- •26.Предпосылки метода мнк.
- •27. Гетероскедастичность – понятие, проявление и меры устранения.
- •28. Оценка гетероскедантичности с помощью метода Гольдфельда-Квадта.
- •29. Использование коэффициента корреляции рангов Спирмэна для проверки наличия гетероскедантичности в остатках.
- •30. Использование тестов Уайта, Парка, Глейзера при анализе гетероскедантичности в остатков.
- •31. Применение обобщенного мнк (омнк) для случая гетероскедантичности остатков.
- •32. Мультиколлинеарность факторов – понятие, проявление и меры устранения.
- •33. Специфика временного ряда как источника данных в эконометрическом моделировании.
- •35.Моделирование тенденции временных рядов.
- •34. Автокорреляция уровней временного ряда и ее последствия.
- •43.Прогнозирование на основе рядов динамики.
- •48.Виды переменных в системах взаимозависимых уравнений.
- •36.Оценивание параметров в уравнениях тренда.
- •37.Модели сезонности: аддитивная и мультипликативная.
- •38.Исключение тенденции на основе метода отклонений от тренда.
- •39.Исключение тенденции на основе метода последовательных разностей.
- •40.Исключение тенденции на основе включения в модель регрессии по временным рядам фактора времени.
- •41.Автокорреляция в остатках. Критерий Дарбина-Уотсона в оценке качества уравнений, построенных по временным рядам.
- •42.Обобщенный метода наименьших квадратов (омнк) при построении модели регрессии по временным рядам.
- •44.Общая характеристика моделей с распределенным лагом и моделей авторегрессии.
- •45.Интерпретация параметров моделей с распределенным лагом и моделей авторегрессии
- •46.Применение фиктивных переменных для моделирования сезонных колебаний
- •47.Общее понятие о системах уравнений, используемых в эконометрике.
- •49.Структурная и приведенная формы модели.
- •50.Проблема идентификации. Необходимое условие идентификации (порядковое или счетное правило).
- •51.Достаточное (ранговое) условие идентификации.
- •52.Косвенный метод наименьших квадратов для оценки параметров структурной формы модели.
- •53.Двухшаговый метод наименьших квадратов для оценки параметров структурной формы модели
- •54. Примененние систем эконометрических уравнений.
42.Обобщенный метода наименьших квадратов (омнк) при построении модели регрессии по временным рядам.
Если остатки по исходному уравнению регрессии содержат автокорреляцию, то для оценки параметров уравнения используют обобщенный МНК.
Снизить автокорреляцию в остатках можно с помощью ОМНК
1.Допустим построено уравнение для переменных
2.Остатки данного периода зависят от остатков предыдущего периода
3.Vt- остатки в уравнении остатков. С- свободный член уравнения превращается в ноль.
4.
5.
6.
Текущий уровень ряда зависит не только от факторного признака х, но и от остатков предыдущего периода. При обычном МНК – оценки будут неэффективными, приведут к увеличению стандартной ошибки, широким доверительным интервалам=> t-критерий покажет низкие значения.
Исключим а/к в остатках:
7.
8.Умножим обе части уравнения на коэф. а/к в остатках:
9.Вычтем полученной уравнение из 1-го уравнения:
10.
11.
От а* можно перейти к параметру а.
Алгоритм:
1.Перейти от исходных переменных уt и хt к переменным у*t и х*t
2.Применив обычный МНК к уравнению и определить оценки пара-
метров а* и b.
3.Рассчитать параметр а = а*/1-re
4. Переход к исходному уравнению
Чтобы получить значения переменных для t=1, используют поправку Прайса-Винстена:
44.Общая характеристика моделей с распределенным лагом и моделей авторегрессии.
Эконометрическая модель называется динамической, если в данный момент времени t она учитывает значения входящих в нее переменных, относящиеся как к текущему, так и к предыдущим моментам времени.
При исследовании экономических процессов нередко приходится моделировать ситуации, когда значение результативного признака в текущий момент времени t формируется под воздействием ряда факторов, действовавших в прошлые моменты времени t – 1, t – 2, ..., t – k.
Величину k или l, характеризующую запаздывание в воздействии фактора на результат, называют в эконометрике лагом, а временные ряды самих факторных переменных, сдвинутые на один или более моментов времени, – лаговыми переменными.
1. модели с лаговыми объясняющими переменными или иначе модели с распределенными лагами (модели содержащие лаговые значения факторных переменных)
2.модели с лаговыми зависимыми переменными – модели авторегрессии ( модели содержащие в качестве факторов лаговые значения зависимых переменных)
3.модели с лаговыми зависимыми и независимыми переменными, т. е. авторегрессионные модели с распределенными лагами
Построение моделей с распределенным лагом и моделей авторегрессии имеет свою специфику. 1. оценка параметров моделей авторегрессии, а в большинстве случаев и моделей с распределенным лагом не может быть произведена с помощью обычного МНК ввиду нарушения его предпосылок и требует специальных статистических методов. 2. исследователям приходится решать проблемы выбора оптимальной величины лага и определения его структуры. 3. между моделями с распределенным лагом и моделями авторегрессии существует определенная взаимосвязь, и в некоторых случаях необходимо осуществлять переход от одного типа моделей к другому.