- •Автокорреляция случайного возмущения. Причины. Последствия.
- •Алгоритм проверки адекватности парной регрессионной модели.
- •Алгоритм проверки значимости регрессора в парной регрессионной модели.
- •4. Алгоритм теста Голдфелда-Квандта на наличие (отсутствие) гетероскедастичности случайных возмущений.
- •5. Алгоритм теста Дарбина-Уотсона на наличие (отсутствие) автокорреляции случайных возмущений.
- •6.Гетероскедастичность случайного возмущения. Причины.
- •7.Динамическая модель из одновременных линейных уравнений (привести пример).
- •8.Идентификация отдельных уравнений системы одновременных уравнений: порядковое условие.
- •9. Индивидуальная оценка значения зависимой переменной
- •10. Интервальная оценка индивидуального значения зависимой переменной
- •11.Классическая парная регрессионная модель. Спецификация модели.
- •12.Коэффициент детерминации в регрессионной модели.
- •13.Ковариация, коэффициент корреляции и индекс детерминации.
- •14.Количественные характеристики взаимосвязи пары случайных переменных.
- •15.Коэффициент корреляции и индекс детерминации.
- •16.Линейная модель множественной регрессии.
- •17.Метод наименьших квадратов: алгоритм метода; условия применения.
- •18.Метод показателей информационной ёмкости
- •19.Методы подбора переменных в модели множественной регрессии.
- •20.Методы сглаживания временного ряда.
- •21.Модели временных рядов.
- •22.Модели с бинарными фиктивными переменными.
- •23.Модели с частичной корректировкой
- •24.Настройка модели с системой одновременных уравнений.
- •25. Нелинейная модель множественной регрессии Кобба-Дугласа. Оценка её коэффициентов.
- •26.Нелинейная модель множественной регрессии Кобба-Дугласа. Оценка её коэффициентов. Смотри вопрос 25
- •27.Нормальный закон распределения как характеристика случайной переменной.
- •28.Обобщённый метод наименьших квадратов
- •29. Ожидаемое значение случайной переменной, её дисперсия и среднее квадратическое отклонение.
- •30. Ожидаемое значение случайной переменной, её дисперсия и среднее квадратическое отклонение.
- •31. Определение соответствия распределения случайных возмущений нормальному закону распределения.
- •32. Основные числовые характеристики вектора остатков в классической множественной регрессионной модели.
- •33.Отражение в модели влияния неучтённых факторов.
- •34.Отражение в эконометрических моделях фактора времени.
- •35.Оценивание линейной модели множественной регрессии в Excel.
- •36. Оценивание линейной модели множественной регрессии методом наименьших квадратов (мнк) в Excel с использованием сервиса линейн
- •37.Оценивание регрессионной модели с фиктивной переменной наклона; значение параметра при фиктивной переменной.
- •38.Оценка коэффициентов модели Самуэльсона-Хикса
- •39. Оценка параметров множественной регрессионной модели методом наименьших квадратов.
- •40. Оценка параметров парной регрессионной модели методом наименьших квадратов.
- •41. Оценка статистической значимости коэффициентов модели множественной регрессии.
- •42. Подбор переменных в модели множественной регрессии на основе метода оценки информационной ёмкости.
- •43. Подбор переменных в модели множественной регрессии методом «снизу вверх».
- •44. Подбор переменных в модели множественной регрессии методом исключения переменных («сверху вниз»).
- •45. Порядок оценивания линейной модели множественной регрессии методом наименьших квадратов (мнк) в Excel.
- •46. Последствия гетероскедастичности. Тест gq.
- •47. Применение теста Стьюдента в процедуре подбора переменных в модели множественной регрессии.
- •48. Применение фиктивных переменных при исследовании сезонных колебаний: спецификация модели, экономический смысл параметров при фиктивных переменных.
- •49. Принципы спецификации эконометрических моделей и их формы.
- •50. Проблема мультиколлинеарности в моделях множественной регрессии. Признаки мультиколлинеарности
- •51. Прогнозирование экономических переменных. Проверка адекватности модели
- •52.Простейшие модели временных рядов.
- •53.Регрессионные модели с фиктивными переменными.
- •54.Свойства временных рядов
- •55.Составление спецификации модели временного ряда.
- •56.Спецификация и оценивание мнк эконометрических моделей нелинейных по параметрам.
- •57.Спецификация и оценивание мнк эконометрических моделей нелинейных по параметрам.
- •58.Спецификация моделей со случайными возмущениями и преобразование их к системе нормальных уравнений.
- •59.Способы корректировки гетероскедастичности. Метод взвешенных наименьших квадратов.
- •60.Статистические свойства оценок параметров парной регрессионной модели
- •61.Статистические характеристики выборки и генеральной совокупности статистических данных. Их соотношения.
- •62.Схема Гаусса – Маркова.
- •63.Теорема Гаусса-Маркова
- •64. Тест ошибочной спецификации Рамсея.
- •Тест Стьюдента
- •66. Типы переменных в эконометрических моделях. Структурная и приведённая формы спецификации эконометрических моделей.
- •67. Типы переменных в эконометрических моделях. Структурная и приведённая формы спецификации эконометрических моделей.
- •68. Устранение автокорреляции в парной регрессии
- •70. Фиктивная переменная наклона: назначение; спецификация
- •71.Функция регрессии как оптимальный прогноз.
- •72.Характеристики сервиса «Описательная статистика».
- •73. Метод наибольшего прадоподобия
- •74. Что такое стационарный процесс.
- •75. Эконометрика, её задача и метод.
- •76.Экспоненциальное сглаживание временного ряда
- •77. Этапы построения эконометрических моделей.
- •78. Этапы решения экономико-математических задач.
33.Отражение в модели влияния неучтённых факторов.
Для учета случайного характера экономических процессов, модель записывают в виде:
Y = f(X) + ε (1)
где: Y – эндогенная переменная
X – вектор предопределенных переменных
f(X) – детерминированная математическая функция, определяющая закономерность между эндогенной и предопределенными переменными
ε – случайная величина, учитывающая влияние неучтенных факторов и индивидуальные особенности конкретного объекта (случайное возмущение).
Модель (1) называют эконометрической моделью. Правая часть (1) называется обобщенной функциональной или регрессионной зависимостью. При составлении модели случайные возмущения присутствуют только в поведенческих уравнениях эконометрической модели. В уравнениях тождествах они отсутствуют. Рассеянные вокруг нуля случайные возмущения отражают влияние на текущие эндогенные переменные этой модели неучтённых факторов.
В общем виде эконометрической модели случайные возмущения отражаются как:
– вектор-столбец случайных возмущений модели.
Случайные возмущения сохраняются в приведенной форме модели. Их вычисление производится по формуле: ε= A-1, где А - матрица коэффициентов перед эндогенными переменными.
Замечание. Необходимость учета в моделях влияния случайных возмущений является четвертым принципом спецификации эконометрических моделей
34.Отражение в эконометрических моделях фактора времени.
Из теории известно, что все переменные объекта изменяются со временем. Этот факт должен быть отражен в моделях. Для этого каждой переменной, которая изменяется со временем добавляется индекс “t”. Например, Ydt означает, что переменная - «уровень спроса» - относится к текущему моменту времени. На примере модели конкурентного рынка имеем:
Определение. Экономические модели, значения переменных которых привязаны к моменту времени, называются динамическими.
Определение. Переменные, связанные с моментом времени, называются датированными. Необходимость соотнесения переменных модели к моменту времени является третьим принципом спецификации модели. Переменные, которые относятся к предыдущим моментам времени, называются Лаговыми. Значения датированных переменных в различные дискретные моменты времени (например, значения x0, x1, x2,… располагаемого душевого дохода потребителя в рамках модели конкурентного рынка при t=0,1,2…) называются временными рядами. Таким образом, временным рядом называют такую экономическую модель, в которой эндогенная переменная Yt является функцией целочисленного аргумента t.
35.Оценивание линейной модели множественной регрессии в Excel.
Модель множественной регрессии имеет вид:
Алгоритм использования процедуры «ЛИНЕЙН» в приложении EXCEL:
1.Подготовка таблицы исходных данных (Записываем в столбцы значения переменных).
|
A |
B |
|
|
1 |
y1 |
x11 |
… |
xk1 |
2 |
y2 |
x12 |
… |
xk2 |
… |
… |
… |
… |
… |
n |
yn |
x1n |
… |
xkn |
n+1 |
|
|
|
|
n+2 |
|
|
|
|
n+3 |
|
|
|
|
n+4 |
|
|
|
|
n+5 |
|
|
|
|
2.Вызов процедуры «ЛИНЕЙН» (Выделяем диапазон ячеек 5×(k+1), нажимаем на значок функции, в диалоговом окне «Категория» выбираем, «Статистические» в диалоговом окне «Выберите функцию» - «Линейн»; щелкнуть мышью по кнопке ОК).
3.Ввод исходных данных в процедуру (В строчке «Известные_значения_y» диалогового окна указать адрес диапазона значений эндогенной переменной yt, а в строчке «Известные_значения_х» - адрес диапазона известных значений предопределенных переменных x11:xkn; в строчку «Конст» диалогового окна занести цифру 1, если есть свободный член и 0, если его нет. В строчку «Статистика» диалогового окна занести цифру 1, Нажать клавиши Ctrl + Shift + Enter).
4. Анализ результата
|
A |
B |
|
|
1 |
y1 |
x11 |
… |
xk1 |
2 |
y2 |
x12 |
… |
xk2 |
… |
… |
… |
… |
… |
n |
yn |
x1n |
… |
xkn |
n+1 |
|
… |
||
n+2 |
|
|
… |
|
n+3 |
|
|
#Н/Д |
#Н/Д |
n+4 |
Fтест |
|
#Н/Д |
#Н/Д |
n+5 |
|
|
#Н/Д |
#Н/Д |