- •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)
5. Оценка параметров уравнения парной регр
Для оценки параметров функций, линейных по параметрам, используется МНК.
М НК позволяет получить такие оценки параметров, при которых сумма квадратов отклонений фактических значений результативного признака от теоретических минимальна:
Д ля линейных и нелинейных уравнений, приводимых к линейным, решается следующая система относительно a и b :
Формулы расчета параметров уравнения параной регрессии
a - свободный член уравнения регрессии (пересечение, intercept). Экономически не интерпретируется.
b - наклон линии регрессии (slope) или коэффициент регрессии. Он является мерой зависимости переменной от переменной . В линейном уравнении регрессии параметр является абсолютным показателем силы связи.
Условия применения МНК
Модель регрессии должна быть линейной по параметрам.
x – не стохастическая переменная.
Значения ошибки (остатка)- случайные. Их изменение не образует определенной модели.
Число наблюдений должно быть больше числа оцениваемых параметров (в 5-6 раз).
Значения переменной x не должны быть одинаковыми.
6. Абсолютные и относительные показатели силы связи в уравнениях парной регрессии
Абсолютные. Показывают, на сколько единиц в среднем меняется результативный признак при изменении факторного признака на одну единицу. В линейном уравнении параметр b - абсолютный показатель силы связи.
О тносительные (коэффициенты эластичности). Показывают, на сколько процентов в среднем меняется результативный признак при изменении факторного признака на один процент.
Функция |
Исходное ур-е |
Показатели силы связи |
||
Абсолютн |
Относительный |
|
||
Лин |
|
b |
|
|
Степен |
|
|
b |
|
Показат |
|
|
|
|
Гипербола |
|
|
|
|
Парабола 2uj порядка |
|
|
|
|
Линейная функция:
С увеличением срока кредита на 1 день ставка кредита возрастает в среднем на 0,40 п.п.
Линейная функция:
Степенная функция:
7. Показатели тесноты связи в моделях парной регрессии
Коэффициент детерминации – обобщающий показатель оценки построенного уравнения регрессии
общая сумма квадратов отклонений (total sum of squares);
- факторная сумма квадратов отклонений (sum of squares due to regression);
- остаточная сумма квадратов отклонений (sum of squares due to error).
Коэффициент детерминации показывает долю вариации (дисперсии) результативного признака, объясняемую регрессией, в общей вариации результата
Индекс корреляции
К оэффициент корреляции
Св-ва:
Это стандартизованный коэффициент регрессии
Сравним для признаков, имеющих различные единицы измерения
Если связь между y и x отсутствует, то r=0 , но r=0 не всегда означает отсутствия связи (связь может быть нелинейной)
До 0,3 связь слабая
0,3-0,5 связь умеренная
0,5-0,7 связь заметная
0,7-0,9 связь высокая
0,9-1,0 связь весьма высокая, близкая к функциональной