- •Автокорреляция случайного возмущения. Причины. Последствия.
- •Автокорреляция уровней временного ряда и ее последствия.
- •Автокорреляция. Методы устранения автокорреляции.
- •Алгоритм проверки адекватности парной регрессионной модели.
- •Алгоритм проверки значимости регрессора в парной регрессионной модели.
- •Алгоритм теста Голдфелда-Квандта на наличие (отсутствие) гетероскедастичности случайных возмущений.
- •Выбор типа математической функции при построении уравнения регрессии
- •Гетероск-сть случайного возмущения. Причины. Последствия. Тест gq.
- •Выведите формулы вычисления параметров модели парной регрессии
- •Гетероскедастичность - понятие, проявление и меры устранения
- •Двухшаговый метод наименьших квадратов для оценки параметров структурной формы модели
- •Индивидуальная и интервальная оценка индивидуального значения зависимой переменной
- •Интервальная оценка параметров уравнения парной регрессии
- •Классическая парная регрессионная модель. Спецификация модели. Теорема Гаусса – Маркова.
- •Ковариация, коэффициент корреляции и индекс детерминации
- •Количественные характеристики взаимосвязи пары случайных переменных.
- •Косвенный метод наименьших квадратов для оценки параметров структурной формы модели
- •Линейная модель множественной регрессии.
- •Метод Монте-Карло, его применение в эконометрике
- •Метод наименьших квадратов: алгоритм метода; условия применения. Обобщённый метод наименьших квадратов
- •Модели с бинарными фиктивными переменными.
- •Мультиколлинеарность факторов – понятие, проявление и меры устранения.
- •Методы устранения мультиколлинеарности
- •Назначение теста Голдфелда-Квандта, этапы его проведения
- •Нелинейная модель множественной регрессии Кобба-Дугласа. Оценка её коэффициентов.
- •Нелинейная регрессия (линеаризация, оценка параметров)
- •Ожидаемое значение случайной переменной, её дисперсия и среднее квадратическое отклонение.
- •Основные числовые характеристики вектора остатков в классической множественной регрессионной модели
- •Отражение в модели влияния неучтённых факторов и времени.
- •Оценивание параметров в ур-ниях тренда.
- •Оценка адекват-ти полученной эк модeли
- •Оценка коэффициентов модели Самуэльсона-Хикса
- •Оценка параметров множественной регрессионной модели методом наименьших квадратов.
- •Оценка параметров парной регрессионной модели методом наименьших квадратов.
- •Оценка параметров эконометрической модели
- •Оценка статистической значимости коэффициентов модели множественной регрессии
- •Подбор объясняющих переменных множественной линейной модели. Алгоритм исключения квазинеизменных переменных.
- •Подбор объясняющих переменных множественной линейной модели. Метод анализа матрицы коэффициентов корреляции.
- •Подбор переменных в модели множественной регрессии на основе метода оценки информационной ёмкости.
- •Понятие гомоск-сти и гетероск-сти случ-х возмущений, их графич интерпретация.
- •Порядок оценивания линейной модели множественной регрессии методом наименьших квадратов (мнк) в Excel
- •Последствия гетероскедастичности. Тест Голдфелда-Квандта.
- •Предпосылки метода наименьших квадратов
- •Применение обобщенного метода наименьших квадратов (омнк) для случая гетероскедастичности остатков.
- •Применение теста Стьюдента в процедуре подбора переменных в модели множественной регрессии.
- •Применение фиктивных переменных при исследовании сезонных колебаний: спецификация модели, экономический смысл параметров при фиктивных переменных.
- •Принципы спецификации эконометрических моделей и их формы.
- •Проблема мультиколлинеарности в моделях множественной регрессии. Признаки мультиколлинеарности
- •Проверка качества эконометрической модели
- •Прогнозирование экономических переменных. Проверка адекватности модели.
- •Простейшие модели временных рядов. Их свойства.
- •Регрессионные модели с фиктивными переменными.
- •Роль вектора и матрицы корреляции множественной линейной модели при подборе объясняющих переменных.
- •Свойства дисперсии случайной переменной
- •Случайные переменные и их характеристики.
- •Смысл и значение множественной регрессии в эконометрических исследованиях. Выбор формы уравнения множественной регрессии.
- •Составление спецификации модели временного ряда
- •Спецификация и оценивание мнк эконометрических моделей нелинейных по параметрам
- •Спецификация моделей со случайными возмущениями и преобразование их к системе нормальных уравнений.
- •Способы корректировки гетероскедастичности. Метод взвешенных наименьших квадратов.
- •Статистические свойства оценок параметров парной регрессионной модели.
- •Статистические характеристики выборки и генеральной совокупности статистических данных. Их соотношения.
- •Суть метода наименьших квадратов. Его графическое пояснение
- •Теорема Гаусса – Маркова.
- •Тест Дарбина – Уотсона, последовательность его выполнения.
- •Тест Стьюдента.
- •Типы переменных в эконометрических моделях. Структурная и приведённая формы спецификации эконометрических моделей.
- •Устранение автокорреляции в парной регрессии
- •Функция регрессии как оптимальный прогноз.
- •Цели и задачи эконометрики. Этапы процесса эконометрического моделирования. Классификация эконометрических моделей.
- •Эконометрика, её задача и метод
- •Эконометрическая инвестиционная модель Самуэльсона-Хикса.
- •Экспоненциальное сглаживание временного ряда.
- •Этапы исследования зависимостей между экономическими явлениями при помощи эконометрической модели. Принципы спецификации модели. Формы эконометрических моделей.
- •Структурная и приведенная формы модели системы эконометрических уравнений
- •Этапы построения эконометрических моделей.
Тест Дарбина – Уотсона, последовательность его выполнения.
Тест Дарбина - Уотсона позволяет проконтролировать некоррелированность случайных возмущений. Он предназначен для проверки предпосылки теоремы Гаусса – Маркова (H0: Cov (ui,uj) = 0 при j=i-1).
Последовательность действий:
По уравнениям наблюдений объекта следует вычислить МНК-оценки и оценки случайных остатков;
Вычислить величину DW = По формуле
вычисляетсяИз таблицы Дарбина и Уотсона следует выбрать две величины dl и du
Проверить, в какое из 5 множеств интервала (0;4) попала величина DW. Если значение статистики DW попало в интервал (dl ;du), то сделать определенный вывод не возможно. Если в интервале (du;2), то случайные возмущения не имеют автокорреляции. Если в интервале (0;dl), то случайные возмущения имеют положительную автокорреляцию. Если в интервале (4-dl;4), то случайные возмущения имеют отрицательную автокорреляцию.
Тест Стьюдента.
Для оценки статистической значимости коэффициентов регрессии и корреляции рассчитываются t-критерий Стьюдента и доверительные интервалы каждого из показателей.
Для оценки значимости коэффициента регрессии его величину сравнивают с его стандартной ошибкой, т.е. определяют фактическое значение t-критерия Стьюдента
где
m
b
– стандартная
ошибка параметра
,
где S
- остаточная дисперсия на одну степень
свободы
Данный критерий затем сравнивается с табличным значением при определенном уровне значимости α и числе степеней свободы (n-2). Этот же результат можно получить после извлечения корня из F-критерия, т.е. tb=√F. Аналогично для параметра а.
Фактическое значение t-критерия Стьюдента определяется как
Данная формула свидетельствует о том, что в парной линейной регрессии t2r=F. Кроме того t2b=F, следовательно, t2r= t2b. Таким образом проверка гипотез о значимости коэффициентов регрессии и корреляции равносильна проверке гипотезы о значимости линейного уравнения регрессии.
Типы переменных в эконометрических моделях. Структурная и приведённая формы спецификации эконометрических моделей.
По отношению к выбранной спецификации модели, все экономические переменные объекта подразделяются на два типа: эндогенные и экзогенные.
Экзогенные – экон-кие переменные, значения которых определяются вне данной модели.
Эндогенные – экон-ские переменные, значения которых определяются внутри данной модели.
Лаговые – переменные, датированные предыдущими моментами времени и находящиеся в ур-нии с текущ переменными.
Фиктивные - переменные, учитывающие в моделях влияние качественных факторов.
Замещающая - переменная, тесно коррелирующая с регрессором, который не поддается наблюдению.
Инструментальная - переменные, с помощью которых устраняется нарушение 4 предпосылки теоремы Гаусса-Маркова (устранить влияние корреляции случайных возмущений).
Предопределённые переменные – это экзогенные и лаговые.
Приведенная - форма спецификации эконометрической модели, в которой значения текущих эндогенных переменных всегда выражены в виде явных функций предопределенных переменных.
Структурная - форма спецификации эконометрической модели, полученная в результате математической формализации экономических закономерностей.
При помощи алгебраических преобразований модель от структурной формы может быть трансформирована к приведенной форме, где каждая эндогенная переменная представляется в виде явной функции только экзогенных переменных модели.
