- •1. Назначение эконометрических моделей. Принципы их спецификации.
- •2. Типы переменных в эконометрических моделях.
- •3. Структурная форма спецификации эконометрических моделей.
- •4. Приведённая форма спецификации эконометрических моделей.
- •5. Взаимосвязь структурной и приведённой форм спецификации эконометрической модели.
- •6. Этапы построения эконометрических моделей.
- •7. Порядок оценивания линейной регрессионной модели из изолированного уравнения в Excel.
- •8. Смысл выходной статистической информации функции линейн.
- •10. Спецификация парной линейной регрессионной модели.
- •11. Предпосылки Гаусса-Маркова относительно случайного возмущения регрессионной модели.
- •9. Классификация регрессионных моделей.
- •12. Теорема Гаусса - Маркова.
- •13. Оценка параметров парной регрессионной модели методом наименьших квадратов (мнк) в координатной форме.
- •20. Проверка значимости оценок параметров линейной регрессионной модели.
- •21. Алгоритм проверки значимости оценок параметров линейной регрессионной модели в Excel.
- •22. Интервальная оценка ожидаемого значения зависимой переменной в парной регрессионной модели.
- •23. Интервальная оценка индивидуального значения зависимой переменной в парной регрессионной модели.
- •25. Коэффициент детерминации регрессионной модели.
- •26. Нецентрированный коэффициент детерминации регрессионной модели.
- •39. Алгоритм построения интервальной оценки значения зависимой переменной в множественной регрессионной модели в Excel.
- •40. Алгоритм проверки адекватности множественной регрессионной модели.
- •41. Скорректированный коэффициент детерминации в множественной регрессионной модели.
- •43. Спецификация регрессионной модели при наличии автокорреляции случайного возмущения.
- •44. Причины автокорреляции случайного возмущения.
- •45. Последствия автокорреляции случайного возмущения.
- •46. Алгоритм теста Дарбина-Уотсона на наличие (отсутствие) автокорреляции случайных возмущений.
- •47. Способы корректировки автокорреляции (авторегрессионные модели первого порядка).
- •48. Способы корректировки автокорреляции: алгоритм метода Кохрейна-Оркатта.
- •53. Способы корректировки гетероскедастичности. Метод взвешенных наименьших квадратов.
- •54. Способы корректировки гетероскедастичности. Доступный метод взвешенных наименьших квадратов.
- •55 Обобщенная регрессионная модель. Обобщенный метод наименьших квадратов.
- •56. Спецификация и оценивание мнк эконометрических моделей нелинейных по параметрам.
- •57. Примеры спецификаций регрессионных моделей нелинейных по параметрам.
- •58. Интерпретация параметров регрессионных моделей нелинейных по параметрам.
- •59. Способы включения случайных возмущений в спецификацию нелинейной по параметрам модели.
- •60. Спецификация и оценивание мнк эконометрических моделей нелинейных по переменным.
- •61. Примеры спецификаций регрессионных моделей нелинейных по переменным.
- •62. Интерпретация параметров регрессионных моделей нелинейных по переменным.
- •63. Проблема мультиколлинеарности в моделях множественной регрессии.
- •64. Признаки мультиколлинеарности.
- •65. Фиктивные переменные: определение, назначение, типы, смысл названий.
- •66. Фиктивная переменная сдвига: спецификация регрессионной модели с фиктивной переменной сдвига.
- •67. Экономический смысл параметра при фиктивной переменной сдвига.
- •68. Применение фиктивных переменных сдвига при исследовании сезонных колебаний: спецификация модели; проблема мультиколлинеарности.
- •69. Экономический смысл параметров при фиктивных переменных сдвига при исследовании сезонных колебаний.
- •70. Фиктивная переменная наклона: назначение; спецификация регрессионной модели с фиктивной переменной наклона.
- •71. Тест Чоу на наличие структурных изменений в регрессионной модели.
- •72. Оценка моделей с распределенными лагами с конечным числом лагов.
- •73. Оценка моделей с распределенными лагами с бесконечным числом лагов: метод геометрической прогрессии.
- •74. Оценка моделей с распределенными лагами с бесконечным числом лагов: метод Койка.
- •75. Проблемы оценки параметров регрессионных моделей с распределёнными лагами методом Койка
- •76. Оценка моделей с распределенными лагами: метод Алмон.
- •77. Тест Дарбина на наличие (отсутствие) автокорреляции вектора возмущений в авторегрессионных моделях.
- •78. Системы одновременных уравнений (соу): проблема оценивания структурных параметров.
- •79. Проблема идентификации системы одновременных уравнений соу.
- •80. Идентификация отдельных уравнений системы одновременных уравнений: порядковое условие.
- •81. Идентификация отдельных уравнений системы одновременных уравнений: ранговое условие.
- •82. Косвенный метод наименьших квадратов: алгоритм метода; условия применения.
- •83. Двухшаговый метод наименьших квадратов (дмнк): алгоритм метода; условия применения.
- •84. Корректировка оценки дисперсии возмущения при реализации алгоритма дмнк в Excel.
- •85. Корректировка оценок ско оценок параметров соу при реализации алгоритма дмнк в Excel.
69. Экономический смысл параметров при фиктивных переменных сдвига при исследовании сезонных колебаний.
Экономический смысл параметров при фиктивных переменных оценивается с помощью условного матожидания зависимой переменной.
Пример:
Дано: Yt – объём потребления некоторого продукта за месяц t
Потребление зависит от времени года
Необходимо: Выявить фактор сезонности при помощи фиктивных переменных
Решение:
Фиктивные переменные модели:
d t1 =
d t2 =
d t3=
d t2 =
Спецификация модели:
Взаимосвязь между фиктивными переменными:
dt1+dt2+dt3+dt4 = 1
Базовый (сравнительный период) – осень
Оцениваемая спецификация имеет следующий вид:
Yt=β0+β1dt1+β2dt2+β3dt3+εt
Осень E(Yt|dti=0, i=1,2,3) = β0
Зима E(Yt|dti=0, i=2,3) = β0+β1
Весна E(Yt|dti=0, i=1,3) = β0+β2
Лето E(Yt|dti=0, i=1,2) = β0+β3
Вывод: параметры при фиктивных переменных показывают средние сезонные отклонения в объеме потребления по отношению к осеннему (базовому) месяцу
Проверка нулевой гипотезы о несущественном изменении потребления товара по сравнению с осенью:
Оцененная спецификация:
Yt=
+
dt1+
dt2+
dt3+
(S
(
)
(
)
(
)
Если
<tкр
– нулевая гипотеза Н0: βi=0,
i=1,2,3
не отвергается
Н0 – нет различий в потреблении продукта в разные времена года
~ (α, n-k), где α - заданный уровень значимости , n-k - число степеней свободы из таблиц распределения Стьюдента
Критическое значение статистики Стьюдента можно определить в Excel, в категории "Статистические" при помощи функции "Стьюдраспобр" (Стьюдент.ОБР.2Х). Параметры функции: вероятность (уровень значимости ), число степеней свободы (для парной регрессии ).
70. Фиктивная переменная наклона: назначение; спецификация регрессионной модели с фиктивной переменной наклона.
Назначение: Фиктивные переменные наклона применяются, когда имеет место какая-либо структурная перестройка (влияние новых правовых ограничений, изменение политической ситуации). Фиктивная переменная наклона изменяет наклон линии регрессии.
Спецификация модели выглядит следующим образом:
Yt=β0+β1Xt+δdt Xt +εt,
β0, β1, δ – параметры модели;
Xt – значение регрессора;
dt
=
– бинарная переменная
Фиктивная переменная наклона входит в уравнение в мультипликативной форме.
График
Коэффициент наклона регрессионной модели
При t≤t0 - β2
При t>t0 - β2 + β3
Оцененная спецификация
Yt=
+
Xt+
Xt dt+εt
(S ) (S ) (S ) (s)
t-статистики
|
|
= |
|
Если | | < t кр, то нулевая гипотеза не отвергается и структурный сдвиг имеет несущественное влияние
~ (α, n-k), где α - заданный уровень значимости , n-k - число степеней свободы из таблиц распределения Стьюдента
Критическое значение статистики Стьюдента можно определить в Excel, в категории "Статистические" при помощи функции "Стьюдраспобр" (Стьюдент.ОБР.2Х). Параметры функции: вероятность (уровень значимости ), число степеней свободы (для парной регрессии ).
