- •Адаптивные модели прогнозирования.
- •Алгоритм проверки адекватности множественной регрессионной модели (сущность этапов проверки, расчетные формулы, формулировка вывода).
- •Гетероскедастичность случайного возмущения (определение). Алгоритм теста Голдфелда-Квандта на наличие или отсутствие гетероскедастичности случайных возмущений в парной регрессионной модели .
- •Коэффициент детерминации в парной регрессионной модели: определение, расчетная формула, смысл компонентов формулы, смысл коэффициента детерминации.
- •Коэффициент детерминации как индикатор качества спецификации эконометрической модели .
- •Матричная форма метода наименьших квадратов: спецификация парной регрессионной модели в матричной форме.
- •Модели с бинарными фиктивными переменными.
- •Эконометрика: определение, задача, цель и метод. Назначение эконометрических моделей.
- •Теорема Гаусса-Маркова. Свойства оценок мнк (определения)
- •Тест Голдфелда-Квандта гомоскедастичности случайного возмущения в линейной модели множественной регрессии.
- •Интервальная оценка индивидуального значения зависимой переменной в парной регрессионной модели.
- •Использование фиктивных переменных для определения структурных изменений в экономике.
- •Линейная модель множественной регрессии. Порядок её оценивания методом наименьших квадратов в Excel. Смысл выходной статистической информации в Анализе данных.
- •Матричный метод мнк .
- •Модели с бинарными фиктивными переменными.
- •Нелинейная модель множественной регрессии (Кобба-Дугласа) Оценка её коэффициентов.
- •Оценка влияния факторов на зависимую переменную (коэффициенты эластичности, бета коэффициенты).
- •Понятие о мультиколлинеарности. Методы устранения мультиколлинеарности (перечислить методы, описать любой метод).
- •Понятие статистической процедуры оценивания параметров эконометрической модели. Требования к наилучшей статистической процедуре: несмещённость и минимальные дисперсии оценок параметров.
- •Предпосылки применения мнк.
- •Прогноз по временному ряду с сезонными колебаниями.
- •Тест Чоу на наличие структурных изменений в регрессионной модели.
- •Типы переменных в экономических моделях. Второй и третий принципы спецификации эконометрических моделей.
- •Фиктивная переменная сдвига: спецификация регрессионной модели с фиктивной переменной сдвига; экономический смысл параметра при фиктивной переменной; смысл названия.
- •Что такое логит, тобит, пробит модели
- •Что такое стационарный процесс.
- •Этапы построения эконометрических моделей.
- •Определение цели исследования.
- •2. Построение системы показателей, логический отбор факторов.
- •Временные ряды и их структура
- •Простейшие модели временных рядов.
- •Автокорреляция случайного возмущения. Причины. Последствия. (15)
- •Алгоритм теста Дарбина-Уотсона на наличие (отсутствие) автокорреляции случайных возмущений. (15 баллов)
- •Выявление и устранение аномальных наблюдений во временных рядах.(15)
- •Измерение тесноты связи между показателями. Анализ матрицы коэффициентов парной корреляции. (15 баллов).
- •Использование фиктивных переменных для определения структурных изменений в экономике (15 баллов).
- •Коэффициент корреляции и индекс детерминации. (15)
- •Метод наименьших квадратов (мнк). Свойства оценок мнк. (15 баллов)
- •Методы оценивания линейной модели множественной регрессии в Excel. (15)
- •Модели нестационарных временных рядов с трендом и сезонной составляющей и их идентификация (15 баллов).
- •Модели уровней временного ряда: мультипликативная, аддитивная, смешанная (15 баллов).
- •Нелинейная регрессия. Нелинейные модели и их линеаризация. (15)
- •Отражение в модели влияния неучтённых факторов. Предпосылки теоремы Гаусса-Маркова(15)
- •Оценка параметров парной регрессионной модели методом наименьших квадратов (15 баллов).
- •Понятие о мультиколлинеарности. Методы устранения мультиколлинеарности (перечислить методы, описать любой метод) (15 баллов).
- •Порядок оценивания линейной модели множественной регрессии методом наименьших квадратов (мнк) в Excel. (15)
- •Применение теста Стьюдента в процедуре подбора переменных в модели множественной регрессии. (15)
- •Применение фиктивных переменных при исследовании сезонных колебаний: спецификация модели, экономический смысл параметров при фиктивных переменных. (15)
- •Проблема мультиколлинеарности в моделях множественной регрессии. Признаки мультиколлинеарности (15 баллов).
- •Свойства оценок мнк.
- •Спецификация и оценивание мнк эконометрических моделей нелинейных по параметрам. (15 баллов).
- •Способы корректировки автокорреляции (авторегрессионные модели первого порядка) (15 баллов).
- •Способы корректировки гетероскедастичности. Взвешенный метод наименьших квадратов (15 баллов).
- •Стационарные и нестационарные стохастические процессы.
- •Стационарные и нестационарные стохастические процессы. (15)
- •Тест Чоу на наличие структурных изменений в регрессионной модели (15 баллов).
- •Типы данных, используемых в эконометрических исследованиях: пространственные данные, временные ряды, панельные данные. (15 баллов).
- •Условие идентифицируемости системы одновременных уравнений. (15)
- •Необходимое условие идентифицируемости
- •Фиктивная переменная наклона: назначение; спецификация регрессионной модели с фиктивной переменной наклона; значение параметра при фиктивной переменной (15 баллов).
- •Фиктивные переменные: определение, назначение, типы (15 баллов).
- •Способы корректировки гетероскедастичности. Метод взвешенных наименьших квадратов (15)
Типы данных, используемых в эконометрических исследованиях: пространственные данные, временные ряды, панельные данные. (15 баллов).
В эконометрических моделях в основном используются данные трёх типов:
1) пространственные данные (cross-sectional data);
2) временные ряды (time-series data);
3) панельные данные (panel data).
Пространственные данные или пространственная выборка. В экономике под пространственной выборкой понимают набор экономических переменных, полученный в данный момент времени. О пространственной выборке имеет сысл говорить только в том случае, если все наблюденияполучены примерно в неизменных условиях, т.е. представляют собой набор независимых выборочных данных из некоторой генеральной совокупности.
Таким образом пространственной выборкой именуется серия из n независимых наблюдений (р+1)-мерной случайной величины (Х1, Х2,….., Хр;У).(При этом в дальнейшем можно рассматривать Хj как случайные величины). В этом случае различные случайные величины Уj оказываются между собой независимыми, что влечет за собой некоррелированность возмущений, т.е.
(условие
1)
Где r (εi,εj) –коэффициент корреляции между возмущениями εi и εj.
Примером пространственных данных может служить комплекс экономической информации по какому-либо предприятию (численность работников, объём производства, размер основных фондов), объёмах потребления продукции определённого вида, данные о ВВП различных стран в каком-либо конкретном году и т. д.
Временной(динамический) ряд – это выборка наблюдений, в которой важны не только сами наблюдаемые значения случайных величин, но и порядок их следования друг за другом.Чаще всего упорядоченность обусловлена тем, экспериментальные наблюдения представляют собой серию наблюдений одной и той же случайной величины в последовательные моменты времени. В этом случае динамический ряд называется временным рядом. При этом предполагается, что тип распределения наблюдаемой случайной величины остается одним и тем же(например, нормальным), но параметры его меняются в зависимости от времени.
Модели временных рядов как правило, оказываются сложнее моделей пространственной выборки, так как наблюдения в случае временного ряда вообще говоря не являются независимыми, а это значит, что ошибки регрессии могут коррелировать друг с другом, т.е. условие 1 вообще говоря не выполняется. Имея ряд наблюдения при этом не зная его природы,, невозможно опроеделить с какой выборкой из данных мы имеем дело.
Примером временных данных могут служить данные о динамике индекса потребительских цен, ежедневные обменные курсы валют.
Панельными данными - данные, содержащие сведения об одном и том же множестве объектов за ряд последовательных периодов времени.
Панельные данные будут обобщением или комбинацией пространственных и временных данных. Примером панельных данных могут служить показатели хозяйственной деятельности совокупности предприятий, кᴏᴛᴏᴩые собираются каждый год. В ϶ᴛᴏм случае мы получим массив данных, в кᴏᴛᴏᴩом содержатся и данные об однородных объектах за один и тот же период времени, и последовательные значения одной экономической переменной в различные периоды времени. Но если совокупность предприятий из года в год будет различна, то такие данные уже не будут панельными.
