- •Специальность менеджмент
- •Тема 1. Спецификация эконометрической модели.
- •Определение эконометрики
- •Пример решения эконометрической задачи
- •Спецификация эконометрической модели
- •Тема 2. Отбор факторов, включаемых в модель множественной регрессии.
- •2.2. Мультиколлинеарность
- •2.3. Методы включения факторов в модель
- •4. Если коэффициент корреляции равен 0, то это означает, что между х и у нет линейной зависимости, но может быть нелинейная зависимость.
- •5. Корреляционным полем называется график совместного распределения х и у.
- •2.4. Метод шагового включения
- •3.1. Определение фиктивной переменной
- •3.2. Определение модели с переменной структурой
- •Тема 3. Фиктивные переменные.
- •3.3. Область использования фиктивной переменной
- •3.4.Пример использования фиктивной переменной
- •2. Отрицательное значение r(X,y) означает, что при увеличении х наблюдается тенденция уменьшения у,
- •Тема 3. Фиктивные переменные.
- •3.4. Пример использования фиктивной переменной
- •Тема 4.Линейное уравнение множественной регрессии .
- •4.1. Общий вид уравнения множественной регрессии
- •4.3. Экономическая интерпретация коэффициентов линейного уравнения
- •4.4. Примеры экономической интерпретации коэффициентов линейного уравнения
- •Тема 5. Оценка параметров линейных уравнений регрессии
- •Тема 6. Предпосылки мнк, методы их проверки
- •6.1. Предпосылки мнк
- •6.2. Проверка первой, второй предпосылок мнк
- •6.3. Проверка третьей, четвертой предпосылок мнк
- •6.4. Проверка пятой предпосылки мнк
- •Тема 7. Свойства оценок параметров эконометрической модели, получаемых при помощи мнк
- •Тема 8. Обобщенный метод наименьших квадратов (омнк)
- •8.2. Анализ третьей и четвертой предпосылок мнк
- •8.3. Использование омнк при гетероскедастичных остатках
- •8.4. Использование омнк при наличии автокорреляции остатков
- •Тема 9. Оценка тесноты связи
- •9.4.2. Ложная корреляция временных рядов
- •Тема 9. Оценка тесноты связи
- •9.2. Свойства коэффициента корреляции
- •2. Отрицательное значение r(X,y) означает, что при увеличении X наблюдается тенденция уменьшения y,
- •4. Если коэффициент корреляции равен 0, то это означает, что между х и у нет линейной зависимости, но может быть нелинейная зависимость.
- •5. Корреляционным полем называется график совместного распределения х и у.
- •9.3. Предпосылки коэффициента корреляции
- •9.4. Виды ложной корреляции
- •9.5. Проверка статистической значимости коэффициента корреляции
- •Тема 10. Оценка качества подбора уравнения
- •10.1. Перечень показателей качества модели
- •10.2. Ошибка модели, выраженная в процентах, вычисляется по формуле:
- •10.3. Дисперсионный анализ регрессионной модели
- •Тема 11. Проверка статистической значимости эконометрической модели
- •Тема 12. Оценка значимости параметров эконометрической модели
- •12.1. Проверка статистической значимости параметров эконометрической модели
- •Шаг 3. Вычисляются фактические значения критерия Стьюдента
- •12.2. Прогнозирование
- •12.3. Доверительный интервал функции регрессии.
- •Тема 13. Нелинейные зависимости в экономике
- •Тема 14. Виды нелинейных уравнений регрессии
- •14.1Ограничения применения мнк
- •14.2Линейная относительно коэффициентов, переменных аддитивная модель
- •14.3Классификация нелинейных моделей
- •14.4Нелинейные модели, которые являются внутренне линейными
- •Тема 15. Линеаризация нелинейных моделей регрессии
- •15.4. Метод обращения и разложения в ряд Тейлора
- •Тема 16. Оценка качества нелинейных уравнений регрессии
- •Тема 17. Временные ряды данных: характеристики и общие понятия Определение временного ряда
- •Основные свойства экономического временного ряда
- •1). Текущее состояние экономической системы зависит от прошлых, настоящих и будущих значений переменных этой системы, влияет на будущие значения и не влияет на прошлые значения см. Рис.
- •Статистические характеристики временного ряда
- •Периодограмма
- •Тема 18. Структура временного ряда Структура временного ряда
- •Сезонная составляющая
- •Циклическая составляющая
- •Тема 19. Аддитивная и мультипликативная модели временных рядов Два вида моделей временных рядов
- •Правила выбора моделей временных рядов
- •Этапы построения модели временного ряда
- •Примеры построения моделей временных рядов
- •Тема 20. Модели стационарных и нестационарных временных рядов и их идентификация
- •20.1.Определение строго стационарных временных рядов
- •20.2.Проверка стационарности временных рядов
- •20.3.Модели стационарных временных рядов
- •1) Модели авторегрессии;
- •2) Модели скользящего среднего;
- •3) Модели авторегрессии и скользящего среднего.
- •2) |Φ|‹1 – условие, обеспечивающее обратимость смешанной модели.
- •20.4. Модели нестационарных временных рядов
- •Если линейная модель
- •Эконометристами были предложены несколько методов определения
- •- Вычисляются остатки модели
- •Тема 21. Общие понятия о системах уравнений, используемых в эконометрике Определение эндогенных переменных.
- •Тема 22. Классификация систем уравнений
- •Тема 23. Идентификация систем эконометрических уравнений
- •Тема 24. Методы оценки параметров систем одновременных уравнений: косвенный метод наименьших квадратов (кмнк) и двухшаговый метод наименьших квадратов (дмнк)
- •1) На основе структурной формы системы одновременных уравнений составляется её приведённая форма, все параметры которой выражены через структурные коэффициенты;
- •2) Приведённые коэффициенты каждого уравнения оцениваются обычным методом наименьших квадратов с помощью функции линейн;
- •3) На основе оценок приведённых коэффициентов системы одновременных уравнений определяются оценки структурных коэффициентов через приведённые уравнения.
- •Двухшаговый метод наименьших квадратов Расчет коэффициентов модели
- •На первом шаге устраняется зависимость у2t от еt с помощью уравнения приведенной системы одновременных уравнений
4.3. Экономическая интерпретация коэффициентов линейного уравнения
Аддитивная двухфакторная линейная модель:
Уi = а0 + а1 Х1i + а2 Х2i + еi = Урi+еi.
У – зависимая переменная;
Ур – расчетные значения У;
Х1, Х2 – независимые переменные, факторы;
ei – остатки модели;
а0 – свободный коэффициент (свободный член уравнения), который равен численному значению Ур, при условии, что численные значения факторов Х1 и Х2 равны нулю;
Д
исперсия
- свойство переменной Х, которая
вычисляется делением вариации на ее
число степеней свободы по формуле:
Дисперсионный анализ регрессионной модели состоит в разложении вариации зависимой переменной на вариации уравнения регрессии и остатков
Множественный коэффициент корреляции.
Критерия Фишера
4.4. Примеры экономической интерпретации коэффициентов линейного уравнения
Пример 1.
Получено уравнение
Ур = а0+а1Х1,
где У – товарооборот,
Х1 – численность продавцов,
а1 означает, насколько увеличится товарооборот при изменении числа продавцов на единицу или среднюю производительность работы продавцов.
Пример 2.
Получено уравнение
Ур = а0+а1Х1,
где У – вес продукции, кг.
Х1 – длина продукции, метр,
а1 означает вес одного метра продукции или насколько увеличится вес продукции при изменении длины продукции на единицу.
Пример 3.
Получено уравнение
Ур = а0+а1Х1,
где У – товарооборот за месяц,
Х1 – месяцы,
а1 означает размер товарооборота или насколько увеличится товарооборот при изменении на один месяц или месячный товарооборот.
Тема 5. Оценка параметров линейных уравнений регрессии
Постановка задачи метода наименьших квадратов:
необходимо определить такие значения коэффициентов а0 и а1, при которых сумма квадратов остатков
ei = Уi – (а0 + а1*Хi)
регрессионной модели
Уi = а0 + а1*Хi + ei
будет минимальной.
Изучим метод наименьших квадратов на конкретном примере.
Имеются численные значения двух показателей: количество продавцов и розничного товарооборота по четырем выборочным однородным филиалам одной фирмы.
I |
Xi |
Yi |
1 |
1 |
4 |
2 |
3 |
6 |
3 |
2 |
7 |
4 |
4 |
10 |
5 |
5 |
? |
Где i - номер филиала фирмы,
Х - количество продавцов (чел.),
У - величина розничного товарооборота (тыс. руб.).
Необходимо определить такие оптимальные значения коэффициентов а0 и а1 регрессионной модели Уi = а0 + а1Хi + ei, при которых сумма квадратов остатков будет минимальной ∑еi2 -> min.
Тема 6. Предпосылки мнк, методы их проверки
6.1. Предпосылки мнк
1 – остатки являются случайными величинами;
2 - средняя величина остатков равна нулю, остатки не зависят от Х;
3 – остатки являются гомоскедастичными (однородными) — дисперсии остатков являются одинаковыми для всех интервалов значений Х;
4 - отсутствие автокорреляции остатков или отсутствие связи остатков между собой;
5 – остатки подчиняются нормальному закону распределения.
