Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
EMMiM_v_TS_UMK_ispravlennyy_nov_moy.doc
Скачиваний:
4
Добавлен:
01.03.2025
Размер:
2.43 Mб
Скачать

Тема 2. Модель парной регрессии. Метод наименьших квадратов. Геометрическая интерпретация. Матричная форма записи. Линейная регрессионная модель. Теорема Гаусса-Маркова. Оценка дисперсии ошибок  2

Модель парной регрессии. Наилучшая аппроксимации зависимости Y от X линейной функцией. Метод наименьших квадратов (МНК). Геометрическая интерпретация в n-мерном пространство Rn векторов переменных. Матричная форма записи. Рассмотрение примера, иллюстрирующего построение модели парной регрессии. Диаграмма рассеяния.

Интерпретация численных значений коэффициентов модели. Линейная регрессионная модель. Результативный и факторный признаки. Базовые гипотезы нормальной линейной регрессионной модели. Условие гомоскедастичности. Автокорреляция ошибок. Теорема Гаусса-Маркова. Оценка дисперсии ошибок  2. Ошибки и остатки регрессии. Повышение точности оценки коэффициентов регрессии

Тема 3. Классическая нормальная линейная модель множественной регрессии. Предпосылки регрессионного анализа. Адекватность, значимость и точность модели. Оценка значимости коэффициентов регрессии. Уравнение регрессии в стандартизованной форме. Пример построения линейной модели множественной регрессии. Экономическая интерпретация параметров модели.

Классическая линейная модель множественной регрессии (КЛММР) и метод наименьших квадратов (МНК). Свойства оценок параметров регрессионной модели. Предпосылки регрессионного анализа. Проверка адекватности модели (коэффициент детерминации, значимость уравнения в целом, значимость отдельных параметров модели, средняя относительная ошибка аппроксимации). Стандартизованная форма уравнения регрессии. Стандартизованные коэффициенты регрессии. Средние коэффициенты эластичности. Построение уравнения регрессии со статистически значимыми факторами. Экономическая интерпретация параметров модели.

Тема 4. Гетероскедастичность. Тесты на гетероскедастичность: их преимущества и недостатки. Устранение гетероскедастичности. Автокорреляция. Тесты для проверки наличия автокорреляции остатков: их преимущества и недостатки. Мультиколлинеарность. Признаки и последствия наличия мультиколлинеарности. Устранение мультиколлинеарности.

Нарушение предпосылок регрессионного анализа. Проверка модели на гетероскедастичность с помощью тестов: ранговой корреляции Спирмена; Голдфельда-Квандта; Уайта; Глейзера. Проверка на гетероскедастичность, в случае, если ошибки регрессии можно считать нормально распределенными случайными величинами. Гипотеза о равенстве дисперсий двух нормально распределенных совокупностей. Мощность теста Голдфельда-Квандта. Преимущества и недостатки тестов на гетероскедастичность. Устранение гетероскедастичности. Модели с наличием автокорреляции. Тесты для проверки наличия автокорреляции остатков: Дарбина-Уотсона, Бреуша-Годфри. Их преимущества и недостатки. Устранение автокорреляции во временных рядах. Мультиколлинеарность и отбор наиболее существенных объясняющих переменных в КЛММР. Мультиколлинеарность. Признаки и последствия наличия мультиколлинеарности. Устранение мультиколлинеарности. пошаговые процедуры: присоединения; удаления; присоединения-удаления.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]