- •2. Тест Дарбина – Уотсона некоррелированности случайных возмущений в схеме Гаусса – Маркова. (25 баллов)
- •3. Метод имитационного моделирования. Исследование последствий нарушения условий теоремы Гаусса – Маркова. (25 баллов)
- •Коэффициент детерминации как мера качества спецификации эконометрической модели. (25 баллов)
- •6. Компьютерное моделирование эконометрических систем.(25 баллов)
- •9. Интервальное прогнозирование по оцененной линейной эконометрической модели парной регрессии значений эндогенной переменной. (25 баллов)
- •10. Множественная линейная регрессионная модель. Оценивание параметров множественной регрессии методом наименьших квадратов. (25 баллов)
- •11. Определение границ доверительных интервалов точечных оценок множественной регрессионной модели. (25 баллов)
- •12. Оценивание параметров модели взвешенным методом наименьших квадратов. (25 баллов)
- •Гетероскедастичность случайного возмущения. (25 баллов)
- •18. Система нормальных уравнений и явный вид ее решения при оценивании методом наименьших квадратов линейной модели множественной регрессии. (25 баллов)
- •18. Система нормальных уравнений и явный вид ее решения при оценивании методом наименьших квадратов линейной модели множественной регрессии.
- •19. Модель парной регрессии. Границы доверительных интервалов.
- •20. Гетероскедастичность случайной компоненты. Тесты на наличие гетероскедастичности. (25 баллов)
- •21. Автокорреляция случайной составляющей. Тесты на наличие автокорреляции. (25 баллов)
9. Интервальное прогнозирование по оцененной линейной эконометрической модели парной регрессии значений эндогенной переменной. (25 баллов)
Эконометрические модели предназначены прежде всего для объяснения (прогноза) эндогенных переменных по известным значениям предопределенных переменных. Прогнозировать по оцененной модели можно лишь тогда, когда она признана адекватной. Модель будем называть адекватной, если прогнозы значений эндогенных переменных согласуются в определенном смысле с наблюденными значениями переменных. Таким образом, процесс прогнозирования и проверка адекватности тесно взаимосвязаны.
Сущность процедуры прогнозирования обсудим на примере модели Кобба – Дугласа
Модель Кобба – Дугласа имеет следующий вид:
Логарифмирование нелинейного уравнения эконометрической модели приводит к линейной модели парной регресии:
После ее оценивания МНК
проверки адекватности и прогнозирования значения эндогенной переменной вычисляется прогноз Ỹ0 величины Y0 и среднеквадратичная ошибка SY0 этого прогноза
Ỹ0=L0·exp(ỹ0)
Точностная характеристика прогноза всегда исчисляется по последней формуле.
Точечный прогноз нетрудно можно преобразовать в интервальный, построив замкнутый интервал [у0-, у0+] с границами
Ỹ0-=L0·exp(ỹ0-); Ỹ0+=L0·exp(ỹ0+)
10. Множественная линейная регрессионная модель. Оценивание параметров множественной регрессии методом наименьших квадратов. (25 баллов)
Множественная регрессия позволяет построить и проверить модель линейной связи между зависимой (эндогенной) и несколькими независимыми (экзогенными) переменными: y = f(x1,...,xр ), где у - зависимая переменная (результативный признак); х1,...,хр - независимые переменные (факторы).
Линейное уравнение множественной корреляции: y=a+b1x1+b2x2+…+bpxp+ε
Для оценки параметров уравнения множественной регрессии применяют метод наименьших квадратов (МНК). Для линейных уравнений и нелинейных уравнений, приводимых к линейным, строится следующая система нормальных уравнений, решение которой позволяет получить оценки параметров регрессии:
Для ее решения может быть применён метод определителей: a=∆a / ∆, b1=∆b1 / ∆,…, bp=∆bp / ∆,
- определитель системы
∆a, ∆b1,…, ∆bp – частные определители; которые получаются путем замены соответствующего столбца матрицы определителя системы данными левой части системы.
11. Определение границ доверительных интервалов точечных оценок множественной регрессионной модели. (25 баллов)
Множественная регрессия позволяет построить и проверить модель линейной связи между зависимой (эндогенной) и несколькими независимыми (экзогенными) переменными: y = f(x1,...,xр ), где у - зависимая переменная (результативный признак); х1,...,хр - независимые переменные (факторы). Для построения уравнения множественной регрессии чаще используются следующие функции:
Можно использовать и другие функции, приводимые к линейному виду Определение границ доверительных интервалов оценок параметров модели В условиях нормальной линейной множественной регрессионной модели, при построении доверительных интервалов оценок параметров t-статистика вида:
Доверительный интервал имеет границы: где ta - табличное значение статистики Стьюдента с n-k степенями свободы для α%-го уровня значимости. Определение границ доверительного интервала прогноза зависимой переменной Доверительный интервал для отдельного (индивидуального) значения зависимой переменной строится с учетом рассеяния индивидуальных значений вокруг линии регрессии, т.е. с учетом ошибки регрессии: , где
|