- •Определение и задачи эконометрики. Место эконометрики в общественных науках
- •История эконометрических исследований
- •3. Методология эконометрич. Моделирования
- •Выбор типа математической функции при построении уравнения регрессии
- •5. Оценка параметров уравнения парной регр
- •6. Абсолютные и относительные показатели силы связи в уравнениях парной регрессии
- •7. Показатели тесноты связи в моделях парной регрессии
- •8. Статистический анализ достоверности модели парной регрессии
- •9. Таблица дисперсионного анализа (назначение, построение)
- •10. Оценка значимости параметров уравнения парной регрессии.
- •1 1. Интервальная оценка параметров уравнения парной регрессии
- •12. Нелинейная регрессия (линеаризация, оценка параметров)
- •1 3. Средняя ошибка аппроксимации
- •14. Использование модели парной регрессии для прогнозирования
- •15. Визуальный анализ остатков
- •16. Смысл и значение множественной регрессии в эконометрических исследованиях. Выбор
- •17. Отбор факторов в уравнение множественной регрессии
- •18. Оценка параметров уравнения множественной регрессии
- •1 9. Построение уравнения регрессии в стандартизованном масштабе
- •20. Абсолютные и относительные показатели силы связи в модели множественной регрессии
- •25. Использование фиктивных переменных в моделях множественной регрессии
- •26. Предпосылки метода наименьших квадратов
- •27. Гетероскедастичность - понятие, проявление и меры устранения
- •28. Оценка гетероскедастичности с помощью метода Гольдфельда Квандта
- •29. Использование коэффициента корреляции рангов Спирмэна для проверки наличия гетероскедастичности в остатках
- •30. Использование тестов Уайта, Парка, Глейзера при анализе гетероскедастичности в остатках
- •31. Применение обобщенного метода наименьших квадратов (омнк) для случая гетероскедастичности остатков.
- •32. Мультиколлинеарность факторов – понятие, проявление и меры устранения
- •33. Специфика временного ряда как источника данных в эконометрическом моделировании
- •34. Автокорреляция уровней временного ряда и ее последствия
- •35. Моделирование тенденции временных рядов
- •36. Оценивание параметров в уравнениях тренда
- •37. Модели сезонности: аддитивная и мультипликативная
- •42. Обобщенный метода наименьших квадратов (омнк) при построении модели регрессии по временным рядам
- •43. Прогнозирование на основе рядов динамики
- •44. Общая характеристика моделей с распределенным лагом и моделей авторегрессии
- •45. Интерпретация параметров моделей с распределенным лагом и моделей авторегрессии
- •4 6. Применение фиктивных переменных для моделирования сезонных колебаний
- •47. Общее понятие о системах уравнений, используемых в эконометрике
- •48. Виды переменных в системах взаимозависимых уравнений
- •49. Структурная и приведенная формы модели.
- •50. Проблема идентификации Необходимое условие идентификации (порядковое или счетное правило).
- •51. . Достаточное (ранговое) условие идентификации.
- •52. Косвенный метод наименьших квадратов для оценки параметров структурной формы модели
- •53. Двухшаговый метод наименьших квадратов для оценки параметров структурной формы модели
- •54. Применение систем эконометрических уравнений (см. Учебник)
4 6. Применение фиктивных переменных для моделирования сезонных колебаний
Долгосрочный мультипликатор
При k=4 долгосрочный мультипликатор составит b0+b1+b2+b3+b4
Он характеризует общее среднее изменение y через 4 временных интервала при увеличении x в момент времени t на 1 единицу
Относительные коэффициенты модели
Характеризует долю общего изменения y в момент времени t+j.
Средняя величина лага
Показывает средний интервал времени, в течение которого будет происходить изменение зависимой переменной y под воздействием изменения объясняющей переменной x в момент времени t.
Чем меньше величина среднего лага, тем быстрее реагирует результат y на изменение x. И наоборот, высокое значение среднего лага показывает, что воздействие объясняющей переменной на результат будет сказываться с течением длительного промежутка времени.
М едианный лаг - тот период времени, в течение которого с момента времени t будет реализована половина общего эффекта воздействия объясняющей переменной x на результат y.
Модели авторегрессии
п араметр b0 характеризует краткосрочное изменение yt под воздействием изменения xt на 1 единицу.
долгосрочный мультипликатор изменения y:
47. Общее понятие о системах уравнений, используемых в эконометрике
С истема независимых уравнений
Система рекурсивных уравнений
Система взаимозависимых уравнений
Модель Кейнса
Модель цены и зарплаты
48. Виды переменных в системах взаимозависимых уравнений
49. Структурная и приведенная формы модели.
Особенности приведенной формы
В правой части модели используется только предопределенные переменные, следовательно расчет параметров может быть произведен с помощью обычного МНК
Существует определенное соотношение между коэффициентами структурной формы и приведенной формы (приведенные коэффициенты – нелинейные соотношения коэффициентов структурной моделей)
Для модели Кейнса
50. Проблема идентификации Необходимое условие идентификации (порядковое или счетное правило).
Идентификация модели – это соответствие между приведенной и структурной формами модели, позволяющее однозначно оценить структурные коэффициенты по приведенным коэффициентам модели
Модель идентифицируема, если число коэффициентов структурной модели равно числу коэффициентов приведенной модели и структурные коэффициенты однозначно определяются по приведенным коэффициентам.
Модель неидентифицируема, если число структурных коэффициентов больше числа приведенных коэффициентов. Модели, в которых в каждом уравнении системы участвуют все эндогенные и экзогенные переменные, имеющиеся в системе, всегда неидентифицируемы.
Модель сверхидентифицируема, если число приведенных коэффициентов превышает число структурных коэффициентов. В результате на основе коэффициентов приведенной модели можно получить несколько значений одного структурного коэффициента.
уравнение сверхидентифицируемо D+1>H
уравнение идентифицируемо D+1=H
уравнение неидентифицируемо D+1<H