- •1.Предмет эконометрики, её связь с другими науками
- •2. Этапы эконометрического исследования.
- •3. Виды эконометрических моделей.
- •1.Видам связей между показателями.
- •5. По типу данных.
- •6.По временной принадлежности данных.
- •4.Способы определения формы связей между показателями.
- •5. Общий вид модели линейной регрессии.
- •6. Понятие и показатели силы связи в линейной регрессии
- •9. Предпосылки построения классической нормальной линейной модели
- •11. Уравнение регрессии в стандартизированном масштабе.
- •12. Понятие «статистическая значимость» параметров уравнения регрессии.
- •13. Понятие «статистическая значимость» уравнения регрессии в целом.
- •14. Критерий Стьюдента.
- •15. Оценка значимости параметров уравнения парной линейной регрессии
- •16. Оценка значимости параметров уравнения множественной регрессии
- •17. Общий критерий Фишера
- •18. Таблица дисперсионного анализа
- •19.Показатели частной корреляции и детерминации
- •20. Частный f-критерий
- •22. Тест Парка
- •23. Тест Глейзера
- •24.Тест Уайта.
- •25.Тест Гольдфельда-Квандта.
- •Вопрос 30 Применение мнк к одной из парных нелинейных функций регрессии (параболе, гиперболе, степенной, показательной)
- •Вопрос 31 Коэффициент эластичности для нелинейных функций.
- •36.Модели регрессии с фиктивными переменными.
- •38. Элементы временного ряда
- •39. Методы выявления тенденции по временному ряду
- •40. Методы выбора формы ур-ния тренда.
- •41. Методики нахождения параметров линейного, параболического и показательного трендов и интерпретация их параметров
- •42. Способы выявления колеблемости во временном ряду
- •43. Показатели колеблемости.
- •44. Анализ случайных остатков в модели тренда.
- •45. Виды закономерных колебаний во временном ряду,методы их выявления.
- •48. Применение фиктивных переменных для моделирования закономерных колебаний во временном ряду.
- •49. Изучение корреляции между временными рядами по цепным абсолютным изменениям уровня ряда (первым разностям)
- •50. Изучение корреляции между временными рядами по случайным отклонениям от тренда
- •51. Модель регрессии с включением переменной времени
- •52. Виды систем эконометрических уравнений (сэу).
- •53. Структурная форма модели: состав, виды переменных.
- •54. Приведенная форма модели: структура, предназначение, связь с приведенной формой.
- •55. Идентификация системы эконометрических уравнений. Необходимое условие.
- •56. Идентификация системы эконометрических уравнений. Достаточное условие идентификации системы эконометрических уравнений
- •57. Косвенный мнк
- •58. Двухшаговый мнк
38. Элементы временного ряда
Временной ряд – совокупность значений какого-либо показателя, рассчитанного для одной единицы совокупности или для всей совокупности в целом, взятые за несколько последних моментов или периодов времени.
Уровень ряда – конкретное значение рассматриваемого показателя.
Уровень ряда можно условно разложить на след. элементы:
1. тенденция Тt
2. закономерные колебания St
3. случайные колебания Et
Связать эти эл-ты можно следующим образом:
Аддитивная модель (сложение)
yt=Тt + St + Et
Мультипликативная (умножение)
yt=Тt * St * Et
Смешанная
yt=Тt * St + Et
Свойства временного ряда
yt = ўt + ε для всех t и σyt - постоянная величина – такой ряд называется стационарным
Не стационарный ряд – ряд стационарный остатков:
ε = 0 σ=Const
Если в стационарном ряду выполняется условие:
r yt yt-k = 0 для любых k, то такой ряд называется белый шум.
39. Методы выявления тенденции по временному ряду
Тенденция – основное направление изменения значений уравнения ряда или зависимость уравнений ряда от времени.
Методы:
1. графический
2. аналитический
3. экспериментальный
|r yt| → 1
4. с помощью расчетов скользящей средней.
yt
5 (5+6+4): 3 = 5
4
6 (4+6+8):3=6
8 (6+8+7):3=7
7 .....
10
5. выявление тенденции с помощью автокорреляционной функции.
Автокорреляционная функция – совокупность коэффициентов автокорреляции разных порядков.
Автокорреляция – зависимость текущего уровня ряда от предыдущих значений.
Измеряют автокорреляцию при помощи линейного коэффициента корреляции.
_____ _ __
yt*yt-k – yt*yt-k
r yt yt-k = −−−−−−−−−−−−−
σyt σyt-k
k – порядок коэффициента автокорреляции. k = 1 – коэффициент автокорреляции первого порядка.
Если коэффициент автокорреляции уровней ряда близок к 1, то в ряду есть тенденция. В частности для |r yt| → 1 можно сказать, что в ряду есть линейная тенденция.
40. Методы выбора формы ур-ния тренда.
Тренд-это ф-ция, отражающая зависимость значений ур-ния ряда от номера момента времени;-это мат.описание тенденций
Ур-ния трендов по своей мат.форме м.б. представлены теми же ф-циями,что и ур-ния пар. регрессии с заменой x на t. (Т.е. ) Параметры ур-ния тренда,оценка их знач-ти проводятся также как для парной регрессии. Аналогично проводится и прогноз-ние по ур-ню тренда. Отличия состоят в эк.интерпритации получен.рез-тов.
В ур-нии тренда в кач-ве независ.перемен.включен параметр t. В отличии от фактора x ур-ния регрессии переменную t некорректно назыв.фактором.Т.к. t не может свободно варьироваться.Показатель назыв.показатель кач-ва аппроксимации.
Втор.особенность связана с интерпритацией параметров ур-ния тренда. Для выбора функционал.формы ур-ния тренда можно примен.те же методы,что и для выбора ур-ния: граф,аналит,эксперементал.
Можно выбрать лин.тренд, если
Форму тренда можно выявить,рассчитав цепные показатели динамики:
-абсолютн.приросты разн.порядков:
1-ого порядка(1-ая разность):
2-ого порядка(2-ая разность,абсолютн.ускорение):
-коэф-т роста:
Для выбора ур-ния тренда использ.св-ва некот.ф-ций: в лин.тренде b (ср.абсол.прирост 1-ой степ). : с 1/2 * Для показат.тренда параметр b если мы проанализ.цепные показат.динамики на их относит.постоянство и если будет выяв.такой показат,кот. имеет достаточно постоян.знач, то можно выбрать соответ. ему тренд.