
- •1. Вид эконометрической модели, ее структура. Уравнение регрессионной модели. Переменные участвующие в любой эконометрической модели.
- •3.Корреляционное поле. (Диаграмма рассеяния).
- •4.Основные статистики, спользуемые в экономических моделях. Средняя величина, дисперсия (вариация), ковариация.
- •5. Коэффициент парной корреляции. Пределы ее изменения.
- •6. Оценка значимости линейного коэффициента корреляции с помощью t-критерия Стьюдента.
- •7 . Матрица коэффициентов парной корреляции, её структура, экономическая сущность.
- •8. Коэффициент множественной корреляции, приделы его измерения.
- •9. Проверка значимости коэффициента множественной корреляции и детерминации с помощью f-критерия Фишера
- •10. Частный коэффициент множественной корреляции, пределы его измерения
- •11. Предпосылки метода наименьших квадратов.
- •12. Свойства оценок регрессионной модели, полученные по мнк.
- •13. Формулы расчета оценок а0 и а1 в модели парной регрессии.
- •18. Проверка значимости уравнения регрессии с помощью f критерия Фишера .Расчетный и табличный критерий Фишера.
- •20. Оценка статистической значимости параметров модели с помощью критерия Стьюдента.
- •21. Стандартные ошибки коэффициентов Sa0 Sa1 и их расчет
- •22. Расчет доверительных интервалов для параметров парной регрессии
- •23. Определение прогнозного значения по эконометрической модели парной регрессии.Точный и интервальный прогноз.
- •24. Виды моделей множественной регрессии (м.Р.)
- •25. Что показывает коэффициент регрессии aj в модели множественной регрессии?
- •26. Соотношение между числом наблюдений и числом оцениваемых параметров при построении множественной регрессионной модели.
- •27. Матричная форма записи множественного регрессионного уравнения и оценка параметров модели.
- •28. Система нормальных уравнений для двухфакторной регрессионной модели.
- •30. Проверка качества построенной множественной регрессионной модели: коэффициент детерминации, множественный коэффициент корреляции, относительная ошибка аппроксимации.
- •31. Проверка значимости построенной множественной регрессионной модели.
- •32. Проверка статистической значимости параметров множественной регрессионной модели.
- •33. Построение доверительных интервалов для параметров мрм. Предельная ошибка параметра.
- •35. Коэффициент эластичности
- •36. Мультиколлинеарность: определение, признаки и последствия.
- •Наиболее полным алгоритмом исследования мультиколлинеарности есть алгоритм Фаррара-Глобера. С его помощью тестируют три вида мультиколлинеарности:
- •1. Всех факторов ( - хи-квадрат);
- •1. Нормируем значения факторов
- •Алгоритм метода главных компонентов:
- •42. Устранение гетероскедастичности остатков модели регрессии
- •43. Критерий Дарбина — Уотсона рассчитывается по следующей формуле.
18. Проверка значимости уравнения регрессии с помощью f критерия Фишера .Расчетный и табличный критерий Фишера.
Проверка
значимости коэффициента детерминации
осуществляется с помощью
-критерия
Фишера, расчетное значение которого
находится по формуле:
,
,
где
коэффициент множественной корреляции,
– количество наблюдений,
- количество переменных,
– диагональный элемент матрицы
.
Фактические
значения критерия сравниваются с
табличным при
и
степенях свободы и уровне значимости
.
Если
,
то соответствующая
-ая
объясняющая переменная мультиколлинеарна
с другими.
По
таблице определяется
при уровне значимости
и степенями свободы
и
.
Если
,
то
значим (значимо отличается от нуля).
Если необходимо определить связь между двумя случайными величинами при исключении влияния остальных, то используется выборочный частный коэффициент корреляции, который вычисляется по формуле:
,
где
– алгебраические дополнения элементов
матрицы
,
,
,
– элементы матрицы
.
19.
20. Оценка статистической значимости параметров модели с помощью критерия Стьюдента.
Для
проверки значимости параметров модели
рассчитывают
-статистику
Стьюдента
для каждого из них по следующей формуле:
с
степенями свободы, где
оценка
рассматриваемого
-го
параметра;
гипотетическое значение, которое должен
принять параметр
;
оценка дисперсии параметра
(по регрессии);
размер выборки;
число оцениваемых параметров модели
(для парной регрессии
).
Для
оценки параметра
выдвигается гипотеза
.
-статистика
Стьюдента принимает вид:
.
Сравниваем
рассчитанное значение
с табличным
для числа степеней свободы
и уровня значимости
.
Если
,
то гипотеза
отвергается, если
,
то принимается.
Расчетная
формула для оценки значимости параметра
аналогична:
.
Оценим
значимость параметров модели
и
.
Для этого сначала рассчитаем оценку
дисперсии ошибок
:
.
Найдем
оценку дисперсии
и среднеквадратическое отклонение
:
,
.
Рассчитаем -статистику Стьюдента:
.
Как
и в случае с коэффициентом корреляции,
найдем для
и
табличное значение критерия Стьюдента
и сравним рассчитанное значение
-статистики
с табличным:
.
Таким
образом, значение коэффициента
является значимым.
Найдем
оценку дисперсии
и среднеквадратическое отклонение
:
,
.
Рассчитаем -статистику Стьюдента:
.
Сравним
рассчитанное значение
-статистики
по модулю с табличным для
и
:
.
Таким
образом, для выбранного уровня доверия
значение коэффициента
не является значимым.
21. Стандартные ошибки коэффициентов Sa0 Sa1 и их расчет
Оценка статистической значимости коэффициентов регрессии и корреля-
ции осуществляется с помощью t -критерия Стьюдента. Расчетные значения
статистик имеют вид:
Для
расчета доверительного интервала
определяем предельную ошибку
для каждого параметра:
,
Формулы для расчета доверительных интервалов имеют следующий вид:
.