- •Эконометрика как наука: предмет, цели, задачи.
- •Подготовка статистической базы эконометрического исследования.
- •3. Критерии и принципы эконометрики.
- •Этапы эконометрического моделирования.
- •Общее представление о детерминированных и стохастических процессах.
- •Понятие эконометрических моделей, классификация и типы.
- •Последовательность построения эконометрического моделирования. – вроде тоже, что и 4 вопрос.
- •Цели и задачи спецификации эконометрических моделей.
- •9 Методы отбора факторов эконометрических моделей.
- •10 Априорные и апостериорные подходы к отбору факторов.
- •Вопрос 13 Классификация регрессионных моделей.
- •Предпосылки метода наименьших квадратов.
- •Вопрос 15 Несмещённость, эффективность и состоятельность оценок параметров регрессии
- •Вопрос 16 Гомоскедастичность и гетероскедастичность остатков
- •17.Тестирование моделей на гетероскедастичность (тест Голдфелда-Квандта).
- •18.Автокорреляция остатков.
- •19.Обобщённый метод наименьших квадратов.
- •20.Взвешенный метод наименьших квадратов.
- •21.Характеристики статистической корректности эконометрических моделей.
- •22.Модель парной линейной регрессии.
- •23.Модель парной нелинейной регрессии.
- •24.Линеаризация уравнения регрессии и оценка результатов моделирования.
- •25. Линейная модель множественной регрессии
- •26. Частные уравнения регрессии.
- •27. Мультиколлинеарность переменных.
- •28. Методы определения и устранения мультиколлинеарности
- •29. Частная корреляция.
- •30. Оценка адекватности
- •31. Прогнозирование по линейному уравнению регрессии.
- •35.Методы определения параметров уравнения тренда.
- •39.Автокорреляция временного ряда.
- •40.Критерий Дарбина-Уотсона.
- •Методы исключения автокорреляции (отклонений от тренда, последовательных разностей, включения фактора времени).
- •Виды моделей систем эконометрических уравнений
- •Структурная и приведенная форма модели.
- •44. Проблема идентификации параметров структурных уравнений.
- •45.Необходимое и достаточное условие идентификации
- •46. Общие понятия о системах одновременных уравнений.
- •48.Косвенный метод наименьших квадратов
- •49.Двухшаговый метод наименьших квадратов
- •50. Трехшаговый мнк
- •51.Применение систем эконометрических уравнений.
- •52. Многомерная группировка. Кластерный анализ.
- •53 Методика проведения иерархического кластерного анализа
- •54 Модели производственной функции
- •55 Модели дискретного выбора. Бинарные модели
- •57. Модели причинного анализа.
57. Модели причинного анализа.
АНАЛИЗ ПРИЧИННЫЙ – методы моделирования причинных отношений между признаками с помощью систем статистич. уравнений, чаще всего регрессионных.
Причинные отношения исследуются исходя из трех аспектов: правильности отображения направленности влияний признаков и возможного осуществления двух целей – прогнозирования и объяснения, решаемых для каждого из уравнений системы, описывающей причинные отношения. Каждый из трех аспектов требует разъяснения, тщательной проработки с применением содержательных и формальных соображений. Указанное операциональное определение причинного отношения не затрагивает сложных философских проблем, связанных с понятием причинности. На основе А.п. возможно раскрытие внутреннего смысла корреляционных коэффициентов между признаками в тех случаях, когда такая коррелированность допускается предположениями, накладываемыми на регрессионные уравнения. Задачи определения прямых и косвенных связей между признаками, а также раскрытия различ. компонент в корреляционных коэффициентах, связанных с прямыми, косвенными и мнимыми связями, осуществляются с помощью разложения корреляционного коэффициента, называемого разложением Райта. А.п. призван заполнить вакуум между содержательными теориями, с одной стороны, и математич. методами анализа, с другой стороны, создавая аппарат для проверок гипотез о причинно-следственных связях между признаками на основе эмпирич. интерпретации.
Процесс построения модели А.п. состоит из следующих этапов:
-построения диаграммы связей между признаками и формульного представления статистич. отношений в виде систем уравнений. Путевая диаграмма отражает графически гипотетически предполагаемые причинные, направленные связи между признаками модели.
Качество модели А.п. или ее адекватность эмпирич. данным оценивается как степень совпадения коэффициентов корреляций, полученных по формуле Райта на основе рассчитанных параметров системы, с коэффициентами корреляций, вычисленными обычным путем по эмпирич. данным. Если коэффициенты, полученные по модели, хорошо воспроизводят эмпирич. коэффициенты, то можно говорить о соответствии теоретич. предположений о причинных влияниях реально существующим связям.