutujate varieeruvus vähenemine, vähendab ka arvandmetes olevat info hulka. Seega sõltumatute muutujate mitteküllaldane varieeruvus vähendab regressioonkordajate stabiilsust.

Astmefunktsiooni (Cobb – Douglase funktsiooni) parameetrite leidmine. Isokvandid. Nende kasutamine.
Astmefunktsioon on ruutfunktsiooni kõrval teiseks enam kasutamist leidnud
mitmese mittelineaarse regressioonimudeli regressioonivõrrandiks.
Astmefunktsiooni iseärasused on järgmised:
1.Võrrandi parameetrid leitakse astmefunktsiooni logaritmimise teel;
2.Astmefunktsioon on minimaalse parameetrite arvuga mitmene mittelineaarne
funktsioon
3.Astmefunktsioon on ruutfunktsiooniga võrreldes tunduvalt jäigem
4.Astmefunktsioon läbib alati koordinaatide alguspunkti
5.Argumendi kasvades funktsiooni väärtused piiramatult kasvavad.
Cobb- Douglas `e tootmisfunktsioon kujutab endast astmefunktsiooni.
Ökonomeetriliste mudelite analüüsimisel on abiks asenduskõverate (isokvantide) koostamine ja analüüsimine.
Isokvant on kindla koguse valmistamiseks vajalike sisendite tehniliselt efektiivsete kombinatsioonide geomeetriline kirjeldus. Tootmisfunktsioon ja isokvant iseloomustavad konkreetset tehnoloogiat.

Ökonomeetrilise mudeli koostamise põhietapid.
1. Probleemi teoreetiline analüüs
2. Ökonomeetrilise mudeli formuleerimine, st. võrrandi e. funktsiooni tüübi
ja sõltumatute muutujate valik
3. Probleemi iseloomustavate arvandmete hankimine
4. Võrrandi (funktsiooni) parameetrite leidmine (hindamine-estimation)
5. Võrrandi parameetrite usaldatavuse kontroll
6. Ökonomeetrilise mudeli rakendamine (prognoosiks või erinevate majandusstrateegiate
realiseerimise tulemuste hindamiseks)

Mittestandardsed ökonomeetrilise mudeli parameetrite hindamise meetodid (olemus; kasutamise võimalused):

peamiste komponentide meetod;

kantregressioon;

“bootstrap” regressioon ;

üldistatud vähimruutude meetod;

tehisnärvivõrgud;

tugivektorid;
andmekaeve (data mining ) meetodid
Mittestandardsed ökonomeetrilise mudeli koostamise meetodid:
a) regressioonianaüüsi peamiste komponentide meetodil- (väga mahukas) meetodi olemus- esialgsed sõltumatud muutujad X1, X2,Xn teisendatakse lineaarse teisenduse abil tinglikeks suurusteks ehk komponentideks. Nende teisenduste käigus toimub sõltumatutes muutujates X1,X2,…Xn oleva info ümberpaiknemine esimestesse komponentidesse (millede varieeruvus on suurim). Ülejäänud komponendid sisaldavad esialgsete sõltumatute muutujatega võrreldes vähem infot ja edasine analüüs toimub esimeste e. peamiste komponentide baasil. Komponentide arv m. Kui m on suur, st läheneb sõltumatute muutujate arvule n, siis info kadu on minimaalne ning minimaalne on ka nihke suurus. Kui m on väike, siis on info kadu suurim ning ka nihke suurus max kuid reg.kor. varieeruvus on min.
b)Kantreg. korral suurendatakse kunstlikult sõltumatute muutujate kovariatsiooni maatriksi determinanti, mille tulemusena väheneb reg.kor. varieeruvus ning suureneb nende stabiilsus, kuid tekitatakse reg.kor. nihe . Põhiprobleemiks on otsustada, kui palju suurendada kovariatsiooni maatriksi peadiagonaali- milline peab olema kantregressiooni parameeter k. Kuna seda otsustab anal. teostaja on tegemist subjektiivse anal.meetodiga. K soovitatav vahemik 1,1… 1 ,2.
c) “Bootstrap” meetod on universaalne meetod nii statistiliste hinnangute konstrueerimiseks kui juhuslike suuruste jaotuse empiiriliseks hindamiseks, samuti vahemikhinnangute konstrueerimiseks ja hüpoteeside kontrollimiseks. Saadavad hinnangud on üldjuhul nihutatud ning seda eriti siis, kui esineb sõltumatute muutujate vaheline multikollineaarsus. Samas saadakse selle meetodiga ka sellised hinnangud, mille varieeruvus on väga väike seega efektiivne ´´bootstrap` regressiooni võib kasutada regressioonikordajate varieeruvuse vähendamiseks ainult nendel juhtudel, kui multikoll-se mõju ei ole suur. Leitakse arvkarakteristikud (reg.kor. aritm. keskmine, mood, mediaan, varieeruvust isel. näitajad jne), mille alusel tehakse järeldused ökonom. mudeli parameetrite kohta.
d) Üldistatud vähimruutude meetod on välja töötatud reg.mudeli parameetrite hindamiseks juhul, kui esineb heteroskedastiivsus- reg.jäägid sõltuvad sõltumatute muutujate väärtusest. Sel juhul peab teada olema jääkdispersiooni maatriks üksikute vaatlustulemuste kohta. Üldistatud vähim.r. meetodit kasutatakse saame efektiivsemad hinnangud kui tavalise vähim.r. meetodi kasutamise korral.
e) tehisnärvivõrgud – bioloogilistest närvivõrkudest inspireeritud tehissüsteemid.
f) tugivektorid -

Ökonomeetrilise mudeli analüüs statistiliste näitajate (kriteeriumite baasil).
Põllumajandusstatistik näitajate süsteem Näitajad võib süstematiseerida vägagi erinevate tunnuste alusel.
Mistahes statistilist näitajat iseloomustavad järgmised tunnused:
1.Statistilisel näitajal on olemas nii kvantitatiivne kui ka kvalitatiivne
külg (mistahes näitaja omab arvulist väärtust ja vastavat mõõtühikut),
2.Statistiline näitaja on oma olemuselt üldistav näitaja,
3.On ajalooliselt konkreetne (näitajal on olemas nii aja kui koha koordinaadid),
4.On oma olemuselt olulised karakteristikud (tunnused).
Süstematiseerimine 1.tootmisharude järgi: 1) taimekasv .iseloom. näita-jad;a) terav .kasvatus.isel.näitajad;b)kartulikasv.;c)heina-kasv.;d)linakasv.isel. näita-jad jne; 2)loomakasv.ise-loom.näitajad; a) veisekasvatus ; b) seakasvatus.; c) linnukasvatust iseloomustavad näitajad. 2.osavõtu järgi tootmisprotsessis- 1)Toot-misressursside olemasolu ja nende kasutust isel. näitajad: a) pm- liku maa olemasolu, maa kvaliteeti ja maa kasut. isel. näitajad; b) tööjõu olemasolu, tj kvaliteeti ja tj kasut. isel. näitajad; c) hoonete ja masinate olemasolu, hoonete ja masinate kvaliteeti ja nende kasut. isel. näitajad; d) ilmastiku isel. näitajad. 2)Tootmistulemusi isel. näitajad: a) tootmise mahtu; b) tootmise struktuuri; c) tootmise intensiivsust; d) tootmise efektiivsust; e) toodangu kvaliteeti.
3)Toodangu realiseerimist isel. näitajad: a) naturaalsed näitajad; b) rahalised n. 4)Pm ev-te maj-ku tegevust isel. näit. -a) Kogutoodangut; b) Sissetulekuid; c) Tootmiskulusid; d) Ev maksustamist.

Ökonomeetrilise mudeli majanduslik (sisuline analüüs).
Ökonomeetria eesmärgiks on kaasa aidata majanduses toimuvatest protsessidest
paremale arusaamisele, prognoosida majanduse arenguid ning toetada süstematiseeritud
info abil majanduslike ja poliitiliste otsuste kujundamist. Ökonomeetria
uurimisobjektideks on nii mikromajandustasand (nt ettevõtte või inimese käitumine) kui
ka makromajandustasand (nt tööpuuduse ja inflatsiooni prognoosimine). Majandusteadusest saab ökonomeetria teoreetilised seosed, matemaatiliste meetodite
abil teoreetilised seosed esitatakse ja lahendatakse analüütiliselt, statistiliste meetodite
abil ning olemasolevatele andmetele toetudes hinnatakse neid seoseid kvantitatiivselt.
Ökonomeetria peamiseks erinevuseks statistilisest analüüsist on tuginemine
majandusteooriale. Majandusteooria loob võimaluse eristada majanduses põhjust ja
tagajärge ning identifitseerida samaaegselt toimivad protsesse, näiteks nõudlust ja
pakkumist.

Põllumajandusstatistika näitajate süsteem. Al.1990 peab teadma, mis on põllum.nii taime-kui loomakasv. toimunud.
Põllumajandusstatistika näitajate süsteem.Enamik ökonomeetrias kasutatavaid arvandmeid on hangitud statistikaorganite poolt.Kogutud info võimaldab anda hinnangut Eesti põllumajanduse mineviku ja hetkeolukorra kohta ning prognoosida põllumajanduse võimalusi tulevikus.Mistahes statistilist näitajat iseloomustavad järgmised tunnused:
1. Statistilisel näitajal on olemas nii kvantitatiivne kui ka kvalitatiivne
külg (mistahes näitaja omab arvulist väärtust ja vastavat mõõtühikut),
2. Statistiline näitaja on oma olemuselt üldistav näitaja,
3. On ajalooliselt konkreetne (näitajal on olemas nii aja kui koha koordinaadid),
4. On oma olemuselt olulised karakteristikud (tunnused).
Näitajaid võib süstematiseerida vägagi erinevate tunnuste alusel:
Esiteks:Tootmisharude järgi:
1. Taimekasvatust iseloomustavad näitajada) teraviljakasvatust iseloomustavad näitajadb) kartulikasvatust iseloomustavad näitajadc) heinakasvatust iseloomustavad näitajadd) linakasvatust iseloomustavad näitajad jne.2.Loomakasvatust iseloomustavad näitajad:a) veisekasvatust iseloomustavad näitajad
b) sekasvatust iseloomustavad näitajadc) linnukasvatust iseloomustavad näitajad jne.
Teiseks:Näitajate süstematiseerimine nende osavõtu järgi tootmisprotsessis:
1. Tootmisressursside olemasolu ja nende kasutamist iseloomustavad näitajad
a) põllumajandusliku maa olemasolu, maa kvaliteedi ja maa kasutamist iseloomustavad b) tööjõu olemasolu, tööjõu kvaliteedi ja tööjõu kasutamist iseloomustavad näitajad c) hoonete ja masinate olemasolu, hoonete ja masinate kvaliteedi ja nende kasutamist iseloomustavad näitajadd) Ilmastikku iseloomustavad näitajad2. Tootmistulemusi iseloomustavad näitajad a) tootmise mahtu iseloomustavad näitajad b) tootmise struktuuri iseloomustavad näitajad
c) tootmise intensiivsust iseloomustavad näitajadd) tootmise efektiivsust iseloomustavad näitajad e) toodangu kvaliteeti iseloomustavad näitajad
3. Toodangu realiseerimist (turustamist) iseloomustavad näitajad:
a) naturaalsed näitajad b) rahalised näitajad
4. Põllumajandusettevõtte majanduslikku tegevust iseloomustavad näitajad:
a) kogutoodangut iseloomustavad näitajad b) sissetulekuid iseloomustavad näitajad
c) tootmiskulusid iseloomustavad näitajadd) ettevõtte maksustamist iseloomustavad näitajad

Maastatistika ülesanded. Maade kasut. isel. näitajad. Maafondi dünaamika.
maa liigitatakse pm kasut. otstarbe järgi järgmisteks kõlvikuteks 1.põllumajandusmaa (põllumaa, viljapuu- ja marjaaiad, looduslik rohumaa ); 2.mittepõllumajandusmaa. Maa kui ressurss on alati piiratud, sest maismaa ja riikide territooriumid on konstantsed. Põllumajandusmaa vähenemise peamiseks põhjuseks on asjaolu, et asulate ja linnade territooriumid suurenevad põllumajandusmaa arvelt. Maa kvaliteedi näitajaks on muldade kvaliteet. Seega omab maa erinevat põllumajanduslikku väärtust. Järelikult maa kvaliteeti iseloomustavaks näitajaks on põllumaa hind. Maa hind võib sõltuda territoriaalsest asukohast (linnade, asulate lähedal maa kallim). Eestis kasutatakse maa kvaliteeti iseloomustava näitaja – hindepunktide väljatöötamisel on lähtutud mulla looduslikust viljakusest. Hindepunkti algväärtust on korrigeeritud vastavalt maadel tehtud kultuurtehnilistele töödele. Eesti põllumaa keskmine hindepunkt on ligikaudu 43 palli. Parimatel maadel ulatub ca 60 ning halvematel ca 25 punkti. 1998.a. põllumajanduslik
maa vähenes 17 tuhande ha võrra ja vastavalt sama suuruse võrra suurenes
muu maa. Põllumajanduslik maa vähenes nii põllumaa, vilja- ja marjaaedade
ja loodusliku rohumaa arvel. Maa kui ressurss on alati piiratud, sest maismaa
ja riikide territooriumid on konstantsed. Kui mingi maade arvestuskategooria
suureneb, siis teine arvestuskategooria peab vähenema.
Alates 1990.a. loetakse põllumaa
hulka ka kultuurkarjamaa ja kultuurheinamaa.

Külvipindade statistika ülesanded. Külvipindade dünaamika.
Esimeseks tingimuseks taimekasvatustoodangu saamiseks maa olemasolu, selle harimine ja seemnete külvamine. Kasvupinna suurus on kõige olulisemaks teguriks, millest sõltub taimekasvatustoodangu maht. Külvipindade kohta peetakse arvestust kultuuride ja rühmade lõikes. Eesti statistika peab kasvupindade eraldi arvestust talude, elanike majapidamiste ja ettevõtete lõikes.
Statistiliste näitajate dünaamika all mõistetakse vastavate näitajate muutumist aja jooksul. Näitajate dünaamika analüüsi eesmärgiks on: a) anda hinnang näitaja kujunemisele analüüsitava perioodi kestel; b) välja selgitada need põhjused, mis on oluliselt mõjutanud analüüsitava näitaja kujunemist; c) prognoosida analüüsitava näitaja kujunemist lähemas või kaugemas tulevikus. Dünaamika analüüs peab andma vastuse küsimustele: Kes me oleme? Kust me tuleme? Kuhu me läheme? Kokkuvõtvalt võib märkida järgmist:
1.Kogu kasvupind vähenes 1960.-ndaks aastaks seetõttu, et osa ennesõjaaegsete
talude väikesi põllulappe langes põllumajanduslikust tootmisest välja, võsastus
ja võeti hiljem metsana arvele. Kasvupinna vähenemine 1990.-ndatel aastatel
on tingitud kogu põllumajanduse allakäigust. 250 tuhat ha põllumaad on praegu
söötis. 2.Enne sõda oli teravilja kasvupind ja teravilja kasvupinna osakaal suurim.
Viimastel aastatel on teravilja kasvupind ja teravilja kasvupinna osakaal
hakanud suurenema. 3.Kartuli kasvupind on pidevalt vähenenud.
4.Lina kasvupind on kõige rohkem vähenenud -; peaaegu 260 korda.
5.Muude kultuuride kasvupind on suurenenud ligikaudu 8 korda.

Kogusaaki ja saagikust isel. näitajad. Põhinäitajate dünaamika.
Kogusaak ja saagikus on kõige tähtsamad taimekasvatust iseloomustavad statistilised näitajad. Eristatakse 4 erinevat kategooriat: 1) kogusaagikuse ja saagikuse prognoos määratakse kindlaks kevadel peale kultuuride tärkamist. Valik-vaatlustega hinnatakse tärganud kultuuride tihedust ja võrsumist ning selle alusel prognoositakse saagikus ja kogusaak; 2)bioloogiline kogusaak ja saagikus määratakse kindlaks valikvaatluste teel vahetult enne koristamise algust. Bioloogiline kogusaak ja saagikus on kogusaagi ja saagikuse potentsiaalne max; 3)kogusaak ja saagikus esialgses kaalus määratakse kindlaks koristuse käigus. See iseloomustab koristuse käigus tehtud tööde mahtu; 4)kogusaak ja saagikus aidakaalus on kogusaagikuse ja saagikuse põhiliseks näitajaks. Neid kasutatakse kogu maailmas. Sellist kogust saame müüa söödaks ja seemneks kasutad jne. Kogusaagi ja saagikuse näitajate kui taimekasvatuse kõige olulisemate näitajate dünaamika analüüsile pööratakse suurt tähelepanu. Kogusaagikuse ja saagikuse dünaamikat. iseloomustavad näitavad teravilja kogusaagikust kokku, taliteravilja kogusaagikust, suviteravilja kogusaagikust, kartuli. kogusaagikust, lina kogusaagikust ja mitmeaastasese heina kogusaagikust. Dünaamika analüüsi eesmärk on: a) anda hinnang analüüsitava näitaja kujunemisele analüüsitava perioodi kestel; b) välja selgitada need põhjused, mis on oluliselt mõjutanud analüüsitava näitaja kujunemist; c) prognoosida analüüsitava näitaja kujunemist lähemas või kaugemas tulevikus.

Kogusaagi ja saagikuse ökonomeetriline analüüs (sõltumatud muutujad, mudeli parameetrite hindamine, tulemuste analüüs).
Mudelite koostamisel on aluseks teoreetilised seisukohad nii taimekasvatuse,
tootmise korralduse kui ka põllumajanduse ökonoomika valdkonnast. Saagikusest
rääkides mõistame me selle all statistikaameti poolt kogutud ja avaldatud
näitajat. Saagikust mõjutavad nii bioloogilised kui ka majanduslikud tegurid
(põhjused). Saagikust mõjutavaid põhjusi (tegureid) võib käsitleda oma olemuselt kvalitatiivses laadis: mulla looduslik viljakus, mullaharimiskultuur, väetamine, ilmastik, tootmistingimused, tootmise maht jne. Enamikul juhtudel kvalitatiivseid põhjusi saab iseloomustada ühe või mitme arvnäitajaga (kvantitatiivse teguriga ), seejuures igal arvnäitajal on alati mõõtühik. Ökonomeetrilises mudelis on
kasutatavad ainult arvnäitajad.
Saagikust mõjutavad tegurid (sõltumatud muutujad) võib jaotada oma olemuselt nelja rühma:
1)otseselt saagikust mõjutavad tegurid: a) mulla looduslik viljakus; b) väetamise tase; c) seemnete kvaliteet; d) tootmistehnoloogia; e) ilmastik;
2)teravilja tootmise tagapõhja näitajad- aasta, toodangu müük 1 ha kohta; 3)tootmismahtu iseloomustavad näitajad- kasvupind, saak. Suuremate tootmismahtude korral on põllumajandusmasinate kasutamine efektiivsem; 4)spetsialiseerumise taset iseloomustavad näitajad- Suurema spetsialiseerumise korral on tootmine efektiivsem.
Parameetrite hindamine –
Tulemuste analüüs –

Loomade arvu iseloomustavad näitajad. Loomade arvu dünaamika.
Loomade olemasolu on esmaseks tingimuseks loomakasvatustoodangu saamiseks.
Loomade arv on kõige olulisemaks teguriks, millest sõltub loomakasvatustoodangu maht. Loomade arvu kohta peetakse arvestust looma liikide ja vanusrühmade lõikes. Eesti statistika peab loomade arvu kohta eraldi arvestust talude,
elanike majapidamiste ja ettevõtete lõikes
Loomade arvu statistilist arvestust peetakse 2 erineva näitaja abil: 1. loomade arv teatud kuupäeva seisuga- tavaline inventuuri näitaja. Selle näitaja alusel ei saa anda hinnangut tootmispotentsiaali kohta. Loomade arv aasta kestel pidevalt muutub – loomi sünnib juurde, viiakse eri vanuserühma, tapamajja jne. Nimetatud näitaja peamine eelis seisneb selles, et seda on lihtne hankida; 2.aasta keskmine loomade arv on põhiline loomakasvatuse tootmispotentsiaali näitaja, 2 metoodikat: a) kronoloogiline keskmine on vähem täpne ja seda kasutatakse vähemväärtuslike loomade aasta keskmise arvu leidmiseks (linnud, vasikad , sead jne), suurema väärtusega loomade (lehmad, hobused , pullid jne) aasta keskmine arv leitakse söötmispäevade alusel. Kõikide loomade söötmispäevad liidetakse ja saadud summa jagatakse 365. Kui mingi loom on terve aasta karjas olnud, siis arvestuslik söötmispäevade arv on 365. Kui loom läheb aasta keskel karjast välja või tuleb juurde, siis lähevad arvesse karjas oldud päevade arvud. Sisuliselt on siin tegemist kaalutud aritmeetilise keskmisega, kusjuures iga looma kaaluks on karjas oldud päevade arv. Loomade arvu dünaamikat iseloomustavad näitajad: 1.peale sõda vähenes veiste arv võrreldes sõjaeelsega oluliselt. 1990 a oli Eestis 757,8 tuhat veist. Turu puudumise tõttu põllumajandus toodangu jaoks on nende arv pidevalt vähenenud. 2.lehmade arvu dünaamika on sarnane veistega. Suurim oli lehmade arv 75a. 90-tel on lehmade a. pidevalt vähenenud. 3.sigade arv on muutunud suuremates piirides. 79a. ületas sigade arv miljoni piiri, suurim oli sigade arv 1983a. 1999a. oli sigade arv väiksem kui enne sõda. 4. lammaste arv on pidevalt vähenenud ja moodustas 1999a. alla 10% e. sõjaaegsest tasemest. 5.hobuste arv on veelgi kiiremini vähenenud. 1999a. moodustas hobuste arv ennesõjaaegsest 1,9%. 6.lindude arv kasvas kiiresti ja ületas 1980a. 6miljoni piiri, edasi ei kasvanud. Viimasel 2 a. lindude arv on natuke tõusnud.

Loomakasvatustoodangut iseloomustavad näitajad (toodangu mahu ja intensiivsusnäitajad). Põhinäitajate dünaamika.
Loomakasvatuse kogutoodangu statistilise arvestuse korral võib eristada
kolme erinevat kogutoodangu arvestuse viisi: a) kogutoodang naturaalsetes ühikutes (tonnides, tükkkides jne.) on kõige põhilisem loomakasvatuse kogutoodangut iseloomustav näitaja; b) kogutoodang rahalises vääringus – võimaldab ühe arvuga iseloomustada kogu loomakasvatuse kogutoodangut; c) kogutoodang nn. valgu-rasvaühikutes – kogu tarbitav loomakasvatuse toodang teisendatakse valgu-rasvaühikutele. Iga konkreetne tooteliik sisaldab teatava koguse valku ja rasva. Need kogused summeeritakse ja saadakse kogutoodang nn valgu-rasvaühikutes.
Loomakasvatusekogutoodangu ja produktiivsuse dünaamika näitajad:
1. Liha kogutoodang sõltub eelkõige realiseeritud loomade arvust. Liha kogutoodangust moodustab põhilise osa sealiha . Juba 1960.a. ületas liha kogutoodang ennesõjaaegse taseme. 1983.a. ületas liha kogutoodang 200 tuhande tonni piiri ja edaspisi oluliselt ei suurenenud.2. Veiseliha kogutoodang sõltub eelkõige veiste arvust. Koos veiste arvu suurenemisega on suurenenud ka veiseliha kogutoodang. Aasatel 1997 -;1999 liha kogutoodang stabiliseerus 19 tuhande tonni tasemel, kuid oli väiksem kui enne sõda.3. Suurim oli sealiha kogutoodang 1987.a. 127,2 tuhat tonni, ületades ennesõjaeelset taset 3,1 korda. Aastatel 1996.. 1998 sealiha kogutoodang stabiliseerus 30 tuhande tonni tasemel, kuid oli väiksem kui enne sõda.4. Lambaliha toodeti enne sõda küllaltki palju. Seoses lammaste arvu pideva vähenemisega on vähenenud ka lambaliha kogutoodang. Aastatel 1996 .. 1999
stabiliseerus lambaliha kogutoodang 0,5 tuhande tonni tasemel, moodustades
ainult 7,7% sõjaeelsest tasemest.5. Linnuliha kogutoodang saavutas sõjaeelse taseme alles 1960.a. 1989.a.-; 25,4 tuhat tonni oli linnuliha kogutoodangu maksimaalne tase, ületades ennesõjaeelset 14,1 korda. Aastatel 1996 .. 1997 linnuliha kogutoodang stabiliseerus 4,4, tuhande tonni tasemel. Linnuliha on ainus lihaliik, mille kogutoodang käesoleval ajal ületab sõjaeelset taset.6. Piima kogutoodang oleneb otseselt lehmade arvust ja produktiivsusest. Suurim oli piima kogutoodang 1987.a., ületades ennesõjaeelset taset 1,65 korda. Aastatel 1995 -; 1998 piima kogutoodang stabiliseerus 700 tuhande tonni tasemel, kuid oli väiksem kui enne sõda.
7. Munade kogutoodang sõltub eelkõige kanade arvust ja produktiivsusest.
Aastatel 1995 -; 1999 munade kogutoodang stabiliseerus 300 miljoni
muna tasemel, moodustades rekordaastast 50% ning ületades sõjaeelset taset
2,2 korda.8. Villa kogutoodang sõltub eelkõige lammaste arvust. Kuna lammaste arv
pidevalt vähenes, siis pidevalt on vähenenud ka villa kogutoodang.
9. Piima produktiivsus. Üle 4000 kg lehma kohta aastas oli piima produktiivsus
kuni 1991.aastani. Edaspidi piima produktiivsus langes saavutades miinimumi
1993.aasdtal ( 3322 kg lehma kohta aastas) ja seejärel hakkas uuesti tõusma,
saavutades kõigi aegade rekordtaseme 1998.a. -; 4456 kg lehma kohta
aastas.10. Munatoodang ühe kana kohta on üks stabiilsemaid näitajaid.1998.a. kõige
suurem munatoodang ühe kana kohta aastas -; 298 muna kana kohta aastas.
Kokkuvõtvalt võib märkida, et loomakasvatuse kogutoodangu näitajad välja
arvatud linnuliha ja munade kogutoodang on käesolevaks ajaks langenud madalamale
tasemele kui vastavad näitajad olid enne sõda. Parem on olukord produktiivsusnäitajate osas. Siin on kõrgemad näitajad just analüüsitava perioodi viimasel aastal.

Loomakasvatuse ökonomeetriline analüüs (sõltumatud muutujad, mudeli parameetrite hindamine, tulemuste analüüs
Piima produktiivsuse ökonomeetrilise mudeli koostamisel tuleb arvestada
seda, et piima produktiivsust mõjutavad nii bioloogilised kui ka majanduslikud
tegurid.
Piima produktiivsust mõjutavad tegurid võib jagada 4 rühma:
1)otseselt mõjutavad tegurid:
a) söötmistaset iseloomustavad näitajad (söötasid kokku söötühikutes
ühe lehma kohta, jõusööta ühe lehma kohta, koresööta ühe lehma kohta, haljassööta
ühe lehma kohta jne.); b) lehmade geneetilist potentsiaali iseloomustavad näitajad ( eliit, rekordeliit, mustakirju tõugu lehmade osakaal karjas, punast tõugu lehmade osakaal karjas jne.); c) pidamistingimusi iseloomustavad näitajad; d) organisatsioonilised meetmed, on teada, et talvekuudel poeginud lehmade
produktiivsus on sama söötmistaseme korral kõrgem kui suvekuudel poeginud
lehmadel. Produktiivsust mõjutab õigeaegne seemendamine ja lehmade kinnijätmine.
2) piimatootmise tagapõhja näitajad - hindepunkt, toodangu müük 1 ha kohta.
3)tootmismahtu iseloomustavad näitajad- aasta keskmine lehmade arv.
4)spetsialiseerumise taset iseloomustavad näitajad - piimatootmise osakaal loomakasvatuse toodangust. Arvandmete kasutamisel tuleb silmas pidada seda, et enamik statistikaameti poolt kogutud näitajad on oma olemuselt tootmismahu näitajad, olenemata sellest mis on vastava näitaja nimeks.

Rahvastiku statistika. Rahva arvu ja rahvastiku taastootmist iseloomustavate näitajate dünaamika.
Rahvastiku statistika ülesandeks on määrata kindlaks rahvaarv soo ja vanuserühmade lõikes, määrata kindlaks rahvastiku territoriaalne paiknemine ; analüüsida elanikkonna soolist ja vanuselist struktuuri ja rahvastiku koosseisu; analüüsida rahvastiku taastootmist; analüüsida rahvastiku liikumist ( migratsiooni ). Rahvaarvu statistilist arvestust peetakse 2 erineva näitaja abil: 1.rahvaarv 1.jaan. seisuga; 2.aasta keskmine rahvaarv. Rahvaarv 1.jaan. seisuga kujuneb välja vastavate jooksvate registreerimisandmete kokkuvõtete tulemusena. Aastata keskmine rahvaarv on elanike arvu aasta alguse ja lõpu poolsumma. Rahvaarvu muutumise iseloomustamiseks kasutatakse erinevaid näitajaid: sündimuskordajad - üldine sündimuskordaja arvutatakse järgmiselt: aasta jooksul sünnitatud
laste arv jagatakse aastakeskmise rahvaarvuga ja korrutatakse 1000-ga.Sündimuse
vanuskordajad arvutatakse kas vanusaasta või viieaastase vanusrühma kohta.
Antud vanuses naiste poolt sünnitatud laste arv jagatakse samas vanuses olevate
naiste arvuga ja korrutatakse 1000-ga. Nii saadakse sündide arv vaadeldava
vanusrühma 1000 naise kohta. Summaarne sündimuskordaja arvutatakse sel teel,
et aasta jooksul sünnitatud laste arv jagatakse viljakas eas olevate naiste
arvuga ja tulemus väljendatakse promillides; suremuskordaja - üldine suremuskordaja-aasta jooksul surnute arv jagatakse aastakeskmise rahvaarvuga ja korrutatakse 1000-ga.
Suremuse vanuskordajad arvutatakse kas vanusaasta või viieaastase vanusrühma
kohta. Antud vanuses surmajuhtude arv jagatakse samas vanuses olevate inimeste
arvuga ja korrutatakse 1000-ga. Nii saadakse surmajuhtude arv vaadeldava
vanusrühma 1000 inimese kohta; loomuliku iibe kasv - loomuliku iibe kordaja kujutab endast üldise sündimuskordaja ja üldise suremuskordaja vahet; sisserände kasv - sisserände kordaja - aasta jooksul sisse rännanute arv jagatakse aastakeskmise rahvaarvuga ja korrutatakse 1000-ga; väljarände kasv - väljarände kordaja - aasta jooksul väljarännanute arv jagatakse aasta keskmise rahvaarvuga ja korrutatakse 1000-ga; rände saldo - sisserände kordaja ja väljarände kordaja vahe. Võrreldes aastaid 1939..98 võib märgata, et kõige suurem sündide arv Eestis oli aastatel 1986-89. Igal aastal sündis üle 24000 lapse. Seejärel see arv järsult vähenes. Surmajuhtumite arv oli suhteliselt väike, seejärel hakkas pidevalt suurenema, saavutades 1994 a. maksimumi. Sündimusekordaja on hakanud alates 1989 aastast oluliselt vähenema. Loomuliku iibe kordaja oli kuni 1989 aastani positiivne, hiljem muutus negatiivseks. Keskmine eluiga peale sõda suurenes ja saavutas kõrgeima taseme 1989 a. Seejärel hakkas vähenema. Eesti meeste keskmine eluiga on olnud kogu aeg väiksem kui naistel.

Makromajanduslikud ökonomeetrilised mudelid (olemus; kasutamine):

Kleini mudelid;
NAIRU (Non-Accelerating-Inflation Rate of Unemployment) mudelid;
HERMES (Harmonized Econometric Research for Modelling Economic Systems) mudelid;
üleminekumajanduse makromajanduslikud mudelid;
Eestis koostatud makromajanduslikud mudelid.
Eesti piimandussektori makro-ökonomeetriline mudel.
Eesti taimekasvatussektori makro-ökonomeetriline mudel;
Eesti lihasektori makro-ökonomeetriline mudel.

Makromajanduslikke ökonoomilisi mudeleid kasutatakse makromajanduses protsesside analüüsimiseks ja prognoosimiseks ning riigi makromajanduspoliitika .kvantitatiivseks hindamiseks. A) Kleini mudelid- Kleini peamine mudel koosneb 3 struktuursest võrrandist e. käitumisvõrrandist ja 3 makromajanduslikku tasakaalu kirjeldavast samasusest e. seosevõrrandist Struktuursed võrrandid on tarbimisvõrrand, investeeringute võrrand ja erasektori palgavõrrand. Seosevõrrand: rahvatulu jaguneb tarbimiseks, investeeringuteks, valitsemiskuludeks. Kleini sõdadevaelised mudelid on saanud kõrge hinnangu eelkõige kui metodoloogilist ja pedagoogilist tähtsust omavad mudelid. B) Ratsionaalsete ootuste mudel selle all mõistetakse eriliigilisi ökonomeetrilisi mudeleid. Koostamisel eeldatakse, et modelleerimise subjektid käituvad ratsionaalselt, st nad võtavad vastu otsuseid, mis on neile kasulikud. Seejuures ratsionaalne käitumine tähendab ka seda et inimesed ei korda enam varem tehtud vigu. Käsutada olev info peaks sisaldama: a) teavet valitsuse poolt juba vastu võetud poliitiliste otsuste kohta; b) teavet sellest, kuidas valitsuse struktuurüksuste otsused muutuvad siis, kui maj. indikaatorid hakkavad muu-tuma. Teatud ootused on maj-ke otsuste tegemisel üheks oluliseks tingimuseks. C)NAIRU ( inflatsioon mittemõjutav töötuse tase) mudelid. Eesmärgiks on hinnata selline tööpuuduse tase, mis veel ei põhjusta inflatsiooni kasvu. See mudel on rakendamist leidnud eeskätt Euroopas, kus üha kasvav tööpuudus on muutunud probleemiks. D)HERMES mudeli eesmärgiks oli koordineerida rahvusvaheliste mudelite süsteemi väljatöötamist selliselt , et iga riik saaks arvestada oma eripära ning samaaegselt mudelid oleksid integreeritavad ühtsesse mudelite süsteemi. Projekti tulemuseks oli ka ühtsetele metoodilistele alustele ja usaldusväärsele tagasisidele baseeruva rahvusvahelise infosüsteemi loomine. E) Eestis koostatakse makromajanduslikud mudelid (Eesti Panga versioon ) välja töötatud mudel on suunatud makromajandusliku tasakaalu hindamisele. Mudeli põhiversioon sisal. 430 muutujat ja koosneb 8 plokist : 1.elanikkond ja tööjõud; 2.SKP; 3. import ; 4. eksport ; 5. maksebilanss ; 6.võlavajadus; 7.teenindatavad võlad; 8.võlgade teenindamise näitajad. Mudeli rakendamist takistab 2 asja: 1.mudeli parameetrite hindamiseks puuduvad usaldusväärsed arvandmed; 2.mudeli aluseks olevad teoreetilised seisukohad on mitteküllaldaselt läbi töötatud ja põhjendatud. Mudeli väljatöötamisel on parameetrite hindamisel on kasutatakse kvartali andmeid. See mudel modelleerib väikest avatud majandust, mille majanduspoliitika põhijooned tulenevad suures osas 1992.a. sõlmitud kokkulepetest Rahvusvahelise Valuutafondi ja Maailma-pangaga. Rahandusministeeriumi mudelid on eelkõige suunatud majanduspoliitika simuleerimisele ja majanduspoliitiliste otsuste võimalike alternatiivvariantide hindamisele.
Eesti piimandussektori makroökonomeetriline mudel -
Eesti taimekasvatussektori makroökonomeetriline mudel -
Eesti lihasektori makroökonomeetriline mudel -

Makro-ökonoomiliste mudelite parameetrite leidmine

kaheastmeline vähimruutude meetod;
kolmeastmeline vähimruutude meetod

Kaheastmeline vähimruutude meetod – mudeli parameetrid leitakse võrrandite kaupa, st kõigepealt leitakse ühe võrrandi parameetrid, seejärel teise võrrandi parameetrid jne. Kaheastmelise vähimruutude meetod seisneb selles, et esimeses astmes leitakse käitumisvõrrandite parameetrid tavalise vähimruutude meetodi abil. Seejuures sõltumatute muutujatena osalevad ainult eksogeensed muutujad ning sõltumatute muutujatena võib kasutada ka lisamuutujaid, mis ökonomeetrilises mudelis ei osale. Sel teel saadud võrrandite järgi arvutatakse arvutuslikud või teoreetilised endogeensete muutujate väärtused. Saadud väärtused ei ole enam sõltuvuses juhusliku liidetava väärtusega. Kaheastmelise vähimruutude meetodi teises astmes leitakse ökonomeetrilise mudeli parameetrid, kusjuures võrrandite parema poole endogeensed muutujad asendatakse võrrandite abil arvutatud arvutuslike väärtustega. Võrrandite parameetrite leidmiseks kasutatakse tavalist vähimruutude meetodit.
Kolmeastmeline vähimruutude meetod – see meetod võimaldab ühe korraga hinnata kõiki makromajandusliku mudeli parameetreid ning on osutunud teatud tingimustel efektiivsemaks kaheastmelisest vähimruutude meetodist. Kolmeastmelise vähimruutude meetodi kasutamisel eeldatakse, et mudeli parameetrid on juba hinnatud kaheastmelise vähimruutude meetodist. Sel viisil leitud parameetrite alusel arvutatakse kõigi võrrandite regressioonijäägid. Antud meetodi kasutamine on põhjendatud ainult sel juhul, kui erinevate võrrandite regressioonijäägid on omavahelises sõltuvuses. Kolmeastmelise vähimruutude meetodi praktilisel kasutamisel peab silmas pidama järgmisi asjaolusid:
seosevõrrandid ( samasused ) tuleb enne kolmandat astet mudelist kõrvaldada;
kui aga regressioonijääkide korrelatsioonimaatriksi üksikud blokid kujutavad endast diagonaalmaatriksit, siis kolmeastmelise vähimruutude meetodit on otstarbekas kasutada eraldi nende blokkide lõikes. Meetodi kasutamine on õigustatud siis, kui kõigi võrrandite regressioonijäägid on omavahel korreleeritud.

Simulatsioonil baseeruvad ökonomeetrilised mudelid. Näide taoliste mudelite koostamisest .
Need on mudelid, mille lähteandmed ei ole statistikaameti poolt hangitud vaid on arvutuslikud suurused. Selliseid ökonomeetrilisi mudeleid nim simulatsioonil baseeruvateks mudeliteks. N: sealiha arvutusliku omahinna mudeli koosamine. Selleks tuleb välja selgitada kulutused sealiha tootmiseks. Peamised kululiigid: söödakulu (Ks); soetamiskulu (Kp); farmikulu (Kf). Ks mõjutavad tegurid: jõusööda maksumus kj; põr-sa ostumass Mp; realiseerimismass Mr. -> Ks võib vaadelda nende 3 teguri fun-na. Ks= f(kj, Mp, Mr). Nüüd tuleb fun-le anda konkr. kuju. Selleks valime ruut-fun.Ys=b0+b1*xp+b2*xr+ b3*xj+b4*xp2+b5*xr2+b6*xj2+b7*xp*xr+b8*x*xj+b9*
xr xj (reg.võr). Nüüd on vaja leida bi. Selleks tuleb teha matemaatiline eksperiment andes ette x väärtused. Koost . katseplaani maatriks. Vähimruutude meetodi alusel leitakse bi. Farmikulude arvutamiseks on vaja teada: arvutuslik aeg vajaliku juurdekasvu saamiseks pi- päevades; arvutuslik söötmis-päevade arv kogu nuuma-perioodi kestel P-päeva; farmikulud päevas kf– kr. Kf=P*kf. Kuna P sõltub Mp ja Mr, siis Kf=f(kf, Mp, Mr). Tuleb koostada sama reg.võr. nagu Ks leidmisel. Bi leitakse sama moodi. Reg.võr. saab uue kuju. Soetamiskulud (Kp)- ostumass (Mp); 1kg hind (hp). Kp=Mp*hp. Seega on kindlaks määratud sealiha tootmisega seotud kulud ja omahinna mudel on: O(Mp,Mr, kj, kf, hp) = (Ks (Mp,Mr,kj9+Kf(Mp,Mr,kf) + Mp*hp)/Mr. Seda valemit on tülikas kasut. ja koost. sama mudeli eeldusel, et on tegemist 5 sõltumatust muutujast sõltuva ruutfun.: y=a0+a1*xp+a2*xr+ a3*xj+ a4*xf+a5*xh+a6*xp2+a7* xr2+a8*xj2+a9*xf2+ a10* xh2+ a11*xp xr+ a12xp*xj+ a13*xpxf+a14xp*xh+ a15* xr*xj+…fun. parameetrid (ai) leitakse eelpool nim. metoodika alusel. Saadud kululiigi asendatakse võrrandisse ja saadakse arvest. omahind . Kokkuvõtet ökonomeetriliste mudelite parameetrite alusel on võimalik hinnata ühe või teise sõltumatu muutuja puhasmõju sõltuvale muutujale; sõltuva muutuja väärtuste simuleerimine on otstarbekas sellistel juhtudel, kui sõltuva muutuja väärtust on võimalik üsna täpselt simuleerida ning selle väärtuse kalkuleerimine igal üksik-juhul osutub väga töö-mahukaks; saadud öko. m (reg.võr.) 1asjalik analüüs võib anda uut infot modelleeritava keerulise nähtuse kohta.

Simulatsioonil baseeruvad ökonomeetriliste mudelite analüüs.
Mittelineaarse ökonomeetrilise mudeli peamiseks puuduseks on võrrandi vähene ülevaatlikkus. Sisuliste järelduste tegemiseks on toodud regressioonvõrrandit vaja spetsiaalselt analüüsida. Peamise küsimused, millele peaks analüüs vastuse andma on lk. 61 konspektis.
EKSAMI VARIANT
1.Reg.analüüsi peamiste komponentide meetodil. Olemus, kasutamise või- malusi .Meetodi olemus- esialgsed sõltumatud muu-tujad X1,X2,Xn teisen-datakse lin-ste teisenduste abil tinglikeks suurusteks e. komponentideks.Kõigepealt leitakse esimene kompo-nent K1. Leidmisel on lisa-tingimusteks eeldus, et selle komponendi varieeruvus on max. Siis leitakse K2,K3 jne lisatingimuseks on 1)K2,K3 on eelmistega risti; 2)K2, K3, Kn varieeruvus on max.Peamiste K kasut-l on probleemiks edaspidisel analüüsil kasut-v K arv. Analüüsi tegija peab otsus- tama mitut K ta edaspidi kasutab.
2.ratsionaalsete ootuste mudelid,olemus,kasutamine.Selle mudeli koost-l eel-datakse, et modelleerimise subjektid võtavad vastu otsuseid, mis on neile kasu-likud s.t nad valdavad otsus-te vastuvõtmisel kogu infot selle valdkonna kohta, mille kohta võetakse vastu otsus. Kasutatav info peaks sisald: teavet valitsuse poolt juba vastu võetud poliitiliste otsuste kohta; teave, kuidas valitsuse strateegilised otsu-sed muutuvad siis, kui maj. indikaatorid hakkavad muu-tuma. Kuna rats. ootused eeldavad, et inimesed otsus-te vastuvõtmisel lähtuvad nende käsutuses olevast in-fost ning käituvad kõige rats. siis nimetatud eelduste kohaselt kättesaadav info hulk oluliselt mõjutab nende käitumist. Traditsiooniliste makromaj. mudelite korral seda asjaolu aga ei arvesta.
3.Milliseid järeldusi saab teha sellest, kui mitut kor-relatiivset sõltuvust isel. determ. kordaja on R2=0,21. Determ.kordaja puhul lähtutakse varieeru-vuste võrdlemisest. Det. kordaja näitab mitu % üldisest varieeruvusest sel- gitab reg.võr. 100% ideaal-ne. Det.kordaja ei ole seotud konkreetse mudeliga ja seda saab kasut. mistahes reg. mudeli korral; det.kordaja puhul ei saa teha olulisi sisulisi järeldusi. Erinevat tüüpi arvandmete puhul tuleks det.kordaja arvväär-tusse suhtuda erinevalt. Antud ül-s isel. det.kordaja reg.võrrandi poolt tingitud vähest varieeruvust võrrel-des üldise varieeruvusega.
4. Kuidas hinnata statis-tiliste näitajate statistilist ühtsust (oluliste kõrvale-kaldumiste puudumist andmetes). Ei võimalda avada kogu arvandmetes sisalduvat infot. 5.Millise kriteeriumi abil hinna-takse faktorite olulisust disper.analüüsil. F-kriteer.
6.Piima tootmist isel. põhi-lised faktorid. 1)otseselt produktiivsust mõjut. tegu-rid (söötmise tase, ühe või teise tõu osakaal karjas, pidamistingimused, lehma-de poegimisaeg a-ta keskel); 2)piimatootmise tagapõhja üldised tootmistingimused (kogutoodang 1 ha põllumaa kohta); 3)tootmismaht (a-ta keskmine lehmade arv, pii-ma kogutoodang jne.); 4)spetsialiseerumise tase (loomakasv-se osakaal kogu ev-e müügimahus). 6a. Saagikust mõjut. tegurid. 1)otseselt saagikust mõjut. tegurid (mulla looduslik viljakus, väetamise tase, seemnete kvaliteet, tootmis- tehnoloogia , ilmastik); 2)te-ravilja tootmise tagapõhja e. üldisi tootmistingimusi isel. näitajad (kogutoodang 1 ha põllumaa kohta, toodangu müük 1 ha kohta jne); 3)tootmismahtu isel.näitajad (kogusaak, kasvupind); 4)spetsialiseerumise taset isel.näitajad (tk-se osakaal kogu ev-te müügimahust, teravilja kasvupinna osakaal külvipinnast). 7.Põhilised tk-se intensiivsust isel. näitajad. Maa hindepunkt, a-ta, spetsialiseerumine, kasvupind (ha), kasvupinna osakaal kogukasvupinnast %-na, orgaaniline väetis tonnides ha kohta, lämmas-tikväetis tonnides ha kohta, fosfor ja kaaliumväetis, tk-s saaduste müügi osakaal kogumüügist %-na.
8.Millised on külvipindade statistikas kasut-d põhi-lised arvestuse kate-gooriad. seemendatud pind, külvipind, kasvupind, koris -tuspind, tegelikult koristatud pind 8a. Millised on kogu-saagi ja saagikuse stat. kasut-d põhilised arves -tuse kategooriad?*kogu-saak ja saagikuse prognoos; *bioloogiline kogusaak ja saagikus; *kogusaak ja saa-gikuse esialgses kaalus; *kogusaak ja saagikus aida-kaalus. 8b. Millised on loomade arvu stat. kasut-d põhilised arvestuse kate-gooriad?*loomade arv tea-tud kuupäeva seisuga; *a. keskmine loomade arv
8c. Millised on looma-kasvatuse kogutoodangu stat. kasutatavad põhilised arvestuse kategooriad?
*kogutoodang naturaalsetes ühikutes;*kogut. rahalises vääringus;*kogut. nn. valgu –rasvaühikutes.8d. Millised on rahvaarvu stat. kasut. põhilised arvestuse kate-gooriad?*rahvaarv 1.jaa-nuari seisuga; *aasta keskmine rahvaarv. 9.Mida isel. MLKS determ. kor-daja. (MLKS-lineaarne mitmene korrelatiivne sõltu-vus). 10. MLKS reg. võr- randi kordaja ai=-0,05.
miinusmärk reg.kordaja ees tähendab vähenemist.st 1 kg teatud elemendi lisamisel väheneb näiteks saagikus 0,05 kg-i. 13. Argumen -diks on teravilja saagikus (kg/ha). Funk -ks on töö-kulu 1ts teravilja kohta (tundi/kg). Mis juhtub funkt-ga, kui argument suureneb 150 ühiku võrra?
X = kg/ha; Y = tund/kg; kg/ha =tund/kg; kg/ha= tund/kg V: tund/ha + 150
R Square -näit. võrrandite hajuvust (mida suurem seda rohkem hajub ~parem); Standard Error -(jääkstan-dardhälve) näit. võrrandite usaldatavust (mida väiksem seda parem); F-krit.-näit. võrrandi usaldusväärsust (F>3, aga üle 10 läheb suureks.T-stat- t-krit. näit. üksikute näit. usaldatavust. On usaldusväärsem, kui, t>2,ükskõik kas+ või-. P- value - α-krit. näit. üksikute näitajate usaldatavust (α

.DOC Laadi alla originaalfail 14 lk · .doc · 276 allalaadimist

50 punkti Autor soovib selle materjali allalaadimise eest saada 50 punkti.

~ 14 lehte Lehekülgede arv dokumendis

2010-01-26 Kuupäev, millal dokument üles laeti

276 laadimist Kokku alla laetud

6 arvamust Teiste kasutajate poolt lisatud kommentaarid

Margen Jürgens Õppematerjali autor

Ökonomeetria küsimused ja vastused

majandus praktika ökonomeetria küsimused vastused multikoll neaarsus analüüs

Sarnased õppematerjalid

doc

Ökonomeetria eksam

majandusüksuste(ettevõtete, talude, maakondade jne.) majandustegevust iseloomustavatest näitajatest. Kõik vaatlustulemused iseloomustavad ühte ja sama ajahetke või ajavahemikku.Aegread,mis iseloomustavad ühe ja sama majandusüksuse tegevust teatud perioodi kestel. Aegrida moodustavad näitajad kujutavast endast makromajanduslikke näitajaid( sisemajanduse koguprodukt, tarbijahinna indeks). Enamik ökonomeetrias kasutatavaid arvandmeid on hangitud statistikaorganite poolt, seega ökonomeetria vaatleb majandusprotsesse passiivselt. Ökonomeetrilise analüüsi põhialuseks on majandusteooria järeldused antud probleemi kohta. Ökonomeetriliseks mudeliks nim-teoreetiliste seisukohtade kogumit, mida me konkreetses analüüsis kasutame.Kokkuvõtvalt võib märkida järgmist: a)Ökonomeetrilises analüüsis ja ökonomeetrilise mudeli koostamisel vundamendiks on majandusteooria (majandusteooriast tulenevad järeldused, seisukohad)

Ökonomeetria

docx

Ökonomeetria kordamisküsimused

1. Ökonomeetria mõiste ja ülesanded. Ökonomeetria komponendid. MÕISTE: Ökonomeetria on teadus ja kunst kasutada statistilisi tehnikaid ja majandusteooriaid majanduslike andmete analüüsimisel. ÜLESANDED: 1) Majanduslike nähtuste vaheliste seoste kvantitatiivne kirjeldamine 2) Majandusteoreetiliste hüpoteeside kontrollimine 3) Majandusnäitajate ja majandusarengu prognoosimine KOMPONENDID: · Majandusteooria · Andmed · Statistilised ja matemaatilised meetodid 2. Ökonomeetrilise mudeli olemus, mudeli komponendid. Ökonomeetrilise modelleerimise etapid. MUDELI OLEMUS: · Mudel on lihtsustatud ettekujutus reaalsest objektist, protsessist või nähtusest · Mudel on tegelikkuse abstraktsioon, üldistus · Mudel peab peegeldama ainult olulist, jätma teatud probleemi käsitlemisel kõrvale mitteolulise ÖKONOMEETRILISE MUDELI OLEMUS: Ökonomeetriline mudel on matemaatilise mudeli eriliik, mis koosneb üldjuhul algebralistest võrrandit

Ökonomeetria

pdf

loeng1

ÖKONOMEETRIA TES0040 Rühmad TAAB 31, 32, TABB 54, 55 IABB 51, 52, 53 (valikaine) Ako Sauga Õppejõu kontaktandmed • Statistika ja ökonomeetria dotsent Ako Sauga • E-post [email protected] • Koduleht www.sauga.pri.ee • Ruum SOC-480 Loengukava • Sissejuhatus (programm, hindamismeetodid, õppematerjalid). • Ökonomeetria mõiste, ökonomeetriline mudel. • Hinnangud ja nende omadused. • Hüpoteeside kontrollimine. Kursuse teemad 1. Sissejuhatus. 2. Harilik lineaarne regressioonmudel. 3. Mitmene regressioonmudel I. 4. Mitmene regressioonmudel II. 5. Mudeli omaduste parandamine. 6

Kategoriseerimata

doc

PIIMA TOOTMINE 2000 AASTAL

EESTI PÕLLUMAJANDUSÜLIKOOL Majandus- ja sotsiaalteaduskond Informaatika instituut PIIMA TOOTMINE 2000 AASTAL Kursusetöö aines Ökonomeetria Koostajad: Sille Kasvandik Maris Lees Juhendaja: J. Roots Tartu 2004 SISUKORD PIIMA TOOTMINE 2000 AASTAL.....................................................1 SISUKORD...................................................................................................................2 SISSEJUHATUS.......................................................................................................... 2 1. ÜLDINE STATISTILINE ANALÜÜS....................................................................4 1.1. Sisuline valitud muutujate analüüs.................................................................... 4 1.2. Põhiliste

Ökonomeetria

doc

Ökonomeetria mõisted

Ökonomeetria mõisted 1. Autokorrelatsioon ja heteroskedastatiivsus võivad mudelis olla kahel põhjusel: 1) mudeli spetsifikatsioon on vale. Mudelist on välja jäetud mõned olulised muutujad ja/või mudeli funktsionaalne kuju on vale. Mudel tuleb ümber vaadata. 2) Tavalise vähimruutude meetodi rakendamise protseduur võib anda standardhälvete nihkega hinnangud. Tuleb kasutada uusi lähenemisi mudeli parameetrite hindamiseks. Autokorrelatsiooni testitakse aegridade puhul. Kui juhuslikud vead korreleeruvad omavahel, siis on olemas autokorrelatsioon. Kui autok. Esineb, tuleb mudel ümber vaadata, tuleb muuta spetsifikatsiooni. 2. Asümptootilised hinnangud kui juhuslike vigade normaaljaotuse eeldus ei ole täidetud, siis usalduspiirid on asümptootilised. Nad on täpsed siis, kui valimi maht on lõpmatu; lõpliku valimi mahu korral usalduspiirid on ligikaudsed.

Majandus

pdf

ÖKONOMEETRIA loegn 1

Õppejõu kontaktandmed · Statistika ja ökonomeetria dotsent Ako Sauga ÖKONOMEETRIA · E-post [email protected] · Koduleht www.sauga.pri.ee TES0040 Bakalaureuseõpe TAAB 31, 32, 33, 51, 52 · Ruum SOC-480 MEM5220 Magistriõpe, TARM12 · Vastuvõtuajad (vajalik eelnev registreerimine õppejõu kodulehel):

Ökonomeetria

pdf

Gretl juhend 2016

Gretl - Gnu Regression, Econometrics and Time Series Library Gretl on avatud koodil põhinev vabavara, mida võib legaalselt installeerida oma kodusesse arvutisse või sülearvutisse. Programmi koduleht http://gretl.sourceforge.net/ TÖÖ PROGRAMMIGA Gretl Käivitada programm – avaneb menüü 1. Andmete importimine – File → Open data → Import → nimi.xlsx. Selleks et oleks võimalik andmetabelit Gretl-isse importida tuleb tabel eelnevalt sobivale kujule viia: a) kontrollida, et Exceli tabeli esimeses reas oleksid muutujate nimed (ei peaks sisaldama täpitähti) ning teisest reast alates andmed. sulgeda Exceli fail; b) avada programm Gretl; c) valida File/Open data/Import/Excel d) otsida Exceli fail (muuta Files of type) e) valida, mitmendast veerust ja reast importimist alustatakse f) näidatakse töölehtede , muutujate ja vaatlustulemuste arv g)

Infoharidus

docx

Ökonomeetria kontrolltöö kordamisküsimused 2020

Ökonomeetria KT kordamisküsimused 1. Ökonomeetrilise mudeli komponendid. ● Modelleeritavad näitajad: endogeenselt (sisemiselt) määratud ehk sõltuvad muutujad (Y). Väärtused määratakse mudeli siseselt ● Modelleeritavat nähtust mõjutavad näitajad: eksogeenselt (väliselt) määratud ehk sõltumatud, seletavad muutujad (X). Väärtused määratakse mudeli väliselt. ● Statistiliste meetoditega hinnatavad mudeli parameetrid (b). ● Juhuslik komponent ehk vealiige (u). 2. Andmetüübid. Ökonomeetriline mudel baseerub arvandmetel: ● Ristandmed (cross-sectional) ● Aegread (time series) ● Paneelandmed (panel data) Andmed saavad olla kas ● Kvalitatiivsed (ei saa mõõta arvudega, nt haridustase) ● Kvantitatiivsed (mõõdetakse arvudega, nt vanus) 3. Valimvaatlused ja parameetri hinnangu mõiste. ● Uuritav objekt on üldkogum ● Andmebaas on üldjuhul valim Järeldusi soovime teha üldkogumi kohta, selleks kasuta

Ökonomeetria

Rohkem sarnaseid