- •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)
3. Методология эконометрич. Моделирования
Главный инструмент эконометрики – эконометрическая модель, параметры которой оцениваются с помощью методов математической статистики
Виды моделей, используемых в эконометрическом моделировании:
Регрессионные модели с одним уравнением
Системы одновременных уравнений (СОУ)
Модели временных рядов
Статические и динамические – по характеру используемых данных (первые основаны на одновременных данных по совокупности объектов, вторые – на временных рядах). Промежуточное положение занимают модели панельных данных, основанные на данных по одной и той же совокупности за ряд лет
Комплексные и не комплексные (первые отличаются тем, что отражают связи между макроэкономич. показателями на всех стадиях процесса воспроизводства)
Аналитические, имитационные и прогностические. Это деление моделей производится по целям их применения.
Этапы построения эконометрической модели
Теоретич. описание рассматриваемого экономич. процесса с отражением существующих тенденций.
Сбор данных, анализ их качества
Спецификация модели, когда устанавливаются экзогенные (внешние) и эндогенные (внутренние) переменные, выявляются связи и соотношения, определяется вид модели исходя из соответствующей теории связи между переменными.
Идентификация модели, т.е. выявление условий корректного оценивания параметров модели на основе соотношения количества переменных и связей между ними
Оценка параметров модели
Верификация модели, то есть проверка достоверности построенной модели
Выбор типа математической функции при построении уравнения регрессии
Аналитический метод (теоретический анализ связи рассматриваемого фактора и результата
Графический метод
Экспериментальный метод
Функция |
Исходное ур-е |
Преобразованное ур-е |
Гипербола |
|
|
Степенная |
|
|
Показательная |
|
|
Экспонента |
|
|
Оценивание параметров моделей
Эконометрическое оценивание моделей включает два основных этапа:
Теоретический. Считается, что определена генеральная совокупность. Зная те или иные статистические свойства этой совокупности, можно теоретически определить параметры модели.
Эмпирический. Исследователь использует лишь выборочные данные. На этом этапе можно оценить, но нельзя точно определить значения параметров модели, поскольку они являются случайными величинами.
Согласно выборочному методу статистики характеристики генеральной совокупности принято называть параметрами, а характеристики выборочной совокупности – оценками.
Оценка генеральных параметров может быть получена двумя методами:
а) методом наименьших квадратов (МНК)
б) методом максимального правдоподобия
Свойства оценок
Несмещенность означает, что "в среднем" оценка соответствует параметру при любом объеме выборки
Несмещенная оценка называется эффективной, если она имеет минимальную дисперсию по сравнению с другими выборочными оценками.
Та из оценок, которая имеет меньшую дисперсию является более эффективной.
Оценка называется состоятельной, если при увеличении объема выборки она стремится к оцениваемому параметру.