Шпаргалка по " Экономическая теория"

 

11) Понятия  трансакционных издержек. Их виды и классификация

Трансакционные издержки — есть издержки, обеспечивающие переход прав собственности из одних рук в другие и охрану этих прав. Трансакционные издержки не связаны с самим процессом создания стоимости.

Структура трансакционных Издержек (ВИДЫ)

• издержки сбора и обработки информации; • издержки ведения переговоров и заключения контрактов; • издержки измерения; • издержки спецификации и защиты прав собственности; • издержки оппортунистического поведения (уклонение от   условий контракта с целью  получения прибыли за счет    партнеров − вымогательство, отлынивание)

Поль Р. Милгром и Джон Робертс предложили следующую классификацию трансакционных издержек. Они делят их на две категории — на издержки, связанные с координацией, и на издержки, связанные с мотивацией.

Координационные издержки:

• Издержки определения деталей контракта — обследование рынка с целью определить, что вообще можно купить на рынке.
• Издержки определения контрактов — изучение условий партнеров, которые поставляют нужные услуги или товары.
• Издержки непосредственной координации — необходимость создания структуры, в рамках которой осуществляется сведение сторон вместе.

Мотивационные издержки:

• Издержки, связанные с неполнотой информации. Ограниченность информации о рынке может привести к отказу от совершения трансакции (приобретения блага). Связано это с тем, что уровень неопределенности может стать настолько высоким, что люди предпочитают скорее отказаться от трансакции, чем тратить силы на получение дополнительной информации.
• Издержки, связанные с оппортунизмом. Данные издержки связаны с преодолением возможного оппортунистического поведения, с преодолением нечестности партнера по отношению к вам, и приводят к тому, что вы нанимаете надсмоторщика, либо пытаетесь найти и вложить в контракт какие-то дополнительные измерения эффективности вашего партнера.

12) Экономическое учение Дж. М. Кейнса и его последователей (ортодоксальное кейнсианство)

В современном кейнсианстве выделяется несколько течений, одним из которых, является ортодоксальное кейнсианство.

Данное направление считало себя главным хранителям концепции Дж. Кейнса. К ортодоксальным кейнсианцам можно отнести таких ученых как: Э. Хансен, Дж. Хикс, С. Харрис, П. Самуэльсоном.

Основополагающим аспектом данного направления кейнсианства стала, прежде всего инвестиционная теория цикла, составившая основу антициклического регулирования экономики. Данная теория ориентировалась на гибкое использование доходов и расходов бюджета под влиянием изменений конъюнктуры, налоговой системы, выплат по социальному страхованию. Ортодоксальные последователи, рассматривали кейнсианскую концепцию как теорию равновесия в условиях неполной занятости

Ортодоксальное кейнсианство включилось также в решение проблемы экономической динамики. В дальнейшем кейнсианская ортодоксия пошла по пути интеграции с неоклассической теорией, в результате чего появился неоклассический синтез.

Одним из его разработчиков стал Пол Самуэльсон, сформировавший модель смешанной экономики. Новая концепция основывалась на соединении кейнсианства с традиционными положениями неоклассицизма. Этот ортодоксальный вариант располагал инструментарием кейнсианской теории с бюджетными, финансово-кредитными методами, налоговыми государственного регулирования экономики, и был ориентирован на более строгий учет и широкое использование рыночных условий (динамика цен, конкуренция).В неоклассическом синтезе ортодоксальное кейнсианство играло не ведущую роль, т.к. доводилось до частного случая неоклассической теории, который в свою очередь рассматривался в качестве общей основы функционирования экономической системы.

К ортодоксальному кейнсианству относятся также некоторые экономисты старой кембриджской школы в Англии, которую в 70-х годах представляли М. Познер, Р. Кан. Их идеи основывались в первую очередь, на принятом кейнсианцами толковании природы. Причин нестабильности, экономики, а также роли государственного регулирования в ее преодолении.

Отличительной особенностью этой группы был анализ воспроизводительных процессов, которые рассматривались с учётом основных хозяйственных потоков, получавших реальные количественные оценки. Основываясь на инструментах бюджетной политики и методах регулирования валютного курса, сторонники старой кембриджской школы утверждали, что всё это одновременно способно обеспечить как достижение полной занятости, так и стабильности цен, а также дать равновесие платёжного баланса.

 

13) Сглаживание  рядов динамики скользящей средней. Экстраполяция и интерполяция.

Метод скользящей средней. Данный метод применяется для характеристики тенденции развития исследуемой статистической совокупности и основан на расчете средних уровней ряда за определенный период. Последовательность определения скользящей средней:

- устанавливается интервал сглаживания  или число входящих в него  уровней.  Если сглаживаются мелкие, беспорядочные колебания уровней в ряду динамики, то интервал (число скользящей средней) увеличивают. Если волны следует сохранить, число членов уменьшают.

- Исчисляют первый средний уровень  по арифметической простой:

y1 = Sy1/m, где

y1 – I-ый уровень ряда;

m – членность скользящей средней.

- первый уровень отбрасывают, а в исчисление средней включают уровень, следующий за последним уровнем, участвующем в первом расчете. Процесс продолжается до тех пор, пока в расчет y будет включен последний уровень исследуемого ряда динамики yn.

- по ряду динамики, построенному  из средних уровней, выявляют  общую тенденцию развития явления.

Отрицательной стороной использования метода скользящей средней является образование сдвигов в колебаниях уровней ряда, обусловленных «скольжением» интервалов укрупнения. Сглаживание с помощью скользящей средней может привести к появлению «обратных» колебаний, когда выпуклая «волна» заменяется на вогнутую.

Интерполяция– способ определения неизвестных промежуточных значений динамического ряда.

Интерполяция заключается по существу в приближенном отражении сложившейся закономерности внутри определенного отрезка времени – в отличие от экстраполяции, которая требует выхода за пределы этого отрезка времени.

Экстраполяция– метод определения количественных характеристик для совокупностей и явлений, не подвергшихся наблюдению, путем распространения на них результатов, полученных из наблюдения над аналогичными совокупностями за прошедшее время, на будущее и т. д.

 

14.Методология построения эконометрической  модели 

Весь процесс эконометрического моделирования можно разбить на шесть основных этапов.

1-й этап (постановочный) - определение конечных целей моделирования, набора участвующих в модели факторов и показателей, их роли;

2-й этап (априорный) - предмодельный анализ экономической сущности изучаемого явления, формирование и формализация априорной информации и исходных допущений, в частности относящейся к природе и генезису исходных статистических данных и случайных остаточных составляющих в виде ряда гипотез;

3-й этап (параметризация) - собственно моделирование, т.е. выбор общего вида модели, в том числе состава и формы входящих в неё связей между переменными;

4-й этап (информационный) - сбор необходимой статистической информации, т.е. регистрация значений участвующих в модели факторов и показателей;

5-й этап (идентификация модели) - статистический анализ модели и в первую очередь статистическое оценивание неизвестных параметров модели Непосредственно связан с проблемой идентифицируемостимодели, то есть ответа на вопрос «Возможно ли в принципе однозначно восстановить значения неизвестных параметров модели по имеющимся исходным данным в соответствии с решением, принятым на этапе параметризации?». После положительного ответа на этот вопрос необходимо решить проблему идентификации модели то есть предложить и реализовать математически корректную процедуру оценивания неизвестных параметров модели по имеющимся исходным данным;

6-й этап (верификация модели) — сопоставление реальных и модельных данных, проверка адекватности модели, оценка точности модельных данных.

 

 

15.Основные задачи прикладного  корреляционно-регрессионного анализа

Задачи корреляционно-регрессионного анализа:

1) выбор спецификации модели, т. е. формулировки вида модели, исходя из соответствующей теории связи между переменными;

2) из всех факторов, влияющих на результативный признак, необходимо выделить наиболее существенно влияющие факторы;

3) парная регрессия достаточна, если имеется доминирующий фактор, который и используется в качестве объясняющей переменной. Поэтому необходимо знать, какие остальные факторы предполагаются неизменными, так как в дальнейшем анализе их придется учесть в модели и от простой регрессии перейти к множественной;

4) исследовать, как изменение одного признака меняет вариацию другого.

Основными задачами корреляционного анализа являются оценка силы связи и проверка статистических гипотез о наличии и силе корреляционной связи. Не все факторы, влияющие на экономические процессы, являются случайными величинами, поэтому при анализе экономических явлений обычно рассматриваются связи между случайными и неслучайными величинами. Такие связи называются регрессионными, а метод математической статистики, их изучающий, называется регрессионным анализом.

Использование возможностей современной вычислительной техники, оснащенной пакетами программ машинной обработки статистической информации на ЭВМ, делает практически осуществимым оперативное решение задач изучения взаимосвязи показателей биржевых ставок методами корреляционно-регрессионного анализа.

При машинной обработке исходной информации на ЭВМ, оснащенных пакетами стандартных программ ведения анализов, вычисление параметров применяемых математических функций является быстро выполняемой счетной операцией.

 

16.Основные предпосылки метода  наим. квадратов, нарушения предпосылок и методы их преодоления

Свойства коэффициентов регрессии существенным образом зависят от свойств случайной составляющей. Для того чтобы регрессионный анализ, основанный на обычном методе наименьших квадратов, давал наилучшие из всех возможных результаты, должны выполняться следующие условия, известные как условия Гаусса – Маркова.

Первое условие. Математическое ожидание случайной составляющей в любом наблюдении должно быть равно нулю. Иногда случайная составляющая будет положительной, иногда отрицательной, но она не должна иметь систематического смещения ни в одном из двух возможных направлений.

Фактически если уравнение регрессии включает постоянный член, то обычно это условие выполняется автоматически, так как роль константы состоит в определении любой систематической тенденции  , которую не учитывают объясняющие переменные, включенные в уравнение регрессии.

Второе условие состоит в том, что модели (2) возмущение  (или зависимая переменная  ) есть величина случайная, а объясняющая переменная - величина неслучайная.

Если это условие выполнено, то теоретическая ковариация между независимой переменной и случайным членом равна нулю.

Третье условие предполагает отсутствие систематической связи между значениями случайной составляющейв любых двух наблюдениях. Например, если случайная составляющая велика и положительна в одном наблюдении, это не должно обусловливать систематическую тенденцию к тому, что она будет большой и положительной в следующем наблюдении. Случайные составляющие должны быть независимы друг от друга.

В силу того, что  , данное условие можно записать следующим образом:

Возмущения  не коррелированны (условие независимости случайных составляющих в различных наблюдениях).

Это условие означает, что отклонения регрессии (а значит, и сама зависимая переменная) не коррелируют. Условие некоррелируемости ограничительно, например, в случае временного ряда  . Тогда третье условиеозначает отсутствие автокорреляции ряда  .

Четвертое условие означает, что дисперсия случайной составляющей должна быть постоянна для всех наблюдений. Иногда случайная составляющая будет больше, иногда меньше, однако не должно быть априорной причины для того, чтобы она порождала большую ошибку в одних наблюдениях, чем в других.